工业金属平面材料表面缺陷检测的研究进展

基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点。在金属制造行业中，高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高。本文基于对钢，铝，铜板和带钢的一些典型金属平面材料产品的160多种出版物的综述，试图对二维和三维表面缺陷检测技术进行全面的综述。根据算法的属性和图像特征，现有的二维方法分为四类：统计方法，光谱方法，模型方法和基于机器学习的方法。在三维数据采集的基础上，三维技术分为立体视觉，光度立体，激光扫描仪和结构化光测量方法。本文将分析和比较这些经典算法和新兴方法。最后，对视觉缺陷检测的剩余挑战和未来的研究趋势进行了讨论和预测。

2022-01-19
阅读141
下载0
10页
docx

视觉检测人应该了解的缺陷检测方法

产品缺陷检测技术是指对检测样本的表面斑点、凹坑、划痕、色差、缺损和内部结构等缺陷进行检测, 获得检测样本表面或内部的缺陷深度、大小、轮廓、缺陷类别等相关信息。主流的缺陷检测法包括：磁粉检测法、渗透检测法、涡流检测法、超声波检测法、X 射线检测和机器视觉缺陷检测法。

2022-01-19
阅读109
下载0
5页
docx

光学元件表面缺陷检测方法研究现状

随着科学技术的发展，人们对光学元件的表面粗糙度和表面面形精度提出了越来越高的要求，光学元件表面缺陷检测技术也受到了广泛重视。通过简述表面缺陷的类型，强调了缺陷给光学系统带来的危害，由此分析和讨论了目前国内外对光学元件疵病的检测方法，并指出各种方法的优缺点，同时对机器视觉技术在疵病检测方面的应用进行了介绍，还探讨了光学元件表面缺陷检测技术未来发展需要注意解决的问题。

2022-01-19
阅读103
下载0
19页
docx

表面微观缺陷检测方法及其应用研究

基于多技术融合的表面微观缺陷检测方法结合最新的物体成像、云计算、人工智能和5G等前沿技术，建立微观缺陷检测系统，对微观领域的缺陷进行精确检测，具有识别速度快、准确率高、成本低、可追溯性强、数据分析、智能反控等优点，克服了传统检测手段的弊端，且在典型工业场景中得到了较好的应用。

2022-01-19
阅读104
下载0
12页
docx

为什么数字孪生是工业互联网的关键技术

目前数字孪生（Digital Twin）尚无标准定义，但对其基本含义有比较清晰的认知，即数字孪生是以数字化的方式拷贝一个物理对象，模拟此对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，从而提高制造企业产品研发和制造的生产效率。

2022-01-19
阅读94
下载0
15页
docx

数字孪生技术的关键在于数据

对于数字孪生技术而言，生成数字模型是第一步，而加入更多的数据集才是关键。未来，不会有哪家公司拥有生成现代化数字孪生模型所需的全部数据，OEM、MRO企业、航空公司等各方都将面临数据分享的挑战，而且要想进一步发挥数字孪生技术的潜能，数据存储、计算能力和机载连通性也需取得更大的进步。

2022-01-19
阅读95
下载0
6页
docx

流程工业数字孪生关键技术探讨

流程工业是制造业的重要组成部分, 是国民经济发展的重要基础, 主要包括化工、冶金、石化等行业, 其安全高效的生产对国家而言具有重要的战略意义。然而, 流程工业物理化学变化反应复杂、流程间能质流严重耦合、多目标冲突、在线实验风险大, 给生产流程系统建模与高效协同优化带来极大困难, 严重制约了生产质量和资源利用率的进一步提升。随着信息技术与人工智能的发展, 建立虚实结合、协同优化运行的流程工业数字孪生生产线所需技术逐渐成熟, 其在流程工业的应用价值与潜力日益凸显。

2022-01-19
阅读92
下载0
23页
docx

工业数字孪生技术体系及关键技术研究

近些年，随着全球工业互联网发展战略深入实施，工业领域催生出一批数字化、网络化、智能化的新模式、新业态。其中，工业数字孪生日趋成为学术、产业界研究热点，并有望成为推动工业企业数字化转型的新动能。与此同时，当前产业界对于工业数字孪生定义及内涵尚未形成统一认识，亟需系统梳理相关概念、关键技术、应用场景和实施路径，凝聚和深化产业共识，加速工业数字孪生技术创新和产业实践。

2022-01-19
阅读91
下载0
8页
docx

上一页 1 …… 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 …… 2879 下一页共 23026 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

竞争对手分析

母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)

阅读890
下载0

2025知识图谱与大模型融合实践案例集

随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。

阅读953
下载6

国内重点工业物联网平台四类厂商分类及选型指南

阅读1027
下载7

工业物联网平台的典型应用场景深度分析

工业物联网平台发展重点：一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。

阅读1021
下载11

最新上线

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读51
下载1

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。