多晶硅表面缺陷识别及软件检测系统设计与开发
这是一篇关于机器视觉,支持向量机,太阳能多晶硅片,表面缺陷,自动化颜色识别的论文, 主要内容为作为清洁无污染的优质能源，太阳能在化石燃料日渐减少、带来的环境问题凸显的情况下，已经成为新能源的重要组成部分。太阳能发电技术，是利用太阳能的重要形式，多晶硅太阳能电池以工艺相对简单，生产成本低的优势，被广泛采用于光伏制造业中。 质量管理是企业生产的重要环节。为保证品质与降低成本，需要对镀减反射膜PECVD工艺下料进行检测。多晶硅太阳能、电池表面纹理特征复杂，质量检测一直依赖人工，效率低、重复检出能力差。 本文从工业工程专业的质量管理角度出发，研究了多晶硅表面质量管理的信息化技术，基于机器视觉和SVM，设计开发了的太阳能多晶硅表面缺陷识别及软件检测系统，具有自动化、分类准确等优点，具有理论及使用价值。 本文主要工作有在以下几个方面： （1）根据某太阳能多晶硅电池生产企业的实际问题，研究了常见的太阳能多晶硅片表面缺陷，对缺陷进行了归类，与成因分析。结合企业实际需求，通过利用机器视觉和模支持向量机，结合图形图像分析与特征提取方法，提出了自动化检测系统总体设计方案，提出了检测系统软件的框架、检测流程及工作原理，实现了多晶硅片质量管理与检测的自动化、信息化。 （2）针对多晶硅片检测的难点，提出利用边缘拟合进行硅片区域精确定位，克服随机上料的问题，硅片的精确定位，保证了后续检测数据来源的可靠性，提高了分类正确率；通过色彩空间变换，降低了颜色检验的维数；在对斑点检测中，选取与硅片自身纹理无关的饱和度通道进行检测，克服多晶硅片自身纹理干扰的难点。 （3）针对每种常见缺陷，介绍了特征提取方法，设计了SVM（支持向量机）分类器进行分类，并对分类器进行参数优化，提高了分类结果准确率。为加快程序运行效率，设计了分类器调度器，结合缺陷出现频率与分类器运行速度，进行动态分类器调度，加快了检测效率。 结果显示，系统分类正确率达到94.5%，节拍小于1s，满足了企业的生产需求。利用机器视觉进行表面颜色检测的方法，具有抗干扰能力和广泛的适用范围，是质量管理的重要工具。
产品知识驱动的表面缺陷智能化识别及应用研究
这是一篇关于产品知识,表面缺陷,卷积神经网络,知识图谱,问答系统的论文, 主要内容为随着知识获取与处理技术的发展,复杂多源的数据被转换成简单易懂的知识,进而基于知识进行认知处理与调控,是当前认知制造系统的热点。产品表面缺陷和产品设计与制造之间存在着因果逻辑知识信息,这些信息是隐性的、非结构化的、零散的,难以挖掘与利用,无法充分表达出表面缺陷和产品设计与制造之间的复杂关系,也无法为解决产品缺陷问题从设计与制造方面提供先验基础。宏观方面,对产品表面缺陷检测的神经网络结构研究比较深入;微观方面,知识图谱技术对产品知识的表示方面的研究比较深入。但是融合这两方面技术,对产品表面缺陷成因进行智能化识别与可视化展示方面的研究比较少。针对上述问题,本文基于国家自然科学基金的资助和产品知识的支持,以铝型材产品表面缺陷为研究对象,开展表面缺陷智能化识别及应用研究。主要工作如下:(1)设计一种改进的Res Net网络模型提高分类效果。本文使用Res Net101作为产品表面缺陷识别网络,着重对类型识别部分进行研究,提出了一种基于可变形卷积的Res Net-DBR模型,解决了产品表面不规则缺陷难识别的问题。(2)提出一种基于知识图谱的深层次缺陷表示方法,用于对产品表面缺陷图像的语义信息进行表达。以缺陷中的“类型—特点—原因—解决对策”四个要素为核心,设计缺陷类型、制造工具、工艺流程等实体的领域本体,并将其存储在Neo4j图数据库中。(3)根据已改进的卷积神经网络和已构建的表面缺陷知识图谱,通过Vue3与Fast API前后端分离技术搭建图像语义精细化识别系统。用户可通过该系统上传待检测的缺陷图像,然后卷积神经网络识别出该缺陷类型,最后由该缺陷类型驱动对应知识图谱的生成,从而将表面缺陷的知识更好地可视化出来。(4)设计并实现了产品表面缺陷知识问答系统,为设计生产制造人员提供了更加智能的产品质量追溯方式,提升了探寻产品质量追溯的便捷性及实时性。
面向清洁切削的表面质量检测及加工性能评价系统研究
这是一篇关于清洁切削,表面粗糙度,表面缺陷,深度学习,切削数据库的论文, 主要内容为未来切削技术必然要满足绿色、环境和谐的清洁加工要求,清洁切削工况下加工过程中的基本现象和机理都会发生显著变化,其相关检测技术研究也尚未完善。本研究针对国家重点研发计划课题:清洁切削加工综合性能评价及检测技术(2018YFB2002205)提出的高速干切、低温切削和微量润滑切削等清洁切削加工方式,从切削加工创成的加工表面质量检测方法和方式入手,针对已有检测方法的流程繁琐、智能化程度低等技术缺点,基于深度学习方法和机器视觉技术研究表面粗糙度检测模型和表面缺陷检测模型的构建,在课题组已有切削数据库的研究基础之上,丰富和扩容系统功能,设计和开发清洁切削加工表面质量综合评价系统,实现表面粗糙度和表面缺陷检测功能以及切削加工数据管理、切削试验数据共享、工艺计算和材料可加工性评价功能。本文的具体研究工作如下:基于卷积神经网络和图像修复算法构建抗切屑干扰的表面粗糙度检测模型。以高温合金GH4169为研究对象开展清洁铣削试验,利用激光扫描显微镜获取工件表面图像并测量粗糙度值,建立粗糙度检测数据集。构建卷积神经网络(CNN)分类模型进行粗糙度检测,分析其对于清洁表面图像和存在切屑的表面图像的检测性能,结果表明,其对于前后两者的检测平均相对误差值分别为3.5%和14.0%,对于单幅图像的平均检测时间为0.28 s。针对切屑影响检测精度问题,提出基于图像修复的抗切屑干扰检测框架。基于Unet模型集成Bottleneck结构和注意力机制构建CBAM Res-Unet语义分割模型,实现切屑区域的定位和分割;基于PConv-Net构建图像修复模型,实现切屑区域的修复。集成CBAM Res-Unet、PConv-Net和CNN模型形成抗切屑干扰检测框架,对于存在切屑的表面图像,该框架的检测相对误差控制在6.8%以内,平均相对误差值为3.6%,单幅图像的平均检测时间为0.79 s。基于Rep-CA-YOLOv5s目标检测算法构建表面缺陷检测模型。以清洁铣削加工的GH4169工件为研究对象,采用工业相机采集工件表面图像,建立包含凹坑和划痕缺陷类别的缺陷检测数据集。利用构建的数据集训练并测试YOLOv5s网络,结果显示,模型检测精度、召回率和平均精度均值分别为92.2%、83.0%和91.7%,该模型对于较长划痕缺陷检测精度较低。在YOLOv5s网络引入RepVGG模块和坐标注意力模块构建Rep-CA-YOLOv5s网络,并利用SIoU评价指标构建网络回归损失函数,提高模型检测性能。试验结果表明,Rep-CA-YOLOv5s模型提高了对于划痕缺陷的检测能力,其检测精度、召回率和平均精度均值分别提高了 1.5%、7.2%和3.5%。基于通道剪枝和滤波器剪枝展开模型的推理速度提升研究,在损失函数中分别加入BN层γ缩放因子和卷积核权重w的L1正则约束项实现模型的稀疏训练,综合模型检测精度和稀疏程度选择最优稀疏模型作为剪枝模型。设置不同剪枝比例进行剪枝试验,结果显示,对于Rep-CA-YOLOv5s模型,在同等剪枝率下滤波器剪枝方法对于模型的压缩力度和推理速度的提升程度更大。在剪枝率为50%时,通过滤波器剪枝方法得到最优检测模型,其mAP值为94.2%,单幅图像的平均推理时间为4.3 ms。设计并开发清洁切削加工表面质量综合评价系统。针对清洁切削加工场景分析评价系统需求,确定评价系统实现的功能及需求的数据支撑,完成相关切削数据信息的收集和整理。设计数据库的概念结构和逻辑结构,构建切削数据库为评价系统提供数据支撑。综合加工成本、环境影响和加工质量构建材料可加工性评价模型。评价系统采用B/S体系架构,利用Django框架和Python汇编语言完成评价系统的开发工作,将建立的粗糙度检测模型和表面缺陷检测模型部署到评价系统,系统最终实现切削数据管理、数据共享、材料可加工评价和和工件表面质量检测与评价功能。
桥梁拉索索力识别与护套缺陷检测技术研究
这是一篇关于桥梁拉索,索力监测,表面缺陷,小波脊带,深度学习,U-Net改进的论文, 主要内容为拉索是现代大跨结构桥梁的重要组成部件,掌握其运营状态对保证桥梁使用安全至关重要。桥梁拉索主要由索体和外层PE防护套组成,本文围绕桥梁拉索索力识别和护套表面缺陷检测两方面展开,研究了基于频谱分析的索力识别方法和基于深度学习的拉索护套表面缺陷检测方法,为实现桥梁拉索健康状态评估信息化、智能化提供一定的技术支持。主要研究内容如下:(1)研究了桥梁拉索振动位移信号中多分量时变模态参数识别困难问题,提出一种基于变分模态分解(VMD)、小波分析和等值线法相结合的结构瞬时频率识别新方法。首先,通过连续小波变换确定模态分量个数,利用VMD分解多分量信号得到各模态分量;然后,经过小波分析和等值线法识别各分量信号的瞬时频率;最后,根据“索力-频率”公式换算出瞬时索力。引入小波指数函数阈值去噪方法,降低噪声干扰。通过拆分信号、逐时段分析的方法,既可以确定更合适的去噪阀值,又能解决等幅值面支撑长度有限问题。设计了数值算例和刚度时变拉索试验进行验证,结果表明,本文提出的时频分析方法能够准确、有效地识别出时变结构的瞬时频率,且具有较强的抗噪性。基于Matlab提供的可视化界面开发平台,设计了索力识别分析系统GUI交互界面。将程序模块化、可视化,降低了用户使用门槛。(2)分析了桥梁拉索护套表面图像质量和缺陷特征,根据缺陷对护套损伤程度不同将缺陷划分为轻度损伤型、中度损伤型和严重损伤型三类。针对图像光照不均匀问题,采用MSR算法增强图像。为缓解带缺陷图像的小样本问题,利用数据增广技术扩充数据集样本量。选择适用于小样本数据集的语义分割网络U-Net分割护套表面缺陷,并改进网络,采用VGG16网络骨架替换编码器,在池化层之前添加CBAM模块提升模型的小目标分割精度。使用带权重的Focal loss+Dice loss损失函数克服样本间不平衡问题。在实验室计算机上训练和测试模型,实验表明,改进后的U-Net模型分割性能大幅提升,达到了 85.36%的mloU、93.35%的mPA和99.0%的Acc,在视频检测中,FPS在6.3左右。经过以上研究,基本完成了动位移雷达传感器动态测量时变索力任务。改进并训练U-Net网络得到了有效的拉索护套表面缺陷视频检测模型,有望实现爬索机器人自动检测功能。本文对建立桥梁智能监测BIM系统具有较大的实用价值。
基于面阵相机的表面缺陷视觉检测成像系统研究
这是一篇关于视觉成像,表面缺陷,质量检测,辅助选型系统,图像清晰度评价的论文, 主要内容为随着科技发展突飞猛进、产品日趋复杂化、人们对产品质量要求日趋严格,智能质量检测成为制造企业提高质量水平和提升核心竞争力的关键要素。零部件表面缺陷直接影响产品外观、性能、寿命,甚至运行安全,因此表面缺陷检测对制造企业具有极为重要的意义。机器视觉表面缺陷检测以非接触式、精度高与安全可靠等优点,广泛运用于各工业领域。成像系统的设计与图像质量评估对机器视觉检测具有至关重要的影响,是提高缺陷检测精度、效率、可靠性的关键。因此,对表面缺陷视觉检测成像系统进行研究具有极为重要的意义和工程应用价值。针对当前表面缺陷视觉检测项目存在成像系统设计耗时费力、设计流程不明确和缺乏相应的图像质量评价方法的问题,本文对表面缺陷检测成像系统整体设计与评价展开了深入研究,设计了各成像设备选型的流程,开发了视觉成像设备辅助选型系统,通过成像光学模型指导成像系统照明设计,重点对无参图像清晰度评价算法进行了研究与改进,最后基于上述所有研究成果,通过两个表面缺陷检测的实例予以应用验证。本文主要研究工作如下:(1)从表面缺陷视觉检测成像系统设计的整体流程出发,基于成像设备选型的基础与匹配原则,设计了面阵相机与定焦、变焦和远心三种镜头的选型流程;分析了表面缺陷视觉检测中常用LED光源的特点、适用场景与照明相关的颜色特性和表面反射性质,设计了光源选型流程。(2)基于表面缺陷视觉检测成像系统的相机和镜头选型流程,设计并开发了视觉成像设备辅助选型系统。该系统利用SQL Server数据库对成像设备信息进行管理,基于Matlab App Designer设计了系统可视化界面和选型程序。在对EMC支架和SFP+底座两个表面缺陷检测实例进行缺陷类型与检测需求分析的基础上,基于该辅助选型系统分别完成了EMC支架和SFP+底座两个表面缺陷视觉检测实例的成像相机和镜头设备选型,验证了系统辅助选型的有效性。(3)对面阵相机成像光学模型进行研究,推导了图像灰度影响因素的数学模型。基于该模型对EMC支架和SFP+底座两个表面缺陷检测实例进行成像系统照明设计,对前者成像系统分别设置了光照角度和光照强度实验,对后者分别设计了照明方案对比和光照强度实验,运用图像分割方法和缺陷显现力指标对两个实例不同照明方案获得的图像进行评价,完成了两个表面缺陷视觉检测成像系统照明方式的设计。(4)引入无参考图像清晰度评价算法对视觉成像系统的运行状态进行检测,判断成像系统是否处于正焦及能否获取可处理的图像的状态,可用于成像设备调试和设备大修后的图像评价。针对现有的经典算法Reblur和NRSS算法未能对SFP+底座表面缺陷视觉检测成像系统所采集的清晰与模糊图像作出准确评价的问题,提出了一种基于加权模型的无参图像清晰度算法。该算法充分利用了Reblur算法的效率优势和NRSS算法的性能优势,引入与人眼视觉特性更为接近的GSSIM模型替代NRSS算法中SSIM模型,同时在充分利用全局和局部细节信息的基础上,为提高效率采用不重叠遍历图像的方式提取信息丰富的图像块。基于LIVE和TID2013模糊图像数据库的实验和相关对比结果,验证了本文提出的基于加权模型的无参图像清晰度算法的准确性和优越性,最后将该算法对EMC支架和SFP+底座两个表面缺陷视觉检测成像系统所采集的清晰与模糊图像进行评价,进一步验证了该算法的有效性。论文研究成果对于工业场景表面缺陷检测的视觉成像系统设计与图像评价具有一定借鉴参考意义和工程应用价值。
产品知识驱动的表面缺陷智能化识别及应用研究
这是一篇关于产品知识,表面缺陷,卷积神经网络,知识图谱,问答系统的论文, 主要内容为随着知识获取与处理技术的发展,复杂多源的数据被转换成简单易懂的知识,进而基于知识进行认知处理与调控,是当前认知制造系统的热点。产品表面缺陷和产品设计与制造之间存在着因果逻辑知识信息,这些信息是隐性的、非结构化的、零散的,难以挖掘与利用,无法充分表达出表面缺陷和产品设计与制造之间的复杂关系,也无法为解决产品缺陷问题从设计与制造方面提供先验基础。宏观方面,对产品表面缺陷检测的神经网络结构研究比较深入;微观方面,知识图谱技术对产品知识的表示方面的研究比较深入。但是融合这两方面技术,对产品表面缺陷成因进行智能化识别与可视化展示方面的研究比较少。针对上述问题,本文基于国家自然科学基金的资助和产品知识的支持,以铝型材产品表面缺陷为研究对象,开展表面缺陷智能化识别及应用研究。主要工作如下:(1)设计一种改进的Res Net网络模型提高分类效果。本文使用Res Net101作为产品表面缺陷识别网络,着重对类型识别部分进行研究,提出了一种基于可变形卷积的Res Net-DBR模型,解决了产品表面不规则缺陷难识别的问题。(2)提出一种基于知识图谱的深层次缺陷表示方法,用于对产品表面缺陷图像的语义信息进行表达。以缺陷中的“类型—特点—原因—解决对策”四个要素为核心,设计缺陷类型、制造工具、工艺流程等实体的领域本体,并将其存储在Neo4j图数据库中。(3)根据已改进的卷积神经网络和已构建的表面缺陷知识图谱,通过Vue3与Fast API前后端分离技术搭建图像语义精细化识别系统。用户可通过该系统上传待检测的缺陷图像,然后卷积神经网络识别出该缺陷类型,最后由该缺陷类型驱动对应知识图谱的生成,从而将表面缺陷的知识更好地可视化出来。(4)设计并实现了产品表面缺陷知识问答系统,为设计生产制造人员提供了更加智能的产品质量追溯方式,提升了探寻产品质量追溯的便捷性及实时性。
50CrMnMoNbAT板簧疲劳失效分析
这是一篇关于钢板弹簧,有限元,疲劳寿命,脱碳,表面缺陷的论文, 主要内容为板簧作为卡车重要的悬架组成部件,在服役过程中,其受力非常多样且复杂,经常承受扭、压、拉、冲击等多种作用力,极易出现疲劳现象,诱发断裂的风险,对汽车的行车安全产生巨大威胁,因此要求板簧具有合格的疲劳寿命是至关重要的。板簧在生产过程中表面容易造成脱碳,由于脱碳层的存在,在轧制过程中会产生轧制缺陷,当板簧服役时表面会产生应力集中,缺陷处萌生裂纹,从而引发疲劳断裂。本文针对国内某板簧厂部分产品疲劳寿命不合格现象,通过对50CrMnMoNbAT的有限元模拟与实验分析,研究由脱碳层而引起表面轧制缺陷对疲劳寿命的影响,阐明疲劳寿命薄弱区域、脱碳对板簧疲劳寿命的影响以及不同缺陷形态在基体内部的扩展趋势,旨在得到该工厂板簧疲劳寿命影响因素,并且为工厂提高板簧寿命提供指导。得到的结论如下:(1)通过对断口进行宏观与微观分析,并且在板簧表面取样分析,统计板簧内外弧面和侧面缺陷形态与分布状况以及脱碳层与缺陷的微观分析,得出断裂位置主要集中在距端面约297 mm与698 mm处。裂纹源均生成于板簧的表面,并且板簧由于表面脱碳严重,导致板簧表面质地疏松,因此在轧制过程中产生大量的轧制缺陷,从而在疲劳实验中产生多个裂纹源。板簧的断裂与内部缺陷无关,而与表面缺陷有关。因此表面缺陷是该厂生产的板簧疲劳断裂的主要原因。(2)使用ANSYS软件,根据重载卡车自身的承载特点,对施加不同的载荷进行静力学性能分析,得到在空载与满载车况下的应力、位移变化以及疲劳寿命云图。结果表明:疲劳最危险区域主要分布在板簧弧面区域(距端面180 mm300 mm)以及垫片固定两端区域(距端面650 mm700 mm),疲劳试验断裂位置一致。(3)对板簧脱碳对疲劳寿命影响的有限元分析的结果表明:随着脱碳层的厚度增加到300 um,基体变形量增加了0.65%,但是基体的变形量的增长速率逐渐减小。当脱碳层为30、60、120、240、300 um时,疲劳寿命降低的比率分别为0.88%、1.9%、3.75%、7.43%和9.0%。(4)将带状缺陷,斜向缺陷,钩状缺陷和径向缺陷以不同方位形式内置于板簧内外弧面,通过应力强度因子来分析四种缺陷在不同方位和不同受力情况的扩散趋势。结果表明:四种缺陷以径向方式内置于内弧面时,缺陷扩展趋势:斜向缺陷>带状缺陷>钩状缺陷>径向缺陷,并且此时带状缺陷具有向四周扩展趋势,径向缺陷向基体内部扩展,而钩状与斜向缺陷起始和末端两侧扩展。缺陷以径向方式内置于外弧面时,四种缺陷不具备扩展趋势。缺陷以纵向方式内置于内弧面时,缺陷扩展趋势:钩状缺陷>斜向缺陷>带状缺陷>径向缺陷,并且四种缺陷的扩展趋势仅有缺陷尖端方向。以纵向方式内置于外弧面时,缺陷扩展趋势:带状缺陷>斜向缺陷>钩状缺陷>径向缺陷,因此就缺陷扩展速率而言,径向内弧面的缺陷扩展最快,并且四种缺陷中斜向缺陷扩展最快。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://bishedaima.com/lunwen/47831.html
