摘要：针对复杂铸件外观缺陷体积小、背景复杂干扰大,较难实现高精度缺陷检测的问题,提出一种基于深度学习的铸件外观缺陷检测模型(Refine-ACTDD)。该模型基于RefineDet算法,采用密排的锚点设计方法提高微小缺陷的正检率,并引入注意力机制减少复杂背景对检测的干扰。同时,提出一种将深度学习与轮廓发现相结合的方法实现对小样本缺陷的端到端检测。经过数据采集,制作包含7816张铸件外观缺陷图片的大型数据集ALU-DEF。最后,采用对比训练方法在数据集上进行训练和测试。实验结果表明,该算法能够达到95.44%的平均正检率,相比于Faster-RCNN和YOLOv3算法具有更高的平均精确率(MAP)和正检率。

摘要：提出了一种基于机器视觉的内螺纹检测算法,并在此基础上设计了一套多螺纹孔检测系统。首先从CCD获取的图像中提取出ROI(region of interest)区域,然后利用中值滤波去除图像表面噪声,通过形态学开闭运算对所得图像进行处理,最后计算螺纹图像沿螺孔母线方向的灰度曲线极值得到螺纹牙数,进而对于螺孔合格与否进行判断。实验结果表明,基于该算法的多螺孔检测系统能够有效地提高螺孔的检测速度,具有良好的检测精度,对外界光照变化具有良好的鲁棒性。

摘要：为了实现从产线规划到生产监控的全生命周期管理,提高车间的信息化、智能化水平,保证车间的生产效率,降低车间安全事故发生的概率。基于数字孪生技术建立物理产线的数字孪生体,提出“内部驱动仿真—虚拟控制器联调—真实控制器联调”的联合仿真方式,基于OPC UA协议完成数字孪生体与物理产线的“虚实交互”,以高精度、高实时性、高可信度反映物理产线的运行情况,根据数字孪生体对实际生产过程进行指导和改进。建立了汽车减速器壳体生产车间的智慧车间系统,完成了从孪生体搭建、多步仿真调试、信息交互,现场展示到指导生产的全周期智慧车间系统的设计和验证。