简介:摘要:在工程实际施工过程中,建设方或施工方仅侧重检测混凝土的内在性能,往往轻视甚至忽视对混凝土表观成型质量的检查。传统的混凝土表观成型质量的检测是通过目视检查的方式,对混凝土表观成型质量进行一个大致的判断。这种检测方法的标准不统一,检测过程中随意性和主观性大,且检测结果很难形成完整的检测报告和资料,对后续建筑结构的质量责任追查和检修维护造成极大的困难。本文对不同特征和类型的混凝土表观质量缺陷的成因进行了分析。然后对深度学习的理论基础进行了相关的概述,对卷积神经网络的结构以及相关组成进行了具体的介绍。最后,提出基于机器视觉的混凝土表观质量检测方法。
简介:摘要:基于机器视觉的钢铁材料裂纹无损检测方法是一种现代化、高效的检测技术。它利用光学成像、红外成像、激光扫描和X光成像等技术,对钢铁材料表面的裂纹进行实时、高精度的检测。与传统的磁粉、渗透、超声波和射线检测方法相比,基于机器视觉的裂纹检测具有更高的检测速度、更好的稳定性和更低的误报率。通过设计合适的硬件设备和软件算法,机器视觉裂纹检测系统可以实现图像预处理、裂纹特征提取、分类识别和结果输出等功能。在钢铁厂生产线、钢结构桥梁、高速铁路轨道和大型钢铁设备等领域,基于机器视觉的裂纹检测技术已经得到了广泛应用。随着深度学习和人工智能技术的发展,未来机器视觉裂纹检测技术将实现更高速、更精确、更稳定的发展。
简介:摘要轨道的几何参数的检测是列车能够安全运行的基本保障。但列车在低速连续运动时进行轨道几何参数检测的过程中受到了陀螺仪和加速度计累计误差的影响,使得最终检测结果的精确度就受到明显的影响而降低。本文采用机器视觉与惯性信息融合的轨道几何参数检测方法以解决上述问题,在轨道几何参数检测的时候先将多个传感器融合在一起,然后再通过卡尔曼滤波算法对机器视觉检测和惯性信息进行融合,提高了轨道几何参数检测结果的精度,最后在通过相应的测量平台对机器视觉与惯性信息融合的轨道几何参数检测进行相应的试验验证,结果表明本检测方法的测量精度比常规的惯性测量精度高5倍左右。
简介:摘要:伴随着医院医疗水平和服务质量的不断提高,医疗科研项目逐渐增多,对医疗器械设备的需求量明显增长,除了一些基本的一次性针头、输液管等的基础医疗器械之外,还重视对高精尖医疗器械的应用。高质量和高性能医疗器械的应用,不仅能够更为有效的帮助人们解决病痛,还能够进一步提升医院的综合实力和诊疗水平。但是,随着医疗器械设备更新换代速度的加快和需求量的增长,也增加了医疗器械检测的难度,药品(医疗器械)监督管理部门在进行医疗器械检测的过程中,要提升检测的精度和效率,有效的进行不合格产品的筛选,就离不开对机器视觉技术的应用。文章就主要围绕机器视觉在医疗器械检测中的运用加以分析和研究。