-
公开(公告)号：CN110222681A
公开(公告)日：2019-09-10
申请号：CN201910470775.8
申请日：2019-05-31
Applicant: 华中科技大学
Abstract: 本发明属于铸件缺陷检测领域，并公开了一种基于卷积神经网络的铸件缺陷识别方法。该方法包括：(a)采集多张缺陷铸件的X射线图像，标记铸件的缺陷类型，并对每个缺陷类型赋予一个类型编号，建立关于铸件X射线图像和缺陷类型编号对应的数据集；(b)构建并训练卷积神经网络获得预测缺陷类型的预测网络模型，对预测网络模型进行修正，直至该预测网络模型的预测精度满足预测精度阈值，由此获得最终预测网络模型；(c)对于待检测铸件的X射线图像，框选出图像中的缺陷，采用最终预测网络模型预测，获得每个缺陷的缺陷类型编号，从而完成待检测铸件缺陷类型的识别。通过本发明，提升缺陷的识别效率和准确度，为铸件质量反馈提供数字化数据支持。
-
公开(公告)号：CN108960508A
公开(公告)日：2018-12-07
申请号：CN201810716087.0
申请日：2018-06-29
Applicant: 华中科技大学
Abstract: 本发明属于铸造企业调度相关技术领域，其公开了一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，该方法包括以下步骤：(1)采集铸造造型及熔炼批量计划铸件的基本信息，并基于所述基本信息构建造型及熔炼批量计划铸件优先级模型；(2)基于模具约束、砂箱约束及熔炼约束构建以加权熔炼重量为目标函数的造型及熔炼批量计划模型；(3)采用启发式策略对所述造型及熔炼批量计划模型进行简化处理，以将所述造型及熔炼批量模型转化为多约束0‑1背包问题；(4)采用量子蝙蝠算法求解所述多约束0‑1背包问题以得到优化解，即造型及熔炼批量计划优化解。本发明优化了造型及熔炼批量计划中资源的分配和提高熔炼设备利用率。
-
公开(公告)号：CN108960508B
公开(公告)日：2020-09-08
申请号：CN201810716087.0
申请日：2018-06-29
Applicant: 华中科技大学
Abstract: 本发明属于铸造企业调度相关技术领域，其公开了一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，该方法包括以下步骤：(1)采集铸造造型及熔炼批量计划铸件的基本信息，并基于所述基本信息构建造型及熔炼批量计划铸件优先级模型；(2)基于模具约束、砂箱约束及熔炼约束构建以加权熔炼重量为目标函数的造型及熔炼批量计划模型；(3)采用启发式策略对所述造型及熔炼批量计划模型进行简化处理，以将所述造型及熔炼批量模型转化为多约束0‑1背包问题；(4)采用量子蝙蝠算法求解所述多约束0‑1背包问题以得到优化解，即造型及熔炼批量计划优化解。本发明优化了造型及熔炼批量计划中资源的分配和提高熔炼设备利用率。
-
公开(公告)号：CN108897925B
公开(公告)日：2020-09-08
申请号：CN201810592731.8
申请日：2018-06-11
Applicant: 华中科技大学
Abstract: 本发明属于铸造工艺优化相关技术领域，并公开了一种基于铸件缺陷预测模型的铸造工艺参数优化方法，包括：针对作为检测对象的铸件自动提取反映其工艺水平的缺陷信息，然后将这些缺陷分别定性分类和量化管理；采集并存储由生产数据、工艺数据和检测数据三部分多源数据构成的数据包；基于以上数据包，采用深度神经网络来构建并优化铸件缺陷预测模型；设计正交试验将工艺参数组合输入模型内，研究关键参数对孔松缺陷演变的敏感性机制，获得关键工艺参数优化窗口。通过本发明，不仅可以执行铸件缺陷的智能预测过程，而且能够将整个铸造工艺中的多源数据予以联系及运用，相应以更高精度方式来获得寻优结果，进而改善最终的铸件质量。
-
公开(公告)号：CN109658396A
公开(公告)日：2019-04-19
申请号：CN201811487693.6
申请日：2018-12-06
Applicant: 华中科技大学
Abstract: 本发明属于铸件制造配套工艺相关技术领域，并公开了一种基于选择性搜索与CNN的铸件X光图像缺陷识别方法，其包括：针对待进行质量检测的每个铸件拍摄X射线图像并进行图像预处理；采用选择性搜索算法将图像内的所有可疑缺陷全部框选出来；建立模型图像数据库，基于卷积神经网络构建缺陷分类模型，并训练直至满足预测精度要求；基于上述构建的缺陷分类模型预测各缺陷类别并标记，同时根据图像像素信息计算缺陷相对尺寸和位置，获得铸件X射线图像缺陷检测报告。通过本发明，能够更为精确、便捷地自动检测出铸件X射线图像内各类缺陷，并自动判定出缺陷类别，减少人工工作量，且部分检测结果可直接与生产相联，从而为优化铸造工艺提供数据反馈。
-
Patent Agency Ranking
公开(公告)号：CN108897925A
公开(公告)日：2018-11-27
申请号：CN201810592731.8
申请日：2018-06-11
Applicant: 华中科技大学
Abstract: 本发明属于铸造工艺优化相关技术领域，并公开了一种基于铸件缺陷预测模型的铸造工艺参数优化方法，包括：针对作为检测对象的铸件自动提取反映其工艺水平的缺陷信息，然后将这些缺陷分别定性分类和量化管理；采集并存储由生产数据、工艺数据和检测数据三部分多源数据构成的数据包；基于以上数据包，采用深度神经网络来构建并优化铸件缺陷预测模型；设计正交试验将工艺参数组合输入模型内，研究关键参数对孔松缺陷演变的敏感性机制，获得关键工艺参数优化窗口。通过本发明，不仅可以执行铸件缺陷的智能预测过程，而且能够将整个铸造工艺中的多源数据予以联系及运用，相应以更高精度方式来获得寻优结果，进而改善最终的铸件质量。
-
公开(公告)号：CN109685760B
公开(公告)日：2022-05-20
申请号：CN201811307796.X
申请日：2018-11-05
Applicant: 华中科技大学
Abstract: 本发明属于选择性激光熔融配套相关图像检测技术领域，并公开了一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其包括：采集SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行灰度化、灰度扩展、锐化滤波和平滑滤波等一系列预处理；继续在MATLAB系统中使用局部阈值分割法对预处理后的图像进行分割，并使得凸包凹陷区域与背景区域予以初步区分；使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注。通过本发明，可充分发挥MATLAB系统封装库的功能，高效快捷达到自动识别的目标，而且整个过程便于操控、识别率高，同时具备鲁棒性好和适应性好等优点。
-
公开(公告)号：CN110992279A
公开(公告)日：2020-04-10
申请号：CN201911171403.1
申请日：2019-11-26
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明属于图像滤波领域，并具体公开了一种用于金相图像平滑去噪的多级中值滤波方法，包括如下步骤：S1在金相图像上以某个像素为中心像素取数个滤波区间，获取各滤波区间内像素灰度值集合；S2分别计算各滤波区间的像素灰度值方差，以像素灰度值方差最小的滤波区间为最佳滤波区间；S3以最佳滤波区间对中心像素进行中值滤波，然后以该中心像素遍历金相图像中的每个像素完成金相图像的平滑去噪。本发明为普碳钢金相图像的平滑去噪提供了一种滤波方法，在去除噪音等干扰信号的同时，较为完整地保护了金相图像中的边界，提高了后续金相识别工作的准确度。
-
公开(公告)号：CN110211112A
公开(公告)日：2019-09-06
申请号：CN201910472271.X
申请日：2019-05-31
Applicant: 华中科技大学
Abstract: 本发明属于铸件缺陷检测领域，并公开了一种基于过滤选择性搜索的铸缺陷检测方法。该方法包括：(a)对待检测缺陷铸件的X射线图像进行图像预处理；(b)将进行图像预处理后获得的X射线图像分割为多个区域，计算区域之间的相似度，采用全局搜索的方法对多个区域进行搜索，以此确定X射线图像中可疑的缺陷区域，并以此形成可疑缺陷区域集；(c)设定可接受的缺陷区域尺寸阈值，在所述可疑缺陷区域集中，删除尺寸大于可接受的缺陷区域尺寸阈值的可疑缺陷区域，剩下的可疑缺陷区域为所需的真实缺陷区域。通过本发明，避免操作人员因检测标准执行的差异而引起的主观失误，减轻人工工作量，提升检测效率。
-
公开(公告)号：CN109685760A
公开(公告)日：2019-04-26
申请号：CN201811307796.X
申请日：2018-11-05
Applicant: 华中科技大学
CPC classification number: G06T7/0004 , G06T7/13 , G06T7/136 , G06T7/155
Abstract: 本发明属于选择性激光熔融配套相关图像检测技术领域，并公开了一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其包括：采集SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行灰度化、灰度扩展、锐化滤波和平滑滤波等一系列预处理；继续在MATLAB系统中使用局部阈值分割法对预处理后的图像进行分割，并使得凸包凹陷区域与背景区域予以初步区分；使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注。通过本发明，可充分发挥MATLAB系统封装库的功能，高效快捷达到自动识别的目标，而且整个过程便于操控、识别率高，同时具备鲁棒性好和适应性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
