1 厦门理工学院，厦门市智能制造高端装备研究重点实验室，福建 厦门 361024
2 厦门理工学院机械与汽车工程学院，福建 厦门 361024
激光清洗为工业清洗提供了优选方案，然而激光清洗机制是高度非线性的物理过程，造成激光清洗的检测困难。试验通过工艺分析与视觉图像分析激光除漆过程，建立了完备标准化的激光除漆图像数据集，采用卷积神经网络框架，优化深度残差网络以适用于除漆多类别分类的检测任务，在测试样本判别上实现了98.75%的准确率。证明了卷积神经网络在除漆判别任务上的泛用性，具有潜在的研究意义与实用价值。
图像处理 激光清洗 视觉检测 深度学习 image processing laser cleaning visual inspection deep learning
厦门理工学院 机械与汽车工程学院, 厦门 361024
为了解决激光除漆声学监测方法难以满足实际生产需要的问题, 采用贝叶斯判别方法进行了理论分析和实验验证, 将除漆过程分为正在清洗、清洗完成且基底无损伤、基底损伤3种类别, 结合光声效应分析除漆声信号在清洗过程的变化, 提取特征参量建立判别模型, 实现了对激光除漆的定量判别。结果表明, 训练样本准确率达到99%, 测试样本准确率达到98.7%。该方法具有较高的准确性和实用性, 可为激光清洗声学监测的研究提供借鉴。
激光技术 激光清洗 声学监测 贝叶斯判别 光声效应 laser technique laser cleaning acoustic monitoring Bayesian discriminantion photoacoustic effect
