毛刺缸套外观缺陷种类繁多、评判标准不一,导致传统图像处理方法提取的特征信息鲁棒性较差,影响其检测效果。为了解决上述问题采用深度学习算法对缺陷位置定位,提取缺陷区域,结合图像处理算法进行定量分析,准确计算缺陷面积的大小。通过对YOLOv3算法进行优化,增加注意力空间机制、密集采样的方法对图像的不同通道的特征进行学习,并且加深特征层之间的语义信息的传递和复用。通过对比实验发现,经过改进后的深度学习算法检测精度提升4.4%,漏检率减少7.5%,并且单张图像检测时间为86ms,满足工业生产的实时性要求,结合图像处理进行定量分析,准确判别产品的缺陷。

针对连杆裂断机床输出裂断力不稳定、加工冲击大、自动化程度低的问题,对连杆裂断机床的机械结构、液压系统进行了分析,对实现液压缸大压力大流量稳定输出和消除夹具与工件之间的间隙进行了研究,提出了将压力传感器和蓄能器应用于液压系统中,优化液压系统的控制策略,改进了连杆裂断加工工艺流程。机床控制系统包括硬件系统及软件系统,基于三菱PLC、触摸屏及模拟量输入模块设计了硬件系统结构,设计了工艺参数设置、实时监控、自动运行、故障报警等软件系统程序。研究结果表明,该控制系统能够实时监测液压系统状态,确保输出裂断力的大小及加载速度,机床运行稳定,操作方便,自动化程度较高。