汽车气缸盖锻件在生产过程中容易出现各种裂纹,影响产品质量。针对当前气缸盖锻件检测缺陷精度和效率低的问题,提出了一种基于YOLOv5网络改进的算法模型YOLOv5-MG。首先,搭建图像采集平台,制作气缸盖锻件缺陷样本数据集。然后,将YOLOv5 Head架构SPP-YOLO替换为Decoupled Head结构,提高模型的准确率和效率;使用双向特征金字塔(bidirectional feature pyramid network,BiFPN)替换YOLOv5网络原来的路径聚合网络(path aggregation network,PANet),增强图像浅层特征信息与深层特征信息的融合;引入完备交并(completeintersectionoverunion,CIoU)的计算方法提升算法检测的定位精度。实验表明,改进的算法在测试集上的均值平均精度达到了99.81%,F1的分值为0.99,浮点运算数为17.2B。相较于其他深度学习模型,该方法有效地提高了气缸盖锻件的缺陷检测效率和精度,能够满足缺陷检测的要求。

航天器推进剂在轨剩余量测量一直是航天器在轨管理所面临的一个难题.提出采用超声波流量计测量推进剂在轨剩余量的方法,并给出了超声波流量计的设计方案.设计的新型超声波流量计结构,通过改变超声换能器的安装方式,从而延长了超声波传播路径,减少了传播过程中超声波的衰减.通过以单片机和FPGA为主控制器、以高精度时间测量芯片作为数据采集模块的流量计软硬件系统实现了超声波流量计对液体流量的高精度测量.通过恒速测试、交变流速测试和总量测试表明,该系统测量精度达到了0.5%,可满足目前航天器推进系统推进剂剩余量的在轨测量要求.