供應(yīng)各種器材應(yīng)用鋁型材加工廠家：有效的檢測(cè)出其表面缺陷對(duì)后期的再次使用有重要意義。鋁型材目前對(duì)于鋁型材表面缺陷的檢測(cè)仍然以人工目視檢測(cè)法為主,該方法因其局限性無法滿足工業(yè)大批量生產(chǎn)的需求。隨著工業(yè)自動(dòng)化朝著智能化方向的發(fā)展,一些基于數(shù)字圖像處理的方法開始在金屬表面缺陷檢測(cè)中得以應(yīng)用,但是該方法往往需要研究者能夠根據(jù)不同的缺陷類別設(shè)計(jì)對(duì)應(yīng)的特征,顯然這樣的特征構(gòu)造方式缺乏魯棒性,通用性較差。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,基于深度學(xué)習(xí)的金屬表面缺陷檢測(cè)方法開始得到廣泛應(yīng)用,對(duì)此本文提出了基于深度學(xué)習(xí)的鋁型材表面缺陷在線視覺檢測(cè)方法,主要內(nèi)容如下:針對(duì)鋁型材表面缺陷數(shù)據(jù)集匱乏的問題,本文首先以阿里云公開的鋁型材表面缺陷數(shù)據(jù)集為基礎(chǔ),對(duì)該數(shù)據(jù)集進(jìn)行缺陷類別和特征分析。進(jìn)而進(jìn)行包括圖像的翻轉(zhuǎn)、旋轉(zhuǎn)、多尺度縮放、伽馬變化等數(shù)據(jù)增強(qiáng)操作,目的是擴(kuò)充數(shù)據(jù)量,豐富數(shù)據(jù)多樣性。最后對(duì)擴(kuò)充之后的數(shù)據(jù)集進(jìn)行標(biāo)注和劃分,得到標(biāo)準(zhǔn)的鋁型材表面缺陷數(shù)據(jù)集。而7000系鋁型材擁有低密度、較高的比強(qiáng)度、比剛度等優(yōu)點(diǎn),在汽車安全部件上具有重大的應(yīng)用背景。本文采用了金相、SEM、EBSD、TEM、硬度和拉伸性能等測(cè)試方法系統(tǒng)的研究了固溶和時(shí)效工藝對(duì)7003鋁合金擠壓型材微觀組織和力學(xué)性能的影響,通過軸向壓潰試驗(yàn)給出了型材力學(xué)性能與壓潰性能的關(guān)系,并分析了鋁合金微觀組織對(duì)薄壁梁開裂行為的影響。本文的主要研究?jī)?nèi)容及結(jié)論如下:研究不同固溶處理工藝對(duì)鋁合金擠壓材微觀組織、力學(xué)性能及壓潰性能的影響,結(jié)果表明:在線固溶態(tài)的鋁合金型材以纖維晶組織為主,再結(jié)晶分?jǐn)?shù)僅為6.9%,其壓潰吸能為33.3k J。鋁合金型材在低溫（450℃、470℃）離線固溶時(shí),隨固溶時(shí)間的延長(zhǎng),再結(jié)晶分?jǐn)?shù)逐漸增加,合金的強(qiáng)度逐漸下降,壓潰吸能逐漸降低;在高溫490℃離線固溶時(shí),隨固溶時(shí)間的延長(zhǎng),再結(jié)晶分?jǐn)?shù)顯著提高,Zn和Mg的第二相開始溶解,合金的性能逐漸升高,但塑韌性和壓潰吸能有所降低。研究在線固溶態(tài)7003鋁合金擠壓件經(jīng)T6、T79、T74、T73時(shí)效過程中的析出行為,研究表明:鋁合金型材經(jīng)T6時(shí)效處理后,合金的強(qiáng)化相主要為η′相,尺寸細(xì)小且彌散分布,其強(qiáng)度達(dá)到峰值。經(jīng)雙級(jí)時(shí)效處理后,隨時(shí)效時(shí)間的延長(zhǎng),析出相逐漸長(zhǎng)大,部分η′相轉(zhuǎn)變?yōu)棣窍?且數(shù)量逐漸增多,分布密度減小,合金的強(qiáng)度有所降低,塑韌性提高。經(jīng)T6時(shí)效處理后,鋁合金型材的壓潰吸能為27.2k J,經(jīng)T73時(shí)效處理后,鋁合金型材的壓潰吸能為33.3k J,相比于T6態(tài)提高了22.4%。分析了鋁合金型材微觀組織對(duì)軸向變形過程中開裂行為的影響:再結(jié)晶程度較高的鋁合金型材容易發(fā)生開裂,在壓縮變形過程中,裂紋在鋁合金型材邊部的粗晶處萌生并繼續(xù)擴(kuò)展,變形的纖維組織對(duì)裂紋擴(kuò)展有明顯阻礙作用,隨著再結(jié)晶程度的增加,裂紋易沿著再結(jié)晶晶界擴(kuò)展,因此更容易發(fā)生開裂。提出一種基于Yolov3網(wǎng)絡(luò)的鋁型材表面缺陷檢測(cè)方法,通過對(duì)實(shí)驗(yàn)結(jié)果的分析,發(fā)現(xiàn)基于Yolov3網(wǎng)絡(luò)對(duì)鋁型材表面缺陷檢測(cè)存在很高的漏檢率和誤檢率。對(duì)此,本文提出基于Improved Yolov3網(wǎng)絡(luò)的鋁型材表面缺陷檢測(cè)方法,具體包括:依據(jù)鋁型材表面缺陷的實(shí)際尺寸分布利用k-means算法重新設(shè)計(jì)anchor box大小;為了提高小目標(biāo)缺陷的檢測(cè)精度,對(duì)Yolov3網(wǎng)絡(luò)中多尺度預(yù)測(cè)部分的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行修改;為了得到更精確的預(yù)測(cè)邊界框,使用GIo U損失作為回歸損失函數(shù)。鋁型材實(shí)驗(yàn)結(jié)果表明Improved Yolov3網(wǎng)絡(luò)的檢測(cè)效果優(yōu)于Yolov3網(wǎng)絡(luò),m AP值從Yolov3網(wǎng)絡(luò)的84.12%提升至90.6%,提升了6.48%,單張圖像檢測(cè)時(shí)風(fēng)達(dá)到37.6ms。盡管Improved Yolov3網(wǎng)絡(luò)的檢測(cè)效果優(yōu)于Yolov3網(wǎng)絡(luò),但其仍存在像漆泡和臟點(diǎn)這類小目標(biāo)缺陷檢測(cè)效果不理想的問題。為了進(jìn)一步提高小目標(biāo)缺陷的檢測(cè)效果,提出一種基于Faster R-CNN網(wǎng)絡(luò)的鋁型材表面缺陷檢測(cè)方法,具體包括:制作只包含漆泡和臟點(diǎn)兩類的缺陷數(shù)據(jù)集,基于此數(shù)據(jù)集重新設(shè)計(jì)anchor的尺寸和長(zhǎng)寬比;采用ROLAlign層避免像素偏差對(duì)小目標(biāo)缺陷回歸定位的影響;面對(duì)小目標(biāo)缺陷密集所帶來的檢測(cè)效果差的問題,用Soft-NMS算法消除冗余的邊界框。實(shí)驗(yàn)結(jié)果表明,對(duì)于漆泡類缺陷的AP值從51.07%提升到64.06%,對(duì)于臟點(diǎn)類缺陷的AP值從77.39%提升到83.98%,單張圖像檢測(cè)時(shí)間約100mso最后實(shí)現(xiàn)鋁型材表面缺陷檢測(cè)平臺(tái)的搭建與應(yīng)用。選擇合適的工業(yè)相機(jī)、鏡頭、光源和打光方式、支撐結(jié)構(gòu)組件,搭建出缺陷檢測(cè)平臺(tái)。
當(dāng)前位置: