基于深度神经网络(Deep Neural Network,DNN)的深度学习(Deep Learning,DL)在图像识别、语音识别和文本分析等领域取得了巨大成功。但是深度学习在工业领域的应用遇到训练样本数量不够和训练算力不足的困难。将深度神经网络的迁移学习(Transfer Learning)应用到工业产品表面质量检测,解决了深度学习样本和算力不足的问题,其准确率达到了99.8%,超过了传统机器学习算法和没有迁移学习的卷积神经网络(Convolutional Neural Network,CNN)。构造的深度神经网络分为两部分前面为已经训练好的深度神经网络GoogLeNet,后面部分为识别表面缺陷专用层,训练的时候只需要训练后面部分。

陶质焊接衬垫是桥梁、船舶、建筑等领域焊接工艺的一种焊接材料,有助于提高焊接功效。针对流水线上人工检测陶质焊接衬垫的产品质量效率低、成本高等问题,提出一种基于改进Yolo-v3的陶质衬垫产品质量检测方法。由于Yo?lo-v3模型检测效果不佳,设计出更适应流水线检测环境的Yolo-Res模型,将精简Yolo-v3模型与Resnet50模型结合,采用多属性特征预测目标陶质衬垫,保证特征区分度的同时提高检测精度。测试结果显示,所提出Yolo-Res算法的检测准确率达到88%,检测速度达到49.4ms/张。结果表明,该方法相比Yolo-v3等已成熟算法,在陶质焊接衬垫产品质量问题上具有更佳的检测性能。

机器视觉技术在自动化领域应用广泛,传统的视觉组装大多基于单个相机拍照、抓取、校正、组装的步骤来进行,忽略了抓取后的位置信息,使得组装的精度不高。设计四轴直角坐标型机器人控制系统,引入下相机对产品进行二次定位。对上下相机进行手眼标定,通过视觉处理引导机械手完成组装,为验证系统的有效性,以方块组装进行试验,在取料、放料位置和角度未知的情况下,对方块进行位置和角度补偿。视觉定位引导系统的定位精度能达到0.192 mm,实验结果表明基于下相机的视觉组装具有可行性。

从实际生产及合理应用的角度出发,着重对氧弹头充氧电极接口连接转换器的设计进行了阐述。其中包括：接触电阻等对连接转换器性能的影响。连接转换器中内螺纹结构、连接口结构、导角结构、导入口结构以及滚花等的设计和各自所具有的功能,同时还介绍了具体实施方案和实施过程。还对传统的电气连接方式的特点进行了必要的分析。

对旋进旋涡流量计中旋涡发生体的结构进行了如下改进:将旋涡发生体的叶片与主轴的夹角由原来的60°减小到45°,将叶片由六片增加到七片.利用FLUENT数值仿真软件对改进后的旋进旋涡流量计做了数值仿真计算,对改进方案进行了验证,最后在实验装置上进行了试验.仿真结果与试验结果均表明,改进后的旋进旋涡流量计压力损失有了较大幅度的减小,并且在保证压力损失较小的同时其测量下限也有所降低,克服了旋进旋涡流量计应用中的一个不足.

该文利用控温箱进行橡胶样品的老化实验通过测量压缩永久变形判断橡胶样品的老化程度随时间的变化情况。以Arrhenius方程表示不同温度下的老化速度的关系并利用时温等效原理和高温下橡胶样品老化的数据估测常温下橡胶的老化情况。根据压缩永久变形量与密封能力的判断准则给出由试验样品制备的橡胶密封件在常温下的预期寿命。