基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

相关函数在涡流检测信号提取分析中的应用

为降低涡流检测信号处理的硬件复杂程度及提升后续数据分析处理灵活度,在不借助复杂硬件自平衡技术电路前提下,在LABVIEW图形化软件平台中设计了相关函数算法程序,对示波器MDO4024C所采集的原始交流电桥信号及电桥激励信号分别进行自相关及互相关运算去噪,提取分析不锈钢管不同位置的涡流信号的幅值及相位,最后再将检测信号在极坐标图中分析显示。实验结果表明,这一方法可有效实现对不锈钢管缺陷涡流信号的去噪及特征信号提取。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

铁酸铋/GO复合燃速调节剂在丁羟推进剂中的应用

采用水热法制备了BiFeO3、BiFeO3/GO、钾离子掺杂BiFeO3/GO及铈离子掺杂BiFeO3/GO四种复合材料,研究了材料结构、形貌及其对HMX热分解的催化作用,结果发现铈离子掺杂能够有效降低掺杂铁酸铋的粒径分布,铈离子掺杂的BiFeO3/GO对HMX的热分解表现出很好的催化作用,使之热分解起始温度从281℃...     

含铁催化剂应用丁羟推进剂研究

通过测试正丁基二茂铁、叔丁基二茂铁、二茂铁接枝丁羟等三种不同含铁燃速催化剂催化的丁羟推进剂的燃速，应用数理统计分析和拟合二阶方程变换等数学方法，比较了催化剂对推进剂燃烧性能的影响，结果表明：添加含铁催化剂后，药条燃速的样本方差增大，中高燃速推进剂的燃速公差控制难度增大；用拟合二阶方程的变换式可以比较不同含铁催化剂的表观催化效率。DSC的试验结果表明：含铁催化剂促使AP的高温分解峰向低温方向移动，同时增大了推进剂的表观分解热，催化气相反应是它提高推进剂燃速的主要原因。     

考虑测试性设计缺陷修正延时的测试性增长模型建模与评价方法

针对现有测试性增长模型忽略了测试性设计缺陷的修正延时过程,进而导致测试性增长模型（TGM）跟踪与预计精度低的问题,提出了一种考虑测试性设计缺陷修正延时的测试性增长模型建模理论与方法。首先分析测试性设计缺陷识别与修正之间的延时机理,得到剩余测试性设计缺陷（TDL）具有先增后减的铃形变化趋势;在此基础上,分别以Gamma、Raleigh和Delay-S 3种曲线拟合剩余测试性设计缺陷（RTDL）变化趋势,研究建立基于以上3种曲线考虑修正延时的测试性增长模型;最后,以某机载稳定跟踪平台测试性增长试验数据验证测试性增长模型拟合、跟踪及预计效能。研究结果表明：基于该测试性增长试验数据,Gamma曲线可以精确地拟合剩余测试性设计缺陷变化规律,测试性增长模型跟踪和预计精度可达到10^-2数量级。     

针对异物夹杂类缺陷的双道偏置补焊方法

异物夹杂类缺陷是搅拌摩擦焊接过程中一类典型缺陷。一旦发生该类缺陷,只有对焊缝进行挖排来去除异物后,才能实施补焊。针对挖排造成焊缝材料缺失,现有的方法是通过熔焊或赛填固体颗粒来进行填充。上述方法不仅会在焊缝中引入有异于母材的材料,而且工艺过程繁琐。特别是熔焊的焊接热会对补焊区域周围的母材造成影响,从而造成补焊接头强度的削弱。针对现有补焊方法的不足,本文提出一种双道偏置补焊方法,实施过程简便,可实现等强度补焊。经试验证明,该方法可获得与原始焊缝具有相等强度的补焊焊缝。     

装配间隙对顶盖环缝搅拌摩擦焊焊接质量的影响

结合超声波相控阵、金相观察、力学试验分析技术,研究了由于铣切角度不同产生的装配间隙对顶盖环缝搅拌摩擦焊焊缝质量及力学性能的影响。结果显示当铣切角差异带来的装配间隙大于1.30 mm时,焊缝中存在孔洞型体积缺陷,装配间隙越大,缺陷越严重;装配间隙的存在会使得焊缝的致密程度降低,焊缝的延伸率下降,并且在装配间隙大于1.30 mm时,焊缝的抗拉强度会发生大幅度地下降。     

GE推出适用于电子制造业的高性能X射线检测系统——phoenix xlaminer

2011年5月12日,GE检测控制技术宣布最新推出的新型phoenix x|aminer是一个微焦点X射线检测系统,有5个轴,主要用于电子元件分装的质量控制,并适用于焊点的可靠精确检测。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。