-
公开(公告)号：CN118106455A
公开(公告)日：2024-05-31
申请号：CN202410299091.7
申请日：2024-03-15
Applicant: 浙江佳力风能技术有限公司 , 上海工程技术大学 , 浙江机电职业技术学院
Abstract: 本发明公开了一种球墨铸铁大型风电主轮毂底注式浇注系统及浇注方法，属于球墨铸铁砂型铸造技术。现有滤渣手段多是在直浇道或内浇道内放置滤渣片或设置阻渣通道，或集渣量有限，无法阻隔横浇道内产生的夹杂，甚至会导致铸件浇不足，或滤渣率较低，无法完全挡渣，降低铸件的性能。本发明使用带有阀门的浇口杯控制浇注时金属液紊流形成的夹杂；两条直浇道将浇口杯底部与圆形浇道底部连接；圆形浇道侧边均匀分布T形集渣包，集渣包的底部引出U形内浇道并连接在铸件型腔的底部用于浇注时过滤金属液夹杂；铸件型腔表面设置了多组冷铁，有效抑制铸件型腔内孤立液相区的形成，避免了缩松缩孔的产生。本发明兼顾了铸件的夹杂控制和缩松缺陷的控制。
-
公开(公告)号：CN114372955B
公开(公告)日：2024-11-15
申请号：CN202111474014.3
申请日：2021-12-02
Applicant: 上海工程技术大学
IPC: G06T7/00 , G06T7/73 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于改进神经网络的铸件缺陷X射线图自动识别法，属于材料铸造和缺陷图像目标检测领域。本技术方案采用卷积生成对抗网络模型，完成数据集的图像特征增强。采用图像标注工具，完成对铸件缺陷数据集的缺陷标注。改进目标检测YOLOv5模型的网络结构，加入注意力机制，改进损失函数进行模型训练。使用训练集对模型进行训练，最终对比多种改进网络模型，以影响神经网络模型质量的准确率、召回率等因素为评价指标，获得YOLOv5‑MNv2‑SE4模型，利用该模型对铸件图像进行检测并识别缺陷种类和位置坐标。本发明能够有效的增强样本图像的缺陷特征，提高对小目标物体识别的准确率。
-
公开(公告)号：CN114372955A
公开(公告)日：2022-04-19
申请号：CN202111474014.3
申请日：2021-12-02
Applicant: 上海工程技术大学
IPC: G06T7/00 , G06T7/73 , G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于改进神经网络的铸件缺陷X射线图自动识别法，属于材料铸造和缺陷图像目标检测领域。本技术方案采用卷积生成对抗网络模型，完成数据集的图像特征增强。采用图像标注工具，完成对铸件缺陷数据集的缺陷标注。改进目标检测YOLOv5模型的网络结构，加入注意力机制，改进损失函数进行模型训练。使用训练集对模型进行训练，最终对比多种改进网络模型，以影响神经网络模型质量的准确率、召回率等因素为评价指标，获得YOLOv5‑MNv2‑SE4模型，利用该模型对铸件图像进行检测并识别缺陷种类和位置坐标。本发明能够有效的增强样本图像的缺陷特征，提高对小目标物体识别的准确率。
-
-
Search Results
3
records
(took 0.018 seconds)
