Biblioteca73.326 documentos en línea

Artículo

A Partial Hierarchical Model for Online Low-Resolution Wear Particle Images ClassificationUn modelo jerárquico parcial para la clasificación en línea de imágenes de partículas de desgaste de baja resolución

Resumen

El análisis de imágenes de partículas de desgaste es un método eficaz para detectar el estado de desgaste de los dispositivos mecánicos. Sin embargo, la precisión y la eficacia del reconocimiento automático de las partículas de desgaste en línea son siempre mutuamente restringidas porque las imágenes de partículas de desgaste en línea casi no tienen información de textura y carecen de claridad. Especialmente para confundir las partículas de desgaste por fatiga y las partículas de desgaste por deslizamiento, el reconocimiento en línea es una tarea difícil. Sobre la base de este requisito, se propone una técnica de reconstrucción de superresolución y una red neuronal convolucional jerárquica parcial, SR-PHnet, para clasificar las partículas de desgaste en un solo paso. La estructura de esta red se compone de tres módulos, uno es el módulo de capa de superresolución, el segundo es el módulo clasificador de red neuronal convolucional, y el tercero es el módulo clasificador de máquina de vectores de apoyo (SVM). El resultado de la clasificación del segundo módulo es una entrada parcial al tercer módulo para la clasificación de precisión de las partículas de fatiga y deslizamiento. Además, se propone una nueva característica de factor de borde radial (REF) para clasificar las partículas de fatiga y desgaste por deslizamiento. El resultado de la prueba muestra que la nueva característica tiene la capacidad de distinguir bien las partículas de fatiga y de deslizamiento y de ahorrar tiempo. Se realizan experimentos de comparación entre el método de la red neuronal de convolución (CNN), el método de la máquina de vectores de apoyo (SVM) con y sin la característica REF, y el modelo integrado de retropropagación (BP) y CNN. Los resultados de la comparación muestran que la velocidad de reconocimiento en línea y la tasa de reconocimiento en línea del modelo SR-PHnet propuesto en este trabajo mejoran notablemente, especialmente para las partículas de fatiga y desgaste por deslizamiento.

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento