一种基于2D-CNN的激光超声表面缺陷检测方法

激光超声表面缺陷检测的过程中,缺陷的定量表征通常依赖于操作者的判断,易受到人为因素干扰,致使检测结果不稳定。针对这一问题,提出一种基于图像识别的二维卷积神经网络（2D-CNN）的缺陷自动分类检测方法。利用有限元方法模拟激光超声检测过程,并采集超声信号数据用于训练分类模型;使用连续小变换（CWT）处理超声信号得到小波时频图,以小波时频图作为输入训练卷积神经网络（CNN）分类模型,实现对表面缺陷深度的自动分类。验证结果表明:提出的检测方法能够对不同深度的缺陷准确分类,测试的平均准确率达到97.3%;构建的CNN分类模型能够自主学习输入图像的缺陷特征并完成分类,提高了检测结果稳定性,为激光超声缺陷检测的自动化分析处理提供了新的思路。     

Mssbauer谱学及其在熔渣铁离子行为研究中的应用张丽君

综述了M¨ossbauer谱学原理、基本参数和测定方法 ;分析了熔渣中铁离子行为 ,并从化学和谱学角度阐述了Fe2 +、Fe3 +tet 和Fe3+oct 离子的M¨ossbauer谱特征 ;讨论了铁离子行为与熔渣碱度、渣中全铁量及Na2 O、Al2 O3 含量的关系 ;提出该领域的研究前景     

高等别线纹尺中心线提取算法的研究

受制造技术、磨损以及污染等因素影响,对线纹尺大批量自动化检定技术的实现存在较大困难。在线纹尺特征的基础上,针对边缘对比度高但噪声严重的线纹尺,先边缘初定位将图像处理区域限制在线纹边缘区域,再边缘精定位,寻找边缘区域灰度变化最大的点,剔除不连续的边缘点后拟合边缘线,实现线纹中心线的提取。针对自身变形导致成像模糊的线纹尺,背景区域与线纹区域分别求取各列灰度均值,再利用最小二乘拟合直线求交点实现线纹中心线提取。对高等别三等标准线纹米尺多次检定,结果表明,同一刻线最大差值为1.4μm,标准差为0.66μm,提出的算法鲁棒性好,满足高等别线纹尺的检定要求。