基于DXF的机器视觉检测路径智能规划

较大尺寸工件的机器视觉尺寸检测需要结合运动控制和图像拼接以保证检测精度。复杂平面形状的工件通常需要检测的项目很多,因而需要进行繁琐的检测运动路径规划,影响检测工作效率甚至精度。研究开发了一套利用图像交互的检测路径智能规划生成方法。以解析DXF图纸文件为基础,结合智能交互方式,通过图像重构、采样点自动定位等技术实现各种平面尺寸检测路径和流程的自动规划。应用结果表明该方法大大减小了复杂工件的检测流程规划的难度,提高了检测系统的工作效率和检测精度。此方法也能方便地拓展应用于3D测量系统等领域,提升检测装备的智能化水平。     

木棒自动分类微机实时控制气动系统

随着在工业制品中木料得到越来越广泛的应用，对木料性能的研究变得尤为重要。本文研究了大量使用的木棒刚度分类的工业方法，并采用微机控制气动机构实时检测木棒的弹性模量，用气缸进行自动快速分类存放。以此建立的系统通过工厂应用，代替了人工木棒分类，大大提高效率和精度。     

低真空热处理炉在5Cr21Mn9Ni4N钢气门热处理中的应用

5Cr2lMn9Ni4N奥氏体耐热不锈钢(简称214N)是常用的内燃机排气门材料，其固溶淬火温度高达1150～1190℃。为减小加热氧化，传统的方法是用高温盐浴炉加热。高温盐浴炉存在污染环境，能耗高，工作条件恶劣的问题。高真空热处理炉虽可胜任这样的工作，但设备昂贵，使用维护保养费用高，增加了气门的生产成本，而且要求工作人员有较高的技术水平，     

基于组态王的热处理车间集散控制系统研究

本系统利用组态Kingview6 1开发系统操作界面 ,采用 485总线实现了集散控制 ,并在这个基础上引入了双机冗余系统 ,提高了系统工作的可靠性     

基于ARM嵌入式牙椅控制系统的设计与实现

文章论述了基于ARM嵌入式技术的牙椅控制系统.系统硬件电路以32位ARM处理器S3C44B0X作为核心,通过SPI与ATmega16芯片通信,构成双CPU模块协同控制.软件以嵌入式uC/OS-II操作系统作为实时多任务内核,设计了7个功能任务,并通过信号量进行各任务通信.实验证明该牙椅控制系统具有良好的可靠性、通用性、实时性、可扩展性和较高的性价比,很好地满足了口腔疾病的诊疗需求.     

基于单应性矩阵的大尺寸零件视觉测量图像拼接方法

针对视觉检测技术对大尺寸复杂零件测量精度低的问题,提出一种基于单应性矩阵的大尺寸零件视觉测量图像拼接方法。首先建立世界坐标系→相机坐标系→投影坐标系→图像坐标系之间的归一化模型,提炼出简单易懂的坐标变换表达式H;然后对摄像机进行多次标定,确定像素当量、拍摄视场及焦距;再获取零件图像,利用前面得到的最简坐标表达式H得到拼接图像之间的配准,最后完成若干副图像的拼接,把拼接结果和SURF特征点方法及向后映射模型归一化的拼接结果进行比较。结果表明,该方法可以大大减少大尺寸零件拼接的时间,较SURF特征点方法和向后映射拼接用时分别降低86.55%和67.30%,拼接精度远高于SURF特征点方法和向后映射方法,分别提高了50.95%和25.08%,测量精度满足大尺寸零件检测精度要求。     

深度学习在焊缝缺陷检测的应用研究综述

焊缝缺陷的检测在石油化工等领域是极其关键的环节,焊接质量的好坏直接影响到结构的使用性能.对于X射线焊缝图像评定,目前采用的人工评片受到多种主观因素的影响,导致漏检或错检情况相对较高.近年来,随着工业智能检测技术的发展,深度学习在图像特征学习中的独特优势使其在缺陷自动检测中具备重要的实用价值.综述了以神经网络技术为代表的深度学习模型在焊缝缺陷检测方面的研究进展,详细分析了基于卷积神经网络和Faster R-CNN网络的工业设备焊缝缺陷自动检测的理论模型及其优缺点,并对焊缝缺陷自动检测技术的发展进行了展望.     

塑料件模具材料优化专家系统的研制

塑料件模具材料优化专家系统试图对用户提出的要求,遵从"满足使用要求,发挥材料潜力,经济技术合理"的原则,就模具材料的选择进行优化推理而提出尽量合理的选材建议并给出被选材料的技术资料以作采购、加工和应用参考.该系统包括用户信息输入、材料优化推理、系统知识库管理、用户技术文件管理和系统管理5大模块,采用基于规则或基于实例的方法进行推理.系统由VisualC 6.0语言在中文Windows2000环境下开发,具有友好透明的用户界面,运行快捷,使用和维护方便.     

基于ARM气门电镦机控制系统设计

介绍了电镦机的工作原理和气门毛坯镦粗过程中工艺参数的要求,设计了基于ARM微处理器和μC／OS-Ⅱ嵌入式操作系统的电镦机控制系统设计,并且使用μC／OS-Ⅱ图形用户界面模块实现了液晶屏显示和触摸屏输入的功能,给出了新型电镦机控制系统的硬件和软件的设计方案。该控制系统有运行稳定、抗干扰性强和使用方便等特点。     

迁移学习在热轧钢带表面缺陷分类中应用研究

为了提高热轧钢带表面缺陷分类的检测准确率和速度,同时鉴于热轧钢带缺陷的数据库规模较小,提出结合参数迁移学习的卷积神经网络模型,来解决少量样本导致网络过拟合和精度低的问题。使用源域的最优参数作为模型的参数初始化,节省训练的周期;构建训练目标域的神经网络模型,使用预训练模型网络中的参数和结构,对目标域进行特征迁移;进行finetune,结合inception-v3结构的全连接层映射到目标域所需要的特征向量维度。实验使用现有热轧钢带表面缺陷数据库中的图片,有6类缺陷。通过对比改进AlexNet模型和结合迁移学习的模型,在测试集的实验平均准确率分别约为96.6%,99.8%,分类效果优于传统视觉分类算法。并且在实验中观察到结合参数迁移学习的损失更小和权重收敛速度更快。