典型文献
基于深度学习的热态环件轧制过程几何状态视觉测量方法
文献摘要：
为解决高温、强光、汽雾以及氧化皮飞溅等恶劣工况下热态环件轧制过程几何状态的在线测量难题,提出了一种基于深度学习的热态环件轧制几何状态视觉测量方法.以深度学习为基础,结合热态环件轧制过程高温发亮的特点,利用YOLOv5算法的卷积神经网络进行训练,智能捕捉相机视野有效区域,大幅提高了图像处理算法的运算速度.为解决环件部分边缘被遮挡的问题,采用Linemod-2D算法,根据环件边缘梯度特征匹配外圆轮廓及位置状态,并基于卡尺工具边缘检测原理获取有效边缘特征点,利用迭代重加权最小二乘法进行拟合,得到了环件几何状态.实验结果表明,本方法鲁棒性较好,测量误差小于0.5 mm,算法平均耗时60 ms.
文献关键词：
热态环件;YOLOv5算法;Linemod-2D算法;卡尺工具算法;最小二乘法;深度学习
中图分类号：
作者姓名：
汪小凯;董杰;华林;韩星会;武国庆
作者机构：
武汉理工大学现代汽车零部件技术湖北省重点实验室,湖北武汉 430070;武汉理工大学汽车零部件技术湖北省协同创新中心,湖北武汉 430070;武汉理工大学材料绿色精密成形技术与装备湖北省工程中心,湖北武汉 430070
文献出处：
引用格式：
[1]汪小凯;董杰;华林;韩星会;武国庆-.基于深度学习的热态环件轧制过程几何状态视觉测量方法)[J].塑性工程学报,2022(11):8-14
A类：
热态环件,卡尺工具算法
B类：
环件轧制,轧制过程,视觉测量,强光,氧化皮,飞溅,在线测量,发亮,YOLOv5,有效区域,图像处理算法,分边,遮挡,Linemod,2D,梯度特征,特征匹配,外圆,边缘检测,检测原理,边缘特征点,迭代重加权最小二乘法,测量误差,ms
AB值：
0.237582
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
