价格:未填
起订:1
发货:1天内

发送询价

8分钟前 湖北微小精密零件加工咨询了解更多「纳祥精密」[纳祥精密1266863]内容：该方法将训练数据集中的精密零件图像进行自适应多尺度及随轮廓局部提取后，创建重构图像集合，再进行卷积神经网络的训练。所提出的基于图像重构的卷积神经网络能够同时实现多种不同类型瑕疵的有效检测。该方法在精密零件的垫伤、划痕和麻点瑕疵的检测中，均达到了97％以上的检测效果。同时，为了解决缺少带标注的精密零件样本库的问题，本文采集了一万幅精密零件的外观样本图像并对其瑕疵类型进行标注，创建了精密零件表面瑕疵样本数据库。

为后续精密零件表面瑕疵检测技术的研究提供了重要依据。　　(4)针对小样本精密零件的检测问题，提出了基于合成样本学习的精密零件检测方法，设计了基于合成样本的精密零件视觉外观检测系统。基于合成样本学习的精密零件检测方法利用少量真实样本作为种子样本创建出大量合成样本，对卷积神经网络进行精细训练。有效的解决了实际应用中仅有小样本数据进行检测网络训练的问题。

本实用新型公开了一种维修用的零件收纳装置,包括放置板,辅助取件单元和安装单元,所述放置板的上端面偏后端设有大零件收纳单元,所述大零件收纳单元包括放置槽,所述放置槽的内部设有均匀分布的隔板,所述放置板的上端面偏前端设有均匀分布的小零件收纳单元,所述小零件收纳单元包括放置筒,所述放置筒的下端和放置板的上端面连接,所述放置板的下端设有维修工具收纳单元,所述辅助取件单元和维修工具收纳单元连接;本实用新型可以同时实现对大小零件的收纳放置,同时能够实现对零件的分类放置,还能够辅助使用者进行微小零件的取用.