基于Mask R-CNN网络的磨损颗粒智能识别与应用
摘要
针对设备磨损故障诊断中磨粒识别技术难度高、工作主观经验影响大等问题，采用深度学习技术开展了磨粒智能识别的研究，提出了基于Mask R-CNN卷积神经网络的磨粒数字化表征方法. 该方法利用迁移学习训练基于Mask R-CNN网络的磨粒识别模型对图像中磨粒进行识别和实例分割，然后使用Suzuki85算法、迭代算法、等比例计算方法计算出磨粒的真实尺寸，解决了磨粒分析中难定量分析的问题. 结果表明：基于Mask R-CNN网络(采用R-101-FPN骨干网络)训练的磨粒识别模型可以对图像中多个异常磨损颗粒进行识别，综合准确率和召回率达到当前图像识别领域的主流水平. 辅以上述Suzuki85等算法，成功实现磨粒图像的定量评价分析，对促进设备故障诊断技术的自动化发展和工业应用具有一定的实际应用价值.
引用本文（GB/T 7714）
杨智宏, 贺石中, 冯伟, 等. 基于Mask R-CNN网络的磨损颗粒智能识别与应用[J]. 摩擦学学报, 2021.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。