基于深度学习的囊体漏点检测

发布时间：2025-05-11 01:32

　　囊体是许多设备的重要组成部件,其气密性的好坏更是所属设备的关键指标,涂抹法检测囊体漏气点可以直观地看到漏点位置,但使用人工观察需要的时间和人工成本均较高,但长时间人工检测可能存在一定的漏检。近年来,深度学习随着卷积神经网络的提出和计算机算力的大幅提升得到飞跃式发展,在目标检测领域也逐渐凸显其优势地位。本课题以基于深度学习的目标检测方法为基础,将其应用于囊体漏气点检测场景进行分析研究,从多个角度探讨网络设计理论,并设计了可以实现对囊体漏点进行快速且精准检测的目标检测网络。首先,本课题从数据开始,对数据进行采集、筛选、标定,构建了囊体漏气点检测的数据集,并将数据划分为训练集和验证集用于目标检测网络的训练和评估。为了同时满足检测均值平均准确率、召回率和检测速度三项指标,本课题针对于目标检测使用的基网络的基础模块、连接方式、整体构架进行了分析,同时使用同一目标检测算法仅改变基网络的情况下进行了训练和验证并由此分析了各个基网络的特性,以便设计适合囊体漏气点检测的网络。此外,本课题对基于不同设计理念的目标检测算法进行了分析,主要选取了速度快的一步检测算法、泛化性强的两步检测算法和新兴的基于关键点的检...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图1-1爬壁

酥?猓?樗?劳动时间增加，工人们可能会产生疲劳，从而降低检测效率及准确率，加大主观偏差。目前已存在的一些气密性检测方法例如水检法、压差法、流量法等[1]并不适合大型囊体漏点检测的场景，一方面检测囊体漏点位置是为了下一步修补，检测仪器计算出的精密泄漏量并不适用于课题所需；另一方面，....

图1-2各数据集样式

哈尔滨工业大学工学硕士学位论文2另一方面，随着计算力的提升，各类计算显卡的广泛应用，关于深度学习的研究有了广阔的可发展空间，基于卷积神经网络的目标检测发展十分迅速。各种大规模有标签数据集作为深度学习的前提要素也都被纷纷提出如图1-2，例如包括各种生活场景的PascalVOC200....

图1-3推断结果显示图片

哈尔滨工业大学工学硕士学位论文3键点的算法，一步算法的主要优势是检测速度快，比如YOLO[19]，YOLOv2[20]，YOLOv3[21]，YOLOv4[22]，SSD[23]，两步算法的检测准确率和泛化能力更有保障，其次在训练时网络更容易收敛，比如R-CNN[24]，SPPN....

图1-4（a）直压法（b）压差法

哈尔滨工业大学工学硕士学位论文4相较于传统方法，后面涉及的方法更复杂，需要的设备也更精密，下面对这几种检测方法进行简单介绍。涂抹法[33]，即将检测液涂抹于充气工件表面，肉眼可观察到漏气点处表面形成明显气泡，操作较简单但人工操作效率低，且这种方法不能计算漏气量，检测后需将检测液清....

本文编号：4044635