囊體是許多設(shè)備的重要組成部件,其氣密性的好壞更是所屬設(shè)備的關(guān)鍵指標(biāo),涂抹法檢測囊體漏氣點(diǎn)可以直觀地看到漏點(diǎn)位置,但使用人工觀察需要的時間和人工成本均較高,但長時間人工檢測可能存在一定的漏檢。近年來,深度學(xué)習(xí)隨著卷積神經(jīng)網(wǎng)絡(luò)的提出和計(jì)算機(jī)算力的大幅提升得到飛躍式發(fā)展,在目標(biāo)檢測領(lǐng)域也逐漸凸顯其優(yōu)勢地位。本課題以基于深度學(xué)習(xí)的目標(biāo)檢測方法為基礎(chǔ),將其應(yīng)用于囊體漏氣點(diǎn)檢測場景進(jìn)行分析研究,從多個角度探討網(wǎng)絡(luò)設(shè)計(jì)理論,并設(shè)計(jì)了可以實(shí)現(xiàn)對囊體漏點(diǎn)進(jìn)行快速且精準(zhǔn)檢測的目標(biāo)檢測網(wǎng)絡(luò)。首先,本課題從數(shù)據(jù)開始,對數(shù)據(jù)進(jìn)行采集、篩選、標(biāo)定,構(gòu)建了囊體漏氣點(diǎn)檢測的數(shù)據(jù)集,并將數(shù)據(jù)劃分為訓(xùn)練集和驗(yàn)證集用于目標(biāo)檢測網(wǎng)絡(luò)的訓(xùn)練和評估。為了同時滿足檢測均值平均準(zhǔn)確率、召回率和檢測速度三項(xiàng)指標(biāo),本課題針對于目標(biāo)檢測使用的基網(wǎng)絡(luò)的基礎(chǔ)模塊、連接方式、整體構(gòu)架進(jìn)行了分析,同時使用同一目標(biāo)檢測算法僅改變基網(wǎng)絡(luò)的情況下進(jìn)行了訓(xùn)練和驗(yàn)證并由此分析了各個基網(wǎng)絡(luò)的特性,以便設(shè)計(jì)適合囊體漏氣點(diǎn)檢測的網(wǎng)絡(luò)。此外,本課題對基于不同設(shè)計(jì)理念的目標(biāo)檢測算法進(jìn)行了分析,主要選取了速度快的一步檢測算法、泛化性強(qiáng)的兩步檢測算法和新興的基于關(guān)鍵點(diǎn)的檢...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1爬壁

酥?猓?樗?勞動時間增加，工人們可能會產(chǎn)生疲勞，從而降低檢測效率及準(zhǔn)確率，加大主觀偏差。目前已存在的一些氣密性檢測方法例如水檢法、壓差法、流量法等[1]并不適合大型囊體漏點(diǎn)檢測的場景，一方面檢測囊體漏點(diǎn)位置是為了下一步修補(bǔ)，檢測儀器計(jì)算出的精密泄漏量并不適用于課題所需；另一方面，....

圖1-2各數(shù)據(jù)集樣式

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文2另一方面，隨著計(jì)算力的提升，各類計(jì)算顯卡的廣泛應(yīng)用，關(guān)于深度學(xué)習(xí)的研究有了廣闊的可發(fā)展空間，基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測發(fā)展十分迅速。各種大規(guī)模有標(biāo)簽數(shù)據(jù)集作為深度學(xué)習(xí)的前提要素也都被紛紛提出如圖1-2，例如包括各種生活場景的PascalVOC200....

圖1-3推斷結(jié)果顯示圖片

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文3鍵點(diǎn)的算法，一步算法的主要優(yōu)勢是檢測速度快，比如YOLO[19]，YOLOv2[20]，YOLOv3[21]，YOLOv4[22]，SSD[23]，兩步算法的檢測準(zhǔn)確率和泛化能力更有保障，其次在訓(xùn)練時網(wǎng)絡(luò)更容易收斂，比如R-CNN[24]，SPPN....

圖1-4（a）直壓法（b）壓差法

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文4相較于傳統(tǒng)方法，后面涉及的方法更復(fù)雜，需要的設(shè)備也更精密，下面對這幾種檢測方法進(jìn)行簡單介紹。涂抹法[33]，即將檢測液涂抹于充氣工件表面，肉眼可觀察到漏氣點(diǎn)處表面形成明顯氣泡，操作較簡單但人工操作效率低，且這種方法不能計(jì)算漏氣量，檢測后需將檢測液清....

本文編號：4044635