Feb, 2024

结合形状和轮廓特征以提高铣削过程中的刀具磨损监测

PDF
TL;DR基于计算机视觉方法，提出了一种基于形状描述符和轮廓描述符组合的新系统，用于根据磨削过程中刀具磨损水平对插入物进行分类。实验结果表明，采用 ShapeFeat 和 BORCHIZ 方法的组合可以显著提高分类性能，在二分类中实现 91.44％的准确率，在三分类中实现 82.90％的准确率，优于单独使用任一描述符的结果。这一研究对制造业界具有积极意义，可以自动对铣削过程中的插入物进行磨损分类。
systemshape descriptorcontour descriptorwear levelcomputer vision
发现论文，激发创造
  • 基于局部纹理的在线、自动和低成本的刀具磨损监测系统

    通过利用计算机视觉和机器学习，基于切削刀具的磨损程度，我们提出了一种在线、低成本、快速的方法来确定边缘轮廓铣削过程中使用的切削工具是否可用或可丢弃。

    Feb, 2024

  • 基于全卷积网络的数字图像处理下的模具磨损分割在冲裁过程中的应用

    工具磨损、磨损监测系统、冲压工艺、时间序列、深度学习算法

    Oct, 2023

  • 基于深度学习的刀具磨损估计在考虑切削条件的情况下

    通过在卷积神经网络中引入切削条件作为额外的模型输入，本研究提出了一种基于深度学习的方法，旨在提高刀具磨损估计的准确性，并满足工业对零射击传递能力的需求，通过一系列铣削实验评估模型的性能，结果一致强调我们方法的优势，无论磨损发展的稳定性还是训练数据集的限制如何，其性能都优于省略切削条件的传统模型，这一发现凸显了其在工业场景中的潜在应用性。

    Jul, 2024

  • 基于轮廓片段的形状模型学习及 And-Or 树表达

    本文提出了一种学习分层物体形状模型的简单而有效的方法，该模型通过局部轮廓片段形成 And-Or 树，可以捕捉外观上的形状变化，并利用嵌入式结构聚类拓展凸凹过程（CCCP）优化 And-Or 树的学习过程。该方法能够准确定位局部轮廓，并捕捉类内差异。

    Feb, 2015

  • 基于人工智能的低成本加速度传感器改装用于特殊铣削机械的刀具磨损和缺陷预测

    使用加速度传感器监测特殊类型的铣削机器的状态，通过有限的训练数据提出了监测工具磨损、机器故障等问题的监测和分类方案，实现工业制造过程的成本和效率的提升。

    Feb, 2022

  • GaitContour: 基于轮廓姿势表示的高效步态识别

    通过提出一种新的基于点的 Contour-Pose 表示方法和一种局部到全局的架构，本文在步态识别领域表现出更好的性能和更高的效率，进一步证明在具有显著干扰的数据集上超过轮廓点方法的成果。

    Nov, 2023

  • 钻孔刀具磨损检测中基于语义图像分割的数据增强和损失函数评估

    本文介绍了一种基于 U-Net 的语义图像分割管道，用于监测切削刀具在钻孔应用中的磨损情况，并将问题以二进制分类任务的形式加以解决。研究还考察了不同的损失函数，以及使用不同强度的图像增强技术训练图像。我们发现，最好的表现模型是使用 IoU 损失函数，在中度增强数据上训练的二进制模型。

    Feb, 2023

  • 基于 Segment Anything 模型的高效切削工具磨损分割

    基于 Segment Anything Model，我们提出了一种高效的基于 U-Net 的刀具磨损分割方法，该方法用作自动化提示生成器以简化刀具磨损检测过程。我们的评估涵盖了三种感兴趣点生成方法，并进一步研究了训练数据集规模和 U-Net 训练强度变化对结果的影响。结果一致强调了我们方法相对于 U-Net 的优势，在数据集有限的情况下实现准确的磨损分割。这一特点突出了该方法在数据集有限的工业场景中的潜在适用性。

    Jul, 2024

  • AdaContour：具有分层表示的自适应轮廓描述符

    本文提出了一种名为 AdaContour 的自适应轮廓描述符，通过使用多个局部表示来描述复杂形状，从而更准确且鲁棒地表示形状，并成功地将其应用于实例分割任务中。

    Apr, 2024

  • 增强工具磨损估计中的迁移学习能力的深度学习方法

    通过深度学习方法估计刀具磨损，在考虑切削参数的情况下，通过铣削实验评估模型的准确性和传递性，结果表明该方法在传递性和快速学习能力方面优于传统方法。

    Jul, 2024