摘要
大型锻件是国家重型制造装备和重大工程建设所必需的关键和核心基础部件,目前大多还处于人工检测的阶段,如环型锻件的锻造检测过程中,通常需要人工执尺子测量,存在人为的判断误差。另一方面,锻件和所处环境温度高且测量速度慢。使用深度学习与图像处理方式测量环形锻件的直径,首先,由U-Net语义分割网络分割出锻件有效部分,其次,将分割出的图像从RGB空间转换到HSV彩色空间并调整阈值,最后,由弧支撑线段来拟合锻件,实现锻件的直径在线检测。该方法能去除复杂背景,降低锻件高温高亮导致边缘模糊的影响,减少误检和漏检且检测速度较快。实验结果表明,锻件外环和内环检测的平均绝对误差约为2.77cm,2.02cm以及平均的检测总时间约为0.4s,在环形锻件检测领域具有借鉴意义。
作者
邹家豪
黄志开
王欢
王荣杰
盖黎霞
ZOU Jia-hao;HUANG Zhi-kai;WANG Huan;WANG Rong-jie;GAI Li-xia
出处
《制造业自动化》
北大核心
2023年第10期76-79,124,共5页
Manufacturing Automation
基金
国家重点研发计划(2019YFB1704502)
江西省林业局樟树研究专项(创新专项[2020]07)
江西省科学技术厅重大科技研发专项(20203ABC28W016)。
