Sep, 2023

基于深度学习的汽车线束机器组装连接器检测

PDF
TL;DR通过深度学习技术实现机器人化的汽车线束装配中连接器的检测，研究表明深度学习在汽车线束装配中的连接器检测上具有有效性，但受连接器外观设计的限制。
automotive wire harnessconnectorsrobotized assemblydeep learning-basedobject detection model
发现论文，激发创造
  • 机器人线束装配的计算机视觉技术

    现代汽车车辆中，电线束是电子系统所必需的关键硬件。随着汽车行业向电气化和自动驾驶的转变，越来越多的汽车电子负责能量传输和机动、驾驶辅助以及安全系统等关键功能。提高装配质量，改善人机工效以及优化劳动成本是自动化装配的关键。先前的研究工作提出了使用计算机视觉技术来促进机器人配线束装配的自动化，使机器人能够更好地感知和操作柔性线束。本文概述了应用于机器人化电线束装配的计算机视觉技术，并指出需要进一步研究的研究空白以促进更实用的机器人化电线束装配。

    Sep, 2023

  • 机器人化线束装配中计算机视觉应用的系统性文献综述

    该研究文章通过系统的文献综述，提出了计算机视觉应用在机器人线束组装中的挑战和未来研究机会，以促进更实用的机器人线束组装。

    Sep, 2023

  • 使用联网车辆数据和深度学习模型自动提取相关道路基础设施

    通过利用车联网数据和深度学习模型，在道路基础设施映射方面取得了显著的成果，提出了一种基于 geohashing 和 YOLOv5 算法的自动识别路口的新方法，实验证明了该方法的高准确性和广泛应用前景。

    Aug, 2023

  • 互联汽车网络安全的高级分析

    本论文提出了一种完全有效的基于机器学习的方法，用于保护连接车辆免受网络攻击，并针对使用配置规则提取相关信息的不同车辆接口（网络、CAN 和操作系统）进行监测，通过训练出的生成模型检测异常，以探测并诊断出其他现有方法无法发现的异常情况。

    Nov, 2017

  • 基于深度学习的汽车 CAN 嵌入式入侵检测系统

    提出了一种基于 FPGA 的 ECU 方法，通过专用的现成硬件加速器实现深度卷积神经网络入侵检测模型，平均准确率超过 99％，在多个攻击数据集中的误检率为 0.64％，并且相比于 GPU 上的 IDS 实现，在能量消耗上降低了 94％，每个消息的处理延迟降低了 51.8％。

    Jan, 2024

  • 面向焊接工艺的基于深度学习的在线质量预测系统

    这篇论文介绍了基于深度学习的预测质量系统的概念，在制造业的数字化过程中利用机器学习实现质量保证，特别针对 GMAW 焊接过程进行复杂的数据关系分析和预测质量建模。

    Oct, 2023

  • 提高计算机视觉制造缺陷检测鲁棒性的一种新策略

    本研究探讨利用深度学习技术进行视觉品质检测问题，针对工业制造中数据重复性高的情况，提出通过学习数据中的特定缺陷类型来训练检测模型，从而使其更能检测出在新情况下出现的缺陷。同时，研究对泛化的影响，以训练在更广泛的条件下工作的模型。

    May, 2023

  • 利用大规模神经影像数据集创建连接组约束方法，以实现更加稳健、高效和适应性人工智能

    利用大型神经成像数据集中的连接性图谱等手段，改善边缘端机器学习的效率和鲁棒性，并通过对果蝇和哺乳动物视脑回路连接等领域的分析，展示了多种潜在的应用脑科学领域洞见的方法。

    May, 2023

  • 深度学习驱动的焊接质量控制增益：预测珠焊中的焊接深度和气孔体积

    为提高焊接过程的质量保证，本研究提出一种强大的深度学习模型，能够预测两个关键焊接性能特征（KPCs）：焊缝深度和平均孔隙体积。

    Dec, 2023

  • 发现神经连线

    本文提出一种新的神经网络结构发现方法，即通过松弛层的概念，通过管道形式构建独立互连通道的方式提出了一种新的网络架构组合方式，可以学习具有比手动设计和随机网络更高的准确性的神经网络结构，并可用于移动定时网络和稀疏子网络发现。

    Jun, 2019