-
公开(公告)号:CN119295802A
公开(公告)日:2025-01-10
申请号:CN202411305028.6
申请日:2024-09-19
Applicant: 武汉理工大学
IPC: G06V10/764 , G06V10/774 , G06V20/70 , G06T7/11 , G06V10/80 , G06V10/82 , G06T7/62
Abstract: 本发明提出了一种基于机器学习的智能冲压成形制造方法及系统,涉及智能制造技术领域,上述方法包括采集生产线上零件样本的样本图像数据集和实时生产视频,其中,所述样本图像数据集包括正常样本图像和异常样本图像;对所述样本图像数据集进行预处理,以获取标注图像数据集;基于卷积神经网络构建初始生产线样本识别模型,将所述标注图像数据集划分的训练集和测试集输入到所述初始生产线样本识别模型进行训练,以获取生产线样本识别模型;将所述实时生产视频输入所述生产线样本识别模型进行检测,以识别生产线上的异常零件。本发明有助于提升零件样本的质量控制精度。
-
公开(公告)号:CN119348220A
公开(公告)日:2025-01-24
申请号:CN202411373608.9
申请日:2024-09-29
Applicant: 武汉理工大学
Abstract: 本申请公开了一种冲压运行速度控制方法、装置、电子设备及存储介质,属于冲压设备控制技术领域,其方法包括:根据冲压设备的打击行程和打击能量确定打击运动影响系数,根据机械臂的运行时间和运行速度确定机械臂运动影响系数,根据设备参数确定设备参数影响系数;根据冲压运动影响系数、机械臂运动影响系数和设备参数影响系数构建冲压速度的适应度函数;根据适应度函数、历史运行参数对初始神经网络模型进行迭代训练,得到运行速度预测模型;基于运行速度预测模型,根据冲压设备和机械臂的当前运行参数预测最优冲压运行速度,并调整冲压设备的当前运行速度。本发明通过对冲压运行多维度的分析,获得最优的冲压运行速度。
-
公开(公告)号:CN119919474A
公开(公告)日:2025-05-02
申请号:CN202510414401.X
申请日:2025-04-03
Applicant: 武汉理工大学
IPC: G06T7/62 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种热成形过程锻件尺寸的检测方法、装置及介质,涉及计算机视觉技术领域,该方法包括:获取待检测锻坯的图像数据;将图像数据输入至训练好的锻件尺寸检测模型中,得到尺寸信息及分类结果;锻件尺寸检测模型包括主干网络层、颈部网络层和头部网络层,主干网络层以及颈部网络层中均具有若干的跨阶段局部网络层以及若干的广义稀疏卷积层,所有跨阶段局部网络层中瓶颈层均使用了可变形卷积并增加通道以及空间注意力机制。本发明解决了目前在锻件在热成形过程的尺寸检测中依赖人工操作导致缺少准确性与稳定性的问题,以及在热成形的过程中出现坯料变形精度不够导致锻件的成形尺寸不达标而导致锻件报废的问题。
-
-