船体小组立机器人焊接三维扫描识别系统设计

针对船体小组立结构件，基于三维点云数据，利用点云和图像处理算法，完成船体小组立结构件的三维扫描、焊缝识别和焊缝拓扑结构分析。基于片体智能化焊接流水线，构建船体小组立机器人焊接三维扫描识别系统。该系统具备对一般筋板类型结构件与交叉类型结构件的焊前扫描、焊缝识别、机器人焊接路径规划和机器人焊接作业生成等功能，经实际验证，可为片体智能焊接流水线实现船体小组立结构件智能化焊接提供准确的视觉信息与作业信息。     

计算机视觉在船舶焊缝缺陷识别的应用

大型集装箱运输船舶在海上航行时,会受到极端恶劣的气象条件影响(海浪、海风等),导致船体结构出故障。由于大型船舶的甲板、船体等壳状结构均采用焊接的方式组成整体,因此,船舶焊接的质量决定了船舶结构强度和防水性等,具有非常重要的意义。为了保证船舶的焊接质量,必须要进行焊缝的缺陷识别与检测。本文基于计算机视觉与图像处理技术,研发了一种新型的船舶焊缝识别系统,对改善船舶焊缝的缺陷检测水平有重要作用。     

基于计算机视觉的船舶焊缝缺陷识别系统研究

船舶是复杂的大型结构体,船壳、甲板等结构都需要通过焊接来保证整体的密封性和强度,而焊缝的质量直接影响船舶的安全性和可靠性。因此,通过合理的船舶焊缝检测技术,识别出焊缝存在的缺陷,提高船舶大型结构焊接的质量非常重要。近年来,基于计算机视觉的图像识别和处理技术发展迅速,在工业领域的应用也逐渐增加。本文利用计算机视觉和图像处理算法,开发一种船舶焊缝缺陷自动识别系统,可以有效改善船舶焊缝缺陷的识别准确度和效率,有重要的应用价值。     

基于极限学习机的舰船焊缝缺陷识别检测研究

焊接技术是影响舰船制造水平的重要因素,在舰船焊接中受多种因素影响会出现焊缝缺陷,尤其在压力管道、外板等焊接部位易出现焊缝,对舰船航行安全构成极大威胁,易引发航行事故。为有效消除焊缝缺陷,必须采用识别监测技术准确识别缺陷和定位缺陷,并对焊缝缺陷进行处理,以提高舰船焊接质量,稳定舰船结构。本文介绍极限学习机算法、优势与改进,提出基于极限学习机的舰船焊缝缺陷识别检测技术方法,能够准确检测出舰船焊缝缺陷。     

Matlab在船舶字符识别系统中的应用

船舶自动识别系统AIS中,船体MMSI编码、船体名称等符号的快速识别具有重要意义。本文针对船体符号的识别问题开发一种快速识别系统,该系统利用CCD摄像头采集船体的符号图像,然后利用图像处理算法和Matlab软件程序进行船体符号的精确识别。     

基于多特征点的船舶焊缝图像缺陷识别技术

现有船舶焊缝图像缺陷识别技术存在着缺陷边缘定位功能差、缺陷识别效率低的缺陷。为了解决上述问题,基于多特征点研究船舶焊缝图像缺陷识别技术。以获取的船舶焊缝图像为基础,采用图像分割方法提取焊缝图像缺陷,通过锐化处理增强缺陷边缘信息,利用数学形态法提取缺陷边缘。以得到的缺陷边缘信息为依据,通过标度转换算法计算多特征点参数,实现船舶焊缝图像缺陷的识别。实验结果表明,与现有船舶焊缝图像缺陷识别技术相比,提出的船舶焊缝图像缺陷识别技术极大提升了缺陷边缘定位功能与缺陷识别效率,说明提出的船舶焊缝图像缺陷识别技术具备更好的识别性能。     

基于改进YOLOv5的船体焊缝缺陷自动检测方法

为解决采用人工手段检测船体焊缝速度慢、准确度低的问题,提出基于改进YOLOv5的船体焊缝缺陷自动检测方法。利用相机采集船体焊缝图像,使用正弦灰度变换对焊缝图像进行处理,避免焊缝图像特征消失,提高正常焊缝与存在缺陷焊缝间的对比度,将处理后焊缝图像作为YOLOv5网络的输入样本,经网络Backbone、Neck以及Head部分处理,输出焊缝缺陷自动检测结果,并使用Ghost Net替换YOLOv5网络主体部分的一般卷积层（CBS）,降低网络进行船体焊缝缺陷检测的计算量和资源消耗量。实验结果表明,采用正弦灰度变换后的图像更加清晰,可突出显示焊缝缺陷特征,提升焊缝缺陷检测结果精准。改进后网络训练损失函数为0.15,平均准确率为98%,可实现不同焊缝位置的缺陷检测。     

基于搅拌摩擦焊的船体焊缝Matlab分析

焊接工艺的不断进步和发展,为促进船舶制造业的繁荣兴盛发挥了重要作用。焊接工件质量问题是船舶安全中的重点问题。在本文中,针对搅拌摩擦焊工艺技术进行研究,分别介绍搅拌摩擦焊的工作原理及其特点,分析搅拌摩擦焊的焊缝缺陷产生的原因,并提出基于搅拌摩擦焊的船体焊缝Matlab分析方法。首先使用Matlab的小波分析工具箱对焊缝缺陷图像进行降噪与特征提取;然后使用LS-SVMlab Toolbox进行分类识别分析。实验结果表明,Matlab相关工具箱可对焊缝缺陷进行有效分析,能够取得较为理想的检测结果。     

利用视觉技术在线检测船体变形缺陷方法

传统船体变形缺陷检测方法存在微变形缺陷识别误判问题,导致船体轻微变形区域无法在线瞬态识别,影响在线检测效果。为此,提出利用视觉技术在线检测船体变形缺陷方法。通过引入视觉技术,对船体结构进行扫描,建立船体结构变形模型;根据模型输出参量,利用粒子群算法对参量进行结构识别。最后,通过对结构体挠度计算确认变形位置,完成对船体变形缺陷的在线检测。通过与传统变形检测方法的对比,证明提出方法的高效性与准确性。     

图像处理技术在船舶管系建造监管中的应用

船舶制造正在朝向大型化和智能化方向发展,船舶管系建造是船舶制造过程中的重要一环。船舶管系的安装以及焊接过程中会受到材料质量、工人技能、焊接工艺等多方面的影响,因而需要对管系建造进行监督。传统船舶管系建造监管依靠人力,效率很低,本文在对图像处理技术进行充分研究的基础上,对图像去噪、图像增强以及边缘提取等图像预处理技术进行研究,研究图像处理技术在船舶管系识别中的应用。通过对船舶管系颜色和轮廓的识别,可以确定船舶管系的建造和设计图纸之间的差别。提出基于支持向量机和图像处理技术的焊缝分类判定流程,通过少量样本的训练可以完成对船舶管系焊缝焊接质量的基本判定,大幅度提升船舶管系建造监管效率。     

图像处理技术在船体结构设计上的三维重构

由于求交线段不稳定的干扰,原有方法存在重构性能较差的问题,提出一种基于图像处理技术的船体结构设计三维重构方法。获取船体结构设计中的圆柱体、环体、长方体等几何特征,基于图像处理技术中的图像识别技术对其进行识别,在识别中需要针对该文件形式进行逻辑顺序设定。根据识别结果,构建船体结构设计特征模型,构建的模型共包括3层结构。通过构造特征树来组合船体结构设计特征实体,并对特征实体实施三维重构,从而实现船体结构设计的三维重构。为了证明设计方法在求交线段不稳定的影响下,重构性能更好,分别进行该方法与原有方法的快速性、稳定性以及准确性对比实验。实验结果证明该方法在快速性、稳定性以及准确性方面都更加优秀,即该方法的重构性能更好,实现了性能突破。     

基于NExT/ERA方法环境激励下的船体结构模型总体模态参数识别

运行模态识别是一种仅仅根据环境激励下的结构振动响应来提取结构模态参数的方法,此方法一般基于环境激励为白噪声的假设。文章讨论了NExT/ERA方法在船体结构总体模态识别中的可行性,并采用了自然激励技术与特征系统实现算法相结合的方法,识别了船体模型的总体模态参数。文中还讨论了NExT/ERA方法的基本理论及计算流程,并引入了奇异值分解图和稳定图相结合的方法更好地确定系统的阶次;最后,用NExT/ERA算法有效地识别了简支梁模型和船体模型的模态参数。     

基于AP聚类和深度卷积网络的船舶焊缝缺陷检测

针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.     

基于视觉传达技术的船体颜色模型

现有模型存在后续图像处理性能较差的问题,因此将视觉传达技术应用于船体颜色模型的设计中,设计了一种视觉传达技术的舰船船体颜色模型。对舰船船体设计图像进行图像分割,也就是将舰船船体设计图像划分成不同颜色的区域,便于计算机判断其图像颜色信息,提供设计船体颜色模型的依据。对实施图像分割后的船体设计图像进行预处理,具体步骤包括滤波处理、形态学处理、连通区域处理。基于视觉传达技术构建船体颜色模型。通过进行图像处理速率与图像转换速率的后续图像处理性能对比实验,证明该模型拥有更好的后续图像处理性能,有很大的实用意义。     

半自动碳弧气刨小车

在船体建造中,焊缝的扣槽和焊接内部缺陷的清除是一项重要的工作,扣槽和缺陷清除的质量直接影响到焊缝和船体建造质量。现在船厂都已广泛采用碳弧气刨代替手工的批铑扣槽、批平及清除焊接内部缺陷等工作。碳弧刨具有工具简单,操作容易掌     

硅钢片智能焊接系统设计

设计一种基于机器视觉的硅钢片智能焊接系统,通过CCD传感器对焊缝进行跟踪检测,采用数字图像处理算法对焊缝进行识别,并采用PID控制对焊接过程跟踪焊接。     

基于视觉识别的船体板材零件理料原型系统开发

现阶段船体板材零件理料过程中完全依靠人工进行零件特征和编码识别,不利于开展理料装备自动化和智能化作业.针对该现状,提出基于视觉识别的船体板材零件理料原型系统.通过工业相机拍摄零件图像,对零件特征进行识别,获取零件类型和位置信息;对零件编码进行识别,获取零件流向信息.然后将类型、位置和流向信息传输至理料控制软件处理,机器人根据指令完成理料过程.结果表明,提出的理料原型系统及工作流程能够替代人工完成船体零件理料过程,为后续实现理料作业的自动化和智能化运行及装备集成应用奠定了基础.     

船舶焊缝图像缺陷识别研究

首先阐述BP神经网络结构,得到不同层神经元之间的关系;然后详述BP神经网络进行分类的原理,并进行改进,提出误差逆向的神经网络识别算法,加强了系统的学习性和收敛性,将其应用到船舶焊缝图像缺陷识别中,最后进行实验,说明本文所设计的BP神经网络结构能够提高缺陷识别的正确率。     

船舶设备的振动特性建模与工程算法研究

船舶设备的振动不仅会产生噪声,降低船舶的隐身性,而且会造成船体结构的疲劳损害,使船体焊缝等应力较集中的位置出现结构破坏。本文的研究方向是利用动力学工程算法对船舶典型设备进行振动特性建模和分析,分别对船体、动力系统减速器和主汽轮机的振动特性进行研究,有助于改善典型设备的抗振动特性。     

基于智能视觉的船体焊接坏点识别

船体焊接坏点识别对保证舰船制造工艺精度具有重要的价值,也是提高舰船建造质量的关键技术。针对当前船体焊接坏点识别精度低的问题,设计基于智能视觉的船体焊接坏点识别方法。首先对船体焊接坏点识别的视觉图像进行采集,并对图像进行增强处理,提高图像的清晰度,然后提取船体焊接坏点的图像特征,采用人工智能技术对船体焊接坏点进行分类和识别。实验结果表明,本文方法可以提高船体焊接坏点识别精度,应用于实际舰船制造工艺中,能够保障舰船建造质量。