-
题名面向多尺度多方向螺栓的检测算法
被引量：2
- 1
-
-
作者
唐心亮
刘子剑
于平平
-
机构
河北科技大学信息科学与工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第10期221-231,共11页
-
基金
河北省高等学校科学技术重点研究项目(ZD2020318)
河北省教育厅青年基金(QN2023185)项目资助。
-
文摘
在工业建设中,螺栓零件是关键的连接件之一,通常用于连接大型机器设备和构件,如钢结构、桥梁、高速公路、建筑、石油管道等。其安装状况的优劣将直接关系到整个设备或结构的稳定性和可靠性。然而,螺栓的安装位置常常处于狭窄、复杂的环境中,利用人工检测不仅难度大,效率低,而且容易出现误判和漏检的情况。为此本文以Faster R-CNN为基础开展螺栓零件的识别研究。针对螺栓零件检测的难点,提出了一种基于多尺度多方向螺栓的检测算法。首先对采集到的图像进行扩增,以提高数据集的多样性;其次,通过改变主干网络增强模型对特征信息的敏感程度,再利用多尺度融合模块加强模型对小目标的检测;在预测框生成阶段,提出自适应旋转区域建议网络,以获取最优预测框;最后,针对多方向检测中出现的边界不连续的问题,通过Gaussian Wasserstein距离和焦点损失作为损失函数来代替传统的Smooth L1损失函数。螺栓零件的识别实验结果表明,改进后的Faster R-CNN模型mAP值能达到87.4%,相比于原始Faster R-CNN模型mAP值提升了7.6%。通过消融实验可以得出,改进后的ResNet50网络相较于原始ResNet50网络的AP值提升了0.2%。与其他旋转检测模型在相同数据集上进行比对得出,本文提出的模型AP值更高,鲁棒性更好。本文所提出的模型可以解决螺栓零件在识别任务中因拍摄角度和复杂环境出现的问题,缓解了因图像尺度和旋转边界不连续带来的问题。
-
关键词
多方向检测
螺栓零件检测
卷积网络改进
模型改进
-
Keywords
multi-directional detection
bolt component detection
convolutional network improvement
model improvement
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名拉伸载荷下螺栓的磁记忆检测试验研究
被引量：2
- 2
-
-
作者
徐鹏谊
樊建春
赵坤鹏
孙秉才
孙文勇
-
机构
中国石油大学(北京)机械与储运工程学院
中石油安全环保技术研究院
-
出处
《石油机械》
北大核心
2014年第1期37-39,43,共4页
-
基金
中石油安全环保关键技术研究与推广项目之子课题"油气钻采地面高压设备安全监测与评估技术研究"(2011D-4602-0103)
-
文摘
为将磁记忆检测技术应用于高压设备法兰螺栓的应力检测,在螺栓拉伸试验台上对螺栓进行静拉伸试验研究。用巨磁阻磁记忆检测探头检测螺栓不同部位的磁记忆信号,结合螺栓拉伸应力的三维ANSYS模拟,确定螺栓磁化强度变化最灵敏的检测部位。分析了3种规格螺栓在拉伸载荷下磁记忆信号切向分量梯度平均值的量化特点,分析结果表明,高压容器螺栓应力的磁记忆信号检测技术可以准确监测到升压过程中各螺栓的受力情况,反映法兰盘的预紧力分布,同时还可以监测高压设备冲击载荷造成的压力波动;进入保压阶段后,磁记忆信号的平稳性则可以反映出设备工作的稳定性。
-
关键词
法兰
螺栓
拉伸载荷
磁记忆信号
切向分量
检测
-
Keywords
flange
bolt
tensile load
MMM signal
tangential component
detection
-
分类号
TE931
[石油与天然气工程—石油机械设备]
-
