公开(公告)号：CN118849053A

公开(公告)日：2024-10-29

申请号：CN202410910058.3

申请日：2024-07-08

Applicant: 南京林业大学

Inventor： 朱银龙 ,  王波 ,  练锦红 ,  陈伟 ,  杨雨图 ,  谢晶 ,  刘英 ,  李北玉 ,  鄢小安 ,  郁毛林

IPC: B25J19/02 ,  G01N21/88 ,  G01N21/01 ,  G01N29/04 ,  G01N29/22 ,  G01N29/24 ,  B25J11/00 ,  B41J3/407 ,  B41J3/44 ,  B41J2/01

Abstract: 本发明公开了一种用于轧辊缺陷检测的机器人末端执行器，它包括水包架模组，软限位模组，相机检测模组，自适应贴合模组和喷标模组；本发明能够有效检测直径约200mm至730mm之间的轧辊，该装置设有自适应贴合结构，能够根据轧辊的直径调整探头间距，并在探头贴合轧辊时，能够根据轧辊表面自适应的调整探头角度，使探头能够更好的贴合轧辊表面，进一步改善水包耦合液隔绝空气效果，提高超声检测信号质量，同时配合上端平面相机能够对轧辊表面进行缺陷检测；该装置设有喷标头，可以对检测出的缺陷位置进行喷标，便于后续对缺陷的处理。

公开(公告)号：CN118840602A

公开(公告)日：2024-10-25

申请号：CN202410909996.1

申请日：2024-07-08

Applicant: 南京林业大学

Inventor： 朱银龙 ,  练锦红 ,  王波 ,  陈伟 ,  杨雨图 ,  谢晶 ,  刘英 ,  李北玉 ,  鄢小安 ,  郁毛林

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多模态注意力融合网络的轧辊缺陷识别方法，包括：获取轧辊内部缺陷的A扫时序信号和对应缺陷的D扫图像，并随机划分为训练样本和测试样本；构建多模态注意力融合网络模型，由卷积模块和改进swin transformer模块构成的双分支的特征提取层，并采用注意力特征融合模块对提取的特征向量分类。本发明克服了单一模态在复杂缺陷识别任务中的效果表现不佳和信息利用不充分，综合利用了A扫信号和D扫图像两种不同的数据源以获取更加全面和丰富的轧辊内部缺陷信息，并通过多模态注意力融合网络实现不同数据的特征提取和特征信息的有机融合，进行最优化求解，提高模型在轧辊缺陷分类识别时的准确率和复杂情况的适应能力。