-
题名海洋平台板材智能分拣系统研究与设计
- 1
-
-
作者
刘玉玺
李威
刘超
耿孝敏
李长龙
邱永峰
-
机构
海洋石油工程股份有限公司
湖南天桥嘉成智能科技有限公司
-
出处
《舰船科学技术》
北大核心
2025年第8期151-155,共5页
-
文摘
针对传统海洋工程制造中的生产效率低,生产成本高等问题,提出基于PLC、AGV以及机器视觉技术设计一款板材智能分拣系统,实现不同重量、不同尺寸板块的识别和分拣。对系统的架构、交互、主要功能、基本流程进行研究与设计,并通过实验分析出该系统在高负载环境下的稳定性高达99.86%,业务覆盖能力程度高的特点。该系统不仅能够减少人力投入、节约人工开支,还能提高企业竞争力,具有较强的现实推广意义。
-
关键词
PLC
智能分拣
AGV
机器视觉
-
Keywords
PLC
intelligent sorting
AGV
machine vision
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名复杂背景下钢材表面缺陷检测算法
- 2
-
-
作者
邱永峰
黄萱
袁鑫攀
李威
-
机构
湖南工业大学计算机学院
湖南天桥嘉成智能科技有限公司
-
出处
《机械设计与制造》
北大核心
2025年第10期292-297,共6页
-
基金
湖南省自然科学基金面上项目(2022JJ30231)。
-
文摘
针对复杂背景下钢材表面缺陷检测中存在特征提取不足、参数量大和检测精度低等问题,基于YOLOv8n提出了MHLC-YOLOv8算法,旨在提升检测精度的同时,降低模型的计算量和参数量。首先,设计了CSH-C2f模块,替代原有C2f模块。基于单头自注意力机制和卷积门控线性单元,有效增强了对缺陷特征的提取能力,优化了对全局语义理解,提升了对低对比度缺陷的检测能力。其次,提出TLAD模块,通过动态自适应下采样融合多尺度信息,提高了对关键区域的检测能力,减少了背景干扰。最后,采用Inner-MPDIoU损失函数,优化了边界框回归精度,增强了对不规则缺陷的检测能力,加速模型收敛。实验结果表明,MHLC-YOLOv8在mAP上提升了3.4%,参数量减少至2.3M,计算量降至7.5G,有效平衡了检测精度与参数量,且具有良好的泛化能力,适用于复杂背景下的钢材表面缺陷检测任务。
-
关键词
缺陷检测
YOLOv8
下采样
单头自注意力机制
卷积门控线性单元
Triplet
Attention
-
Keywords
Defect Detection
YOLOv8
Downsampling
Single-Head Self-Attention
Convolutional Gated Linear Unit
Triplet Attention
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391.14
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
TG115
[金属学及工艺—物理冶金]
-
