-
题名基于深度学习的油液磨粒智能检测与分割
- 1
-
-
作者
任松
涂歆玥
朱倩雯
李眉慷
-
机构
重庆大学煤矿灾害动力学与控制国家重点实验室
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2024年第6期1068-1075,1243,共9页
-
基金
国家自然科学基金资助项目(52074048,51774057)。
-
文摘
针对机械系统磨损状态监测与故障诊断中油液磨粒识别难度大、时间与人力成本高等问题,提出了基于深度学习的油液磨粒智能检测与分割方法。首先,基于滤膜谱片技术制备油液磨粒谱片并采集图像,构建了含6类不同金属磨粒的优质数据集;其次,根据数据集特点与算法优缺点,搭建单阶段实例分割模型YOLACT与两阶段实例分割模型Mask-RCNN对磨粒进行智能检测与分割。实验结果表明:Mask-RCNN模型平均检测精确率为93.8%,召回率为92.7%,适用于磨损颗粒智能分析的精准检测;YOLACT模型平均检测精确率为84.7%,召回率为83.3%,检测速度快,边缘分割精细,适用于磨损颗粒快速检测与智能分割;两种模型均有效提高了油液磨粒的检测效率。
-
关键词
深度学习
卷积神经网络
分割模型
油液磨粒分析
金属磨粒检测
-
Keywords
deep learning
convolutional neural network
segmentation model
oil wear debris analysis
metal wear debris detection
-
分类号
TH17
[机械工程—机械制造及自动化]
TP389.1
[自动化与计算机技术—计算机系统结构]
-
