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
厦门理工学院机械与汽车工程学院, 福建 厦门 361024
针对激光除漆的在线监测问题, 搭建声学监测实验平台, 研究激光除漆过程的声学监测技术。结合表面形貌和信号处理, 通过时域和频域分析, 发现了声波正压峰值、脉冲波形持续时间、清洗频率分量、直流分量和第一个谱峰的频率等一系列特征参数, 并通过逐步判别分析方法得到判别函数。研究表明, 除漆声信号可以提供有效的特征信息, 通过对清洗特征的判别可以实现对激光除漆的过程监测, 具有进一步实用的潜力。
激光清洗 声学监测 除漆 清洗特征 laser cleaning acoustic monitoring paint removal cleaning signal characteristics
