相关实验视频
Updated: May 10, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
554
通过人工智能技术实现电阻接质量
Luis Alonso Domínguez-Molina1, Edgar Rivas-Araiza1, Juan Carlos Jauregui-Correa1
1Facultad de Ingeniería, Universidad Autónoma de Querétaro, Querétaro 76010, México.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
本研究引入了一种非破坏性计算机视觉方法,用于评估电阻点 (RSW) 质量. 可见图像在分类接质量和预测机械强度方面比热图像更有效.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 计算机视觉 计算机视觉
背景情况:
- 阻力点 (RSW) 质量评估在制造业中至关重要.
- 非破坏性评估 (NDE) 方法对于保持材料完整性越来越重要.
- 现有的方法可能会改变关节的特性,需要采用其他方法.
研究的目的:
- 利用计算机视觉开发一个具有成本效益的,非破坏性的RSW质量评估方法.
- 为了将接过程参数与视觉和机械质量结果相关联.
- 评估在视觉和热接数据上训练的机器学习模型的性能.
主要方法:
- 使用手动RSW机器收集过程参数 (电流,时间,压力) 和视觉/热图像.
- 在图像数据上训练了六个机器学习模型,以对接质量进行分类.
- 用交叉验证评估模型性能,将图像数据与机械性能 (拉力,接直径) 相关联.
主要成果:
- 接时间和电极角度显著影响关节的机械强度.
- 使用可见图像的计算机视觉模型优于使用热图像的模型.
- 拟议的方法有效地通过视觉数据将工艺参数与接质量联系起来.
结论:
- 基于计算机视觉的非破坏性方法为RSW质量评估提供了可行的解决方案.
- 可见图像分析是预测接质量和机械性能的一种有前途的技术.
- 这种方法可以提高RSW应用中的制造质量控制.
