哈哈哈哈哈操欧洲电影,久草网在线,亚洲久久熟女熟妇视频,麻豆精品色,久久福利在线视频,日韩中文字幕的,淫乱毛视频一区,亚洲成人一二三,中文人妻日韩精品电影

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種利用神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)半透明材料缺陷的新方法

MEMS ? 來(lái)源:MEMS ? 作者:MEMS ? 2021-01-09 10:45 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

俄羅斯托木斯克理工大學(xué)開發(fā)出一種利用神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)半透明材料缺陷的新方法,測(cè)量精度超過(guò)所有其他方法。相關(guān)研究結(jié)果發(fā)表在最近的《無(wú)損評(píng)估》上。

紅外加熱裝置(來(lái)源:俄羅斯托木斯克理工大學(xué))


玻璃纖維是一種由多種成分組成的復(fù)合材料,由于其良好的抗拉強(qiáng)度,廣泛用于航空航天、汽車、能源和其他行業(yè)。無(wú)損檢測(cè)是任何現(xiàn)代材料生產(chǎn)和運(yùn)營(yíng)不可或缺的部分,包括檢測(cè)材料的強(qiáng)度、可靠性和其他特性,以及檢測(cè)材料中的結(jié)構(gòu)缺陷。

紅外熱成像是最常見(jiàn)的無(wú)損檢測(cè)方法之一,在這一過(guò)程中,通常使用大功率光學(xué)燈加熱材料,并用熱像儀監(jiān)控表面溫度。如果材料有缺陷,將比完整的樣品加熱或冷卻得更快或更慢。因此,這種方法可以在短時(shí)間內(nèi)監(jiān)測(cè)較大的表面而不會(huì)與材料接觸,較好地分析結(jié)果。但是玻璃纖維的半透明性,限制了這種無(wú)損檢測(cè)方法的使用。

托木斯克理工大學(xué)無(wú)損檢測(cè)和安全工程學(xué)院研究人員阿列克謝·莫斯科夫琴科表示,在不透明的物體中,光首先被材料的表面吸收并轉(zhuǎn)化為熱量,然后表面熱量擴(kuò)散到材料深處。而在半透明材料中,一部分光穿過(guò)材料被整個(gè)厚度吸收,從而導(dǎo)致材料內(nèi)部受熱不均勻代替了材料的表面受熱現(xiàn)象。因此,建立在表面受熱物理學(xué)基礎(chǔ)之上的各種方法就無(wú)效了。

研究人員開發(fā)的使用人工神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)半透明材料缺陷的新方法,主要包括檢測(cè)時(shí)使用的算法軟件,其有效性取決于用于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的數(shù)據(jù)的數(shù)量和質(zhì)量,對(duì)于特定的材料和設(shè)備,可以對(duì)網(wǎng)絡(luò)學(xué)習(xí)進(jìn)行訓(xùn)練,使測(cè)量精度超過(guò)其他方法。

目前,該軟件正在實(shí)驗(yàn)室進(jìn)一步研究,研究人員計(jì)劃繼續(xù)改進(jìn)算法以提高其準(zhǔn)確性。

責(zé)任編輯:lq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4840

    瀏覽量

    108129
  • 測(cè)量
    +關(guān)注

    關(guān)注

    10

    文章

    5706

    瀏覽量

    116958
  • 紅外熱成像
    +關(guān)注

    關(guān)注

    3

    文章

    505

    瀏覽量

    16134

原文標(biāo)題:神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)玻璃鋼缺陷精度高

文章出處:【微信號(hào):MEMSensor,微信公眾號(hào):MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    用于窄帶匹配高速射頻ADC的全新方法

    本期,為大家?guī)?lái)的是《用于窄帶匹配高速射頻 ADC 的全新方法》,介紹了一種用于窄帶匹配高速射頻 ADC 的全新方法,以解決高中間頻率系統(tǒng)中 ADC 前端窄帶匹配的設(shè)計(jì)難題,可在 ADC 額定帶寬內(nèi)應(yīng)用,能提升 ADC 性能、減
    的頭像 發(fā)表于 01-04 15:56 ?7431次閱讀
    用于窄帶匹配高速射頻ADC的全<b class='flag-5'>新方法</b>

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?434次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2215次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的般化建議

    :Dropout層隨機(jī)跳過(guò)神經(jīng)網(wǎng)絡(luò)模型中某些神經(jīng)元之間的連接,通過(guò)隨機(jī)制造缺陷進(jìn)行訓(xùn)練提升整個(gè)神經(jīng)網(wǎng)絡(luò)的魯棒性。 6)指定合理的學(xué)習(xí)率策略:
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練個(gè)手寫數(shù)字識(shí)別的神經(jīng)
    發(fā)表于 10-22 07:03

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的
    的頭像 發(fā)表于 09-28 10:03 ?1508次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1268次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速<b class='flag-5'>技術(shù)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+第二章 實(shí)現(xiàn)深度學(xué)習(xí)AI芯片的創(chuàng)新方法與架構(gòu)

    、Transformer 模型的后繼者 二、用創(chuàng)新方法實(shí)現(xiàn)深度學(xué)習(xí)AI芯片 1、基于開源RISC-V的AI加速器 RISC-V是一種開源、模塊化的指令集架構(gòu)(ISA)。優(yōu)勢(shì)如下: ①模塊化特性②標(biāo)準(zhǔn)接口③開源
    發(fā)表于 09-12 17:30

    基于硬件的無(wú)位置傳感器無(wú)刷直流電機(jī)啟動(dòng)新方法

    針對(duì)傳統(tǒng)的無(wú)位置傳感器無(wú)刷直流電機(jī)控制的起動(dòng)需采用復(fù)雜的軟件、成本高、定位不準(zhǔn)確、容易堵轉(zhuǎn)的缺陷,提出了一種通過(guò)檢測(cè)線電壓差獲得轉(zhuǎn)子位置的方法。提出的
    發(fā)表于 08-07 13:30

    芯片制造中高精度膜厚測(cè)量與校準(zhǔn):基于紅外干涉技術(shù)新方法

    、環(huán)境光干擾及薄膜傾斜等因素限制,測(cè)量精度難以滿足高精度工業(yè)需求。為此,本研究提出一種融合紅外干涉與激光校準(zhǔn)的薄膜厚度測(cè)量新方法,旨在突破傳統(tǒng)技術(shù)瓶頸,實(shí)現(xiàn)更精準(zhǔn)、
    的頭像 發(fā)表于 07-21 18:17 ?3126次閱讀
    芯片制造中高精度膜厚測(cè)量與校準(zhǔn):基于紅外干涉<b class='flag-5'>技術(shù)</b>的<b class='flag-5'>新方法</b>

    無(wú)刷直流電機(jī)反電勢(shì)過(guò)零檢測(cè)新方法

    附件免費(fèi)獲取完整資料~~~ *附件:無(wú)刷直流電機(jī)反電勢(shì)過(guò)零檢測(cè)新方法.pdf 【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題,請(qǐng)第時(shí)間告知,
    發(fā)表于 06-26 13:50

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    MATLAB/SIMULINK工具對(duì)該方法進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明該方法在全程速度下效果良好。 純分享帖,點(diǎn)擊下方附件免費(fèi)獲取完整資料~~~ *附件:無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54
    丹棱县| 怀远县| 西峡县| 达州市| 广安市| 昭平县| 醴陵市| 闽清县| 梨树县| 南投县| 泸定县| 湖口县| 衡水市| 丘北县| 湖北省| 静乐县| 自贡市| 宁波市| 定边县| 茌平县| 沙田区| 兴山县| 延边| 册亨县| 淮南市| 山阳县| 德兴市| 离岛区| 信丰县| 南木林县| 咸宁市| 宁武县| 蕉岭县| 新平| 云霄县| 青铜峡市| 大英县| 军事| 金寨县| 九龙坡区| 沿河|