排序方式: 共有17条查询结果,搜索用时 31 毫秒
1.
2.
3.
尿素泵为机动车尾气后处理系统的核心设备,泵体材料一般为铝型材,在铝型材生产过程中,受工艺等因素的影响会产生各种瑕疵,影响铝型材的质量。传统人工检测,质检的效率和准确率难以满足生产需要。本文将深度学习算法引入到缺陷检测中,结合迁移学习原理,使用小批量数据集,利用改进的YOLO模型进行训练,预测铝型材表面瑕疵。试验结果显示,尽管在小批量训练的条件下,验证集mAP值为87.43%,仍取得了98.2%的准确率,比拟人工检测的准确率,并可以快速、准确的定位缺陷部位。此技术有望革新现有质检流程,自动完成质检任务,保证产品的质量;另外,基于深度学习算法表面缺陷检测方法,鲁棒性好,具有一定的普适性,可以推广到相关的其他应用领域。 相似文献
4.
针对大型梯级泵站运行特点,用调度周期内的机组启动次数衡量维修成本,建立以抽水电费最小和机组启动次数最少为优化目标,以调度周期内流量分配为决策变量的双目标优化调度模型,并基于Pareto最优解理论,开展混合粒子群求解算法研究,并将双目标优化调度模型应用于工程实际.研究表明,双目标优化调度能够反映抽水电费与机组维修费用之间的内在联系,即抽水电费最优解随着机组启动次数的增加,呈现出先减少后增大的趋势,但在某一范围内,随着机组启动次数的增加,抽水电费最优解变化幅度较小,系统最优调度方案在此区间内选择不仅能够有效地降低抽水电费,也能够避免维修成本的急剧增加,这为梯级泵站调度决策提供了有力的理论依据. 相似文献
5.
6.
7.
8.
9.
10.