摘要：在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS(Fully Convolutional One-Stage Object Detection)神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出“时间-速度”对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络(Deep Neural Network,DNN)的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.

摘要：胎面挤出联动线是轮胎制造的主要设备,拾取是胎面挤出联动线的最后一环,目前国内轮胎制造企业在胎面拾取方面都是依靠人力完成,不仅浪费人力资源,也影响了胎面的质量。针对上述问题,公司联合南京龙贞自动化装备技术有限公司,通过模拟人工手动拾取胎面动作,研制了胎面自动拾取装置,自投入使用后,在质量、产能及人员负荷等方面均有显著提升,获得了良好的经济效益。

摘要：为了克服人工拾取地震速度谱效率低、耗时长等缺点,提出了一种基于深度学习的地震叠加速度自动拾取方法。其核心是模仿地震数据处理人员在速度谱上拾取速度的行为和过程,实现叠加速度的自动拾取。将速度谱视为图像,并依据所拾取的“时间-速度”对具有时间序列的特点,设计了一个复杂的能用于速度拾取的卷积神经网络(convolutional neural network,CNN)和长短期记忆(long-short term memory,LSTM)模型混合结构神经网络模型。该模型经过训练,可以对输入的速度谱进行自动拾取,并输出“时间速度”对序列。理论和实际地震数据测试结果表明,相对于基于反演过程的传统速度拾取算法,基于深度学习的地震速度谱自动拾取方法无需附加任何约束和干预,不仅实现了完全自动化的速度拾取,而且具有更高的拾取精度。

摘要：针对生产备料车间人工拾取火焰切割板材过程中劳动强度大、效率低下等问题,开发了一套板材下料自动拾取机器人系统。该机器人系统采用三坐标龙门式结构,利用伺服电机驱动三坐标直线导轨模组;上位工控机利用C语言和Matlab编程分别实现G代码向图形与坐标的转化与板材重心坐标值的计算,通过OPC Server与下位机PLC S7-300进行通信,将切割后的各板材重心坐标值通信至下位机PLC;PLC根据重心坐标位置控制三坐标伺服电机的运动,可保证拾取过程的平稳,减小晃动,实现对板材的连续精确拾取。该机器人控制系统是一种高度自动化的系统,可提高企业生产效率,适应于现代企业的生产要求。

摘要：目前低速带初至时间的拾取多以人工拾取为主，在　实际工作中存在许多问题。经过对ＧＤＺ２４地震仪记录进行研究，设计出一种新模型，并用ＴｕｒｂｏＣ编程，实现了ＧＤＺ２４地震记录初至时间的自动拾取，解决了人工拾取中存在的问题。

摘要：目前,根据市场需求,无人机在军事、工业、电影拍摄、农业等领域的应用前景广阔。设计了一款基于机器视觉的无人机雪山垃圾回收系统,该系统搭配有机载显示通讯模块以及无线图传模块,通过无人机携带的机械臂对特定目标进行拾取,模拟在复杂环境下对雪山垃圾的清理。通过设计、控制和验证测试,该系统可用于雪山垃圾回收的领域。