.png){kind=icon}
返回
Neural computing-based multi-view vision system for precise bolt looseness detection
.png){kind=icon}
PRE
AI
DOI：10.1080/13287982.2025.2588821.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在工程领域，维持螺栓连接的完整性至关重要。在动态载荷下螺栓松动可能会危及结构安全。我们提出了一种基于YOLOv11的鲁棒性神经网络方法，通过姿态估计来检测螺栓的相对旋转松动。该研究使用包含419张螺栓图像和385张螺母图像的数据集进行训练和评估。该方法实现了平均相对角度误差为0.94，预测置信度高达98%，且在复杂光照条件下仍保持可靠性，最大误差为3。这一创新方法为监测螺栓松动提供了高度可靠且精确的工具，甚至能检测微小的旋转运动，从而提升各类工程结构中螺栓连接的安全性与可靠性。
Keyword:
Bolt looseness detection
YOLOv11
pose estimation
structural reliability
期刊
A
IF:
1.3
论文数:
25
被引数:
0
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
.png){kind=icon}
OAAI分享收藏
查看更多内容