【摘 要】
：
连铸坯生产过程中由于工艺的原因,其表面会产生裂纹等缺陷,有表面缺陷的连铸坯进入热轧工序会生产出有质量缺陷的钢材,有质量缺陷的钢材无法进行销售,会给企业带来经济损失。目前,连铸坯表面缺陷检测大多依靠人工目测的方法,该方法单纯用人眼去检测铸坯表面缺陷,劳动强度大,工作环境恶劣,人眼长时间去检测铸坯缺陷极易产生疲劳,容易发生漏检、误检的情况,并且人工目测方法只适用于线下检测,满足不了生产线上高速的生产节
论文部分内容阅读
连铸坯生产过程中由于工艺的原因,其表面会产生裂纹等缺陷,有表面缺陷的连铸坯进入热轧工序会生产出有质量缺陷的钢材,有质量缺陷的钢材无法进行销售,会给企业带来经济损失。目前,连铸坯表面缺陷检测大多依靠人工目测的方法,该方法单纯用人眼去检测铸坯表面缺陷,劳动强度大,工作环境恶劣,人眼长时间去检测铸坯缺陷极易产生疲劳,容易发生漏检、误检的情况,并且人工目测方法只适用于线下检测,满足不了生产线上高速的生产节奏。因此,课题针对连铸坯实时表面缺陷检测为研究目标,提出了一种基于机器视觉与YOLOv3目标检测技术相结合的检测方法,主要研究工作内容如下:1)连铸坯表面缺陷图像的采集。为了实现连铸坯表面缺陷的实时检测,结合连铸坯表面缺陷形貌与实际的生产环境,对相机、镜头、光源、滤光片、采集控制设备以及算法服务器进行选型,完成搭建机器视觉采集系统。通过对采集图像缺陷形貌的分析,设计开发连铸坯表面检测软件程序。2)图像处理。对采集图像进行图像预处理,对图像中出现的噪声和缺陷不明显等问题,研究对比不同的平滑滤波器和图像增强算法,对比预处理后图像,选择效果明显的算法,满足对图像的预处理。3)研究了基于深度学习的连铸坯表面缺陷检测技术。介绍了深度学习理论中的卷积神经网络结构、经典的卷积神经网络模型和目标检测算法,详细分析了YOLOv3的算法原理。使用制作的训练集,对YOLOv3网络模型进行训练,经过训练后的网络模型检测精度指标mAP达到97.30%,检测速度达到47FPS。4)提出改进的YOLOv3连铸坯表面缺陷检测。针对原YOLOv3检测速度不能满足需要,对该算法进行轻量化改进,使用轻量级网络MobileNetv2作为特征提取网络,优化网络结构,减少参数;引入协同注意力机制加强网络的特征提取;引入CIoU损失函数代替Io U边界框回归损失;改进后的算法检测精度指标mAP达到96.96%,检测速度达到91FPS,模型训练得到的权重大小仅30M,满足连铸坯实时检测要求。图29幅;表14个;参55篇。
其他文献
岩石失稳破坏是由岩体内部张拉与剪切破裂逐步发育所导致。声发射作为岩石破裂的伴生现象,可通过其参数特征和波形特征描述岩石内部拉剪破裂的演化过程,目前有一些裂纹识别技术,但是不能提供裂纹模式识别。在力的作用下,岩石的破坏类型存在张拉破坏和剪切破坏,随着加载进程,两者之间的占比在不断变化,张拉和剪切模式下的裂纹比是评估破坏状态的一个有用参数。分析岩石在每个加载阶段中,张拉型破裂和剪切型破裂之间的变化关系
视觉显著性是指关注场景中最突出、最明显、占有主体部位的对象。现有对人类视觉系统的研究证实最吸引人的对象会在视觉系统中更加显著。因此,利用视觉显著性对图像场景中最突出目标进行检测,并分割出每个实例个体,即为显著性实例分割（Salient Instance Segmentation,SIS）。显著性实例分割生成的显著图只与显著目标相关,符合人类视觉系统的普遍规律。现有显著性实例分割方法主要分为两类:一
中医领域知识库是中医知识存储与表达的重要方式,为现代医学临床研究和决策提供了技术支持,因此中医学知识库的构建成为现阶段的研究热点。辨证论治是医家认识疾病和治疗疾病的基本原则,医家诊疗过程中,虽然遵循的基础理论是相同或相似的,但是在具体的诊治上会存在一些差异。因此认识和把握名老中医辨证论治差异是中医个性化知识继承与发展的重要基础。目前构建的中医学知识库,大多只专注名老中医临床实践知识的整合,没有考虑
自身免疫性疾病是一大类以自身耐受破坏、免疫细胞异常激活、自身抗体产生和大量炎症因子释放，进而产生多系统损伤为主要特征的疾病。肠道菌群与宿主健康息息相关，菌群生态失调已被确认与许多自身免疫性疾病的病理生理学有关，包括类风湿性关节炎、溃疡性结肠炎、自身免疫性甲状腺炎等。中药能改变肠道菌群的组成，二者之间有紧密联系，研究发现，中药可通过重塑肠道微生态结构而发挥治疗作用。该文针对肠道菌群如何影响自身免疫疾
医学数据的有效共享可以在国家医学领域创造出较高的科研价值、经济价值和社会价值。然而,医学数据在共享过程中加密保护和溯源等安全措施不完善而造成的数据泄露、丢失和破坏等安全问题层出不穷,亟需全新的安全技术手段为其保驾护航。椭圆曲线公钥密码体制（Elliptic Curve Cryptography,ECC）是目前主流的公钥加密体制之一。与其他公钥加密体制相比,ECC安全性能高、处理速度快、性能消耗少。
目标检测任务是计算机视觉领域的基本任务之一,得到全球学者的广泛研究,检测性能也得到很大提升并已广泛应用于生产生活。但是由于目标形状多变、场景复杂以及目标相互遮挡等因素的影响,目标检测领域仍面临很大挑战。相比于传统的目标检测方法,基于深度学习的目标检测方法让网络根据标签自动提取特征进行学习,极大的提高了检测精度。基于深度学习的目标检测方法可分为两阶段目标检测算法和一阶段目标检测算法。本研究工作基于特
车辆信息的检测是智能交通系统的核心任务之一,在复杂多变的自然场景下,快速准确地检测车辆信息对于智能交通系统至关重要。随着车辆保有量的不断增加,与之相关的交通问题也变得日益严重。因此,实现对道路上车辆的实时检测和分类势在必行。除此之外,通过对该技术的优化,可以为无人驾驶以及智慧城市的建设提供一定的技术支持。针对车辆检测的实时性与高效性,采用了YOLOv4目标检测模型作为基础模型,提出车辆信息检测优化
在水产养殖过程中,养殖池中虾类的视觉观测和计数是估测目标体健康状况和密度的重要方法。目前的养殖工厂仍然采用打捞后视觉观测的方式,不仅效率低,而且客观一致性差。将对虾打捞出水面也容易引起对虾的应激性反应,造成不必要的损失。随着计算机视觉技术的飞速发展,目标检测以及目标跟踪算法在实际场景中得到广泛的应用,基于此提出了一种基于计算机视觉的无接触、智能化的虾体健康状况监测及计数的方法,并结合养殖池中对虾实
在闭环控制中引入通信网络,会使系统的分析和设计变得复杂。客观存在的网络诱导约束,如时延、扰动、网络攻击和信号量化等,会对网络化控制系统的性能造成影响。研究基于事件触发机制的网络化系统的输出反馈控制问题具有重要意义。对系统的建模,稳定性分析,控制器增益和事件触发矩阵的联合设计问题进行了研究。具体的研究工作如下:1)针对网络中的不安全因素,研究了受随机欺骗攻击影响的网络化系统的事件触发扩展耗散控制问题
网络化控制系统因为诸多优点被广泛应用,但网络的介入会带来许多的问题,诸如网络诱导时延、外部干扰、网络攻击和通讯信道带宽有限等。基于事件触发机制的网络化系统能够有效减少传输的采样数据,节省网络带宽。针对不同网络诱导约束,在网络化控制系统上引入事件触发机制,提出相对应的控制器设计方法,具体的工作内容如下:1)针对执行器故障和系统出现不确定性的问题,对事件触发下的不确定网络化系统控制进行研究。加入严格耗