.png){kind=icon}
返回
Efficient Prestress Wedge Flaw Detection Using a Lightweight Computational Framework
.png){kind=icon}
OA
AI
DOI：10.3390/s25226978.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预应力楔块在桥梁和道路建设中至关重要，但楔块螺纹中的缺陷会导致严重的安全隐患、施工延误和成本高昂的维护。传统的人工检测仍然劳动密集且不一致，特别是在光照变化和复杂表面条件下。然而，很少有研究探讨了提高检测效果的方法。因此，本研究旨在提出一种轻量级的FasterNET-YOLOv5框架，用于工业应用中准确且鲁棒地检测预应力楔块缺陷。该框架实现了96.3%的检测精度、96.2%的召回率和96.5%的mAP@0.5，同时端到端推理速度比传统方法快18%，能够在便携式或嵌入式设备上部署系统配置，使该方法适用于实时工业检测。通过鲁棒性评估确认了针对车间检测光照条件的进一步实践指导，结果表明，白色照明背景在不完整螺纹和划痕缺陷方面提供了最平衡的性能。此外，还利用基于机械模型的反演方法将机器视觉的检测结果进行关联。研究结果还展示了该方法在螺纹、机加工和曲面零部件的智能、自动化、低成本质量控制中的更广泛3D表面检测任务中的应用潜力。总体而言，这项研究通过将基于深度学习的缺陷检测与工程级可靠性和部署可行性相结合，为计算检测系统做出了贡献。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏HOW THE INDUSTRIAL INTERNET OF THINGS CHANGES BUSINESS MODELS IN DIFFERENT MANUFACTURING INDUSTRIES
PREAI
分享收藏Short communication: A case study of stress monitoring with non-destructive stress measurement and deep learning algorithmsJi, Y.; Lu, Q.; Yao, Q. 短通讯：基于无损应力测量和深度学习算法的应力监测案例研究. Mech. Sci. 2022, 13, 291–296. [Google Scholar] [CrossRef]
PREAI
分享收藏Improved Light-Weight Target Detection Method Based on YOLOv5改进的基于YOLOv5的轻量级目标检测方法.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏EAD-YOLOv10: Lightweight Steel Surface Defect Detection Algorithm Research Based on YOLOv10 ImprovementEAD-YOLOv10: 基于YOLOv10改进的轻钢表面缺陷检测算法研究IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容