铸件压铸过程较为复杂，其缺陷包括外部和内部缺陷，此项目主要是检测内部缺陷 是指目测不能发现的内部缺陷：诸如气孔、缩孔、缩松、内部裂纹、杂质等。 利用 X 射线图获取工件透视图，实现检测内部缺陷：诸如气孔、缩孔、缩松、内部 裂纹、杂质等，利用深度学习等机器学习方法检测铸件内部缺陷，已到达工业实际应用 要求，成果在国际顶级期刊发表。
相关技术指标
外部缺陷识别率超过 98%，内部缺陷识别率超过 92%。
技术创新点
采用了图像处理以及深度学习进行识别，获得了较高的识别率；此外在深度学习方法中引入通道注意力机制和双线性注意力机制，提高了缺陷的识别率。
技术的成熟度
针对实际使用要求，完成了工程样机的集成和核心算法实现，在典型使用环境下验 证，功能和性能指标达到了工程应用要求。能够检测绝大多数气孔形等内外部缺陷，达 到了预定的指标。
与同类技术优势比较
此项目的有效实施将取决于汽车零部件领域，铝合金压铸细分领域的标准制定，以 及行业内的标准推广实施
300万
登录
免费发布信息
