涂附磨具网

       由于砂带磨削表面缺陷复杂多样，表面缺陷的自动识别和定量表征仍然是一个需要解决的问题。针对砂带磨削中的表面缺陷，提出了一种多分类识别与量化方法。利用YOLOv7算法进行缺陷检测，得到缺陷的分类和位置信息;针对几何边界连续的缺陷，设计一种基于Hough直线图像校正的目标检测策略，定量描述磨削方向上的缺陷特征。为了获取无连续几何边界的烧伤缺陷定量信息，提出了一种带修正因子的自适应阈值分割方法。实验结果表明，YOLOv7在我们的数据集上的mAP达到了0.907。所提出的定量表征方法能够有效地对缺陷进行定量表征和分析。

       2）设计基于Hough直线图像校正的目标检测策略，定量描述磨削方向上的缺陷;

       3）提出一种带修正因子的自适应阈值分割方法，从像素层面对烧伤图像进行不同程度的分割。

图1 砂带磨削表面缺陷的多分类识别与定量表征方法流程

图2 基于Hough直线图像校正的目标检测策略

图3 烧伤缺陷自适应阈值分割算法伪代码

图4 砂带磨削表面缺陷的识别与定量表征结果展示

       B. Zhu, G. Xiao, Y. Zhang, H. Gao, Multi-classification recognition and quantitative  characterization of surface defects in belt grinding based on YOLOv7, Measurement (2023), doi: https://doi.org/ 10.1016/j.measurement.2023.112937.

       朱宝：重庆大学机械与运载工程学院机械工程专业硕士研究生（导师：肖贵坚副教授），主要从事智能制造、加工缺陷检测、基于数据驱动的加工质量预测与优化方法等。以一作或学生一作在Computers in Industry、Mesurement、IJAIT等期刊发表论文3篇；参与国家和省部级项目2项。

       主要研究成果如下：

       [1]  Xiao G, Zhu B, Zhang Y, et al, FCSNet: A quantitative explanation method for surface scratch defects during belt grinding based on deep learning[J]. Computers in Industry, 2023, 144: 103793.

       [2] Zhu B, Xiao G, Zhang Y, et. al, Multi-classification recognition and quantitative  characterization of surface defects in belt grinding based on YOLOv7, Measurement (2023), doi: https://doi.org/ 10.1016/j.measurement.2023.112937

       [3] Xiao G, Zhu B, Zhang Y, et al, CAN-Net: A Multi-hidden Layer Attention Deep Learning Method for Surface Roughness Prediction During Abrasive Belt Grinding of Superalloy with Local Weights[J]. International Journal on Artificial Intelligence Tools, 2023.

       论文详情：https://linkinghub.elsevier.com/retrieve/pii/S0263224123005018