面向激光焊接缺陷识别的可解释性深度学习方法

激光焊接在航空领域具有广泛的应用场景,基于视觉的激光焊接缺陷识别对于产品质量的提高至关重要。针对当前基于深度学习的激光焊接缺陷识别方法存在可解释性差的问题,提出了一种融合多尺度特征的类激活映射(MSF-CAM)方法。在训练阶段,以VGG16为骨架模型并将监督信息施加于多个尺度以促进模型对多尺度特征的学习。在测试阶段,对输出类别在多个尺度上的激活图进行叠加,并以此作为模型的判断依据。多尺度特征的融入不但增强了模型的可解释性,而且还提高了激光焊接缺陷识别的准确性。试验结果表明：MSF-CAM在测试集上的准确率为98.12%,识别单幅图像耗时8.28 ms。此外,MSF-CAM可以从边缘、轮廓这种初级特征的角度对模型的决策依据提供人类更容易理解的解释。     

基于仿真优化的某航天产品装配线规划方法研究

航天产品的装配工艺复杂,具有典型的小批量、多品种特点,因此动态设置装配工位成为装配线规划的重要内容.本文以装配线平滑指数最小化为目标,以装配工艺、空间布局、路径等为约束条件,建立装配线工位数量优化模型.本文先对装配现场的不确定影响因素进行分析与建模,并提出基于仿真的优化方法,利用仿真模型模拟装配线运行状态,并通过遗传算法确定最优的工位数量,实现装配线的动态平衡,从而有效地提高装配线单元工位规划的精确度与效率.