使用基于机器学习的计算机视觉技术,实时监测喷

科学领域:

• 制造业 工程 制造工程
• 计算机视觉 计算机视觉
• 材料科学 材料科学 材料科学

背景情况:

• 钢铁化涉及将钢铁涂上化以进行保护.
• 统一的涂层厚度对于质量至关重要,由空气刀来管理.
• 高速处理导致喷,导致缺陷和停机时间.

研究的目的:

• 开发一个实时监控系统,用于工业化环境中的喷.
• 为了应对诸如热量,尘埃和高速动态等恶劣条件的挑战.
• 通过精确的喷射量化,实现过程优化和预测性维护.

主要方法:

• 集成计算机视觉算法 (计数背景减法和YOLOv5) 进行可靠的监控.
• 开发一种能够抵御来自热扭曲和金属尘埃的噪声的系统.
• 实时数据采集和分析喷严重程度.

主要成果:

• YOLOv5模型实现了完美的精度,回忆,平均平均精度 (mAP) 为1.
• 模型验证显示,与运营商之间的判断相比,差异较小 (平均误差).
• 该系统在恶劣的工业条件下表现出强性.

结论:

• 拟议的计算机视觉系统有效地实时监控和量化喷.
• 这项技术促进了根本原因分析,流程优化和维护策略.
• 该研究为制造业的数字化转型做出了贡献,具有新型应用的潜力.