随着人工智能与制造业深度融合,制造过程的智能化必然对工件检测提出了更高的要求。为了提高工件检测的准确率和普适性,这里在研究深度学习相关理论的基础上,提出了一种基于深度学习工件检测方法。首先,对深度学习主流的模型结构YOLO与Faster-RCNN检测算法进行分析,构建基于深度学习的工件检测模型;然后,针对深度学习检测模型结构存在的问题,提出了API-MASK算法,优化了工件检测模型;在此基础上,采用深度学习框架Tensorflow对工件定位、分类及表面缺陷检测。实验表明,推荐的工件检测方法不仅具有较高的准确率,而且有较强的检测适应性,为工件柔性检测提供了一种途径。

在基于嵌入式系统的智能终端中,中文人机交互界面是必须的功能,某些系统还要求中文文本输入.本文介绍了一种占用较少资源并适于在MCU上实现的中文输入法.

探索了利用Pro/TOOLKIT二次开发软件,开发设计产品的工艺性审查分析系统,在设计的初期即展开工艺性自动审查分析,使之符合数字化制造的要求。

应用DEFORM-3D软件，对弧形推杆局部淬火热处理工艺过程进行了模拟分析，预测淬火过程中弧形推杆内部应力分布情况及最终的翘曲变形，根据分析结果优化了工艺方案，提高了产品质量。