-
公开(公告)号:CN116882776A
公开(公告)日:2023-10-13
申请号:CN202310695504.9
申请日:2023-06-12
Applicant: 华中科技大学
IPC: G06Q10/0637 , G06Q10/0639 , G06Q50/04 , G06Q50/06
Abstract: 本发明属于钢铁生产节能优化相关技术领域,其公开了一种钢铁生产节能策略设置方法、装置、电子设备及存储介质,其中方法包括:获取钢铁生产中的现有生产数据、节能预期数据以及与钢铁生产相关的多种节能技术的基本数据;获取钢铁生产采用每个组合节能策略后的多个性能指标;筛选符合节能预期数据的预选节能策略;获取预选节能策略在每个性能指标下的排名以及排名得分;根据预选节能策略在多个性能指标下的排名得分,获取预选节能策略的总得分;选取总得分最高的预选节能策略作为待设置的最终节能策略。本发明提出了一种为钢铁生产推荐不同节能技术组合的手段,能够自动、科学和准确地得出适合要求的节能方案组合推荐,为企业决策提供便利。
-
公开(公告)号:CN116822342A
公开(公告)日:2023-09-29
申请号:CN202310700353.1
申请日:2023-06-13
Applicant: 华中科技大学 , 中国核动力研究设计院
Abstract: 本发明属于激光切割相关技术领域,并公开了一种锆合金激光切割的工艺识别与性能预测方法,包括:采集切割样品在多种工艺参数下的切割面图像,并从中提取特征参数L、H和θ;对切割样品进行粗糙度检测并划分粗糙度等级;构建用于工艺参数检校和粗糙度等级预测的数据集;采用DBSCAN密度聚类算法,构建包含工艺参数检校和粗糙度等级预测的关系模型;输入待测样品特征参数,利用关系模型对工艺参数和粗糙度等级进行预测,并依据预测结果判断待测样品工艺参数是否偏离设定值。通过本发明,能够以快捷、高精准度的方式完成锆合金激光切割的工艺参数检校与粗糙度等级预测,实现对整个激光切割过程中工艺波动的有效防控,同时对成品切割异常实现有效追溯。
-
公开(公告)号:CN116481466A
公开(公告)日:2023-07-25
申请号:CN202310407621.0
申请日:2023-04-13
Applicant: 华中科技大学
Abstract: 本发明公开了基于滚珠的探伤图像比例尺计算辅助装置、方法和系统,属于铸造产品质量检测领域。本发明通过获取有完整滚珠影像的探伤图像,轮廓提取得到其影像轮廓的直径,其与滚珠真实直径的比值,作为探伤图像的比例尺,从而实时地、便捷地获得每张检测图像的比例尺信息,在实际生产中及时有效,提高了铸件的生产效率,根据比例尺可优化相关缺陷评级算法,提高评级的准确性。
-
公开(公告)号:CN116452873A
公开(公告)日:2023-07-18
申请号:CN202310419719.8
申请日:2023-04-13
Applicant: 华中科技大学
IPC: G06V10/764 , G06T7/00 , G06T7/136 , G06T7/62
Abstract: 本发明属于缺陷检测技术领域,并提供了一种基于多维特征分析的气孔与低密度夹杂分类方法,包括以下步骤:采集待分析区域的子图像;构建多维特征判别指标,并基于多维特征判别指标获取每个维度下子图像的缺陷判别结果,特征判别指标包括边缘曲率、灰度分布、缺陷外框长宽比和缺陷面积及其最大周长平方的比,缺陷判别结果为气孔或低密度夹杂;对所有维度对应的缺陷判别结果分类汇总,获得气孔类缺陷和低密度夹杂类缺陷,对各个维度分配特定权重,并基于特定权重分别计算气孔类缺陷和低密度夹杂类缺陷对应的判别系数,比对判别系数的大小,判别系数较大的缺陷类别即为待分析区域的最终缺陷类别。本发明的缺陷判别准确性更高。
-
公开(公告)号:CN115713622A
公开(公告)日:2023-02-24
申请号:CN202211446602.0
申请日:2022-11-18
Applicant: 华中科技大学
IPC: G06V10/25 , G06V10/75 , G06V10/774 , G06N20/00
Abstract: 本发明提供一种基于三维模型和探伤图像的铸件缺陷检测方法及系统,包括:基于虚拟射线成像系统对铸件的三维模型进行射线仿真成像,得到铸件的仿真探伤图像;基于射线探伤系统对铸件进行射线成像,得到铸件的真实探伤图像;所述虚拟射线成像系统与射线探伤系统的成像参数相同,所述成像参数包括:铸件角度、射线角度及成像参数;对仿真探伤图像和真实探伤图像进行对比,确定铸件的缺陷信息;所述缺陷信息包括缺陷的形貌和位置;基于铸件的缺陷信息对缺陷进行分类。本发明通过无缺陷仿真探伤图像与真实铸件探伤图像的对比法能很好的对图像中铸件结构和铸件缺陷的区域进行区分,不易将铸件结构纳入误检的范围,大大提高了铸件缺陷检测的准确率。
-
公开(公告)号:CN115661572A
公开(公告)日:2023-01-31
申请号:CN202211295843.X
申请日:2022-10-21
Applicant: 华中科技大学 , 中国兵器装备集团西南技术工程研究所
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0475 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明提供一种铸件缺陷识别模型训练方法、缺陷识别方法、装置及系统,确定铸件X射线图像的数据集,并将数据集按照缺陷的类别划分为两个子集;其中,第一子集内图像的缺陷类型有线状缺陷和孔状缺陷,第二子集内图像的缺陷类型有缩松缺陷与高密度夹杂缺陷;基于第一网络模型对第一子集进行增广,得到第一数据集;基于第二网络模型对第二子集进行增广,得到第二数据集;将第一数据集、第二数据集以及铸件真实X射线图像数据集进行混合,并对混合后的数据集进行二次增广,得到训练集;基于训练集对神经网络进行训练,训练后得到铸件缺陷识别模型。本发明通过仿真的方式增加了训练集中缺陷形貌多样性,实现人工检测到机器检测的突破,提高检测效率。
-
公开(公告)号:CN115601425A
公开(公告)日:2023-01-13
申请号:CN202211181974.5
申请日:2022-09-27
Applicant: 华中科技大学(CN) , 中国核动力研究设计院(CN)
Abstract: 本发明提供了一种DR图像不规则模糊边缘的定位方法及系统,属于机械加工领域,方法包括:将夹芯板DR图像进行直方图均衡化和中值滤波处理;采用大津法将滤波后的灰度图像转化为功能体边缘二值图像;对功能体边缘二值图像采用形态学图像处理,提取功能体边缘二值图像的边缘轮廓;通过凸包处理进行边缘轮廓的修正;构建最小宽度外接矩形。本发明实现了功能体切割边缘的自动化定位,为全自动切割生产奠定坚实基础。
-
公开(公告)号:CN114972269A
公开(公告)日:2022-08-30
申请号:CN202210610819.4
申请日:2022-05-31
Applicant: 华中科技大学
Abstract: 本发明提供一种基于铸件X射线图像的缺陷分割定位方法及系统,包括:确定铸件的X射线图像;铸件上具有多个缺陷;将铸件的X射线图像输入到预先训练好的缺陷分割定位模型,以对X射线图像中铸件的缺陷图像进行分割定位;缺陷分割定位模型通过在Unet模型的各级特性连接跳跃处和各相邻两级特征融合处嵌入注意力模块得到。本发明利用数据增广策略解决了铸件缺陷的X射线图像数量有限、标注耗时的问题,采用数据驱动的深度学习模型对铸件高分辨率X射线图像中缺陷进行分割,构建了包含轻量级注意力模块的缺陷分割定位模型,实现了铸件X射线图像中多尺度缺陷的高效、高精定位。
-
公开(公告)号:CN114354011A
公开(公告)日:2022-04-15
申请号:CN202111675394.7
申请日:2021-12-31
Applicant: 华中科技大学
IPC: G01K13/02
Abstract: 本发明提供了一种钛合金真空离心铸造中在线测温方法、装置及安装方法,属于铸造领域,将独立完整的测温装置整体设置在钛合金离心熔炼浇注炉内腔的高速离心浇注转台上,对独立完整的测温装置进行隔热处理,测温装置中的温度传感器设置在钛合金离心铸造模壳内或者钛合金离心铸造模壳外壁处,测温装置在高速离心浇注转台上完成测温、测温数据的存储,在整个钛合金真空离心铸造过程中,独立完整的测温装置整体一直处于钛合金离心熔炼浇注炉内腔,全程与钛合金离心熔炼浇注炉外隔绝。本发明还提供了测量装置和测量装置的安装使用方法。本发明的测量方法新颖,结构简单,运行稳定,数据采集方便,具有广泛的操作适应性,具有极大的应用价值。
-
公开(公告)号:CN114152539A
公开(公告)日:2022-03-08
申请号:CN202111425816.5
申请日:2021-11-26
Applicant: 华中科技大学
Abstract: 本发明属于铸造造型材料技术领域,更具体地,涉及一种基于多次碱液逼近法的湿型旧砂鲕化率测试方法。通过对预处理的湿型旧砂采用碱液进行多次少量的化学反应,逐渐去除砂粒表面的鲕化层,并以干净原砂在相同条件下进行一次处理前后质量减少量作为空白对照基准,待测湿型旧砂多次处理后,其最后两次处理后残留砂粒的质量差与空白对照基准减少量接近或相同时,表示湿型旧砂表面的鲕化层接近或已经反应完全,如此可准确测得湿型旧砂表面的鲕化率。本发明采用多次碱液逼近法,通过控制反应次数,可控制反应程度,确保不会反应不充分,也不会过度腐蚀,鲕化率测试结果稳定性及可靠性均较高。
-
-
-
-
-
-
-
-
-