基于三维测绘数据的模具表面缺陷识别与自适应修复算法研究OA
在现代工业生产中,模具表面质量对产品品质影响重大,本文旨在构建高效的模具表面缺陷识别与修复体系,提升模具生产与维护水平。采用激光扫描和结构光测量技术获取模具3D测绘数据,经数据滤波、降噪、配准等预处理后,通过构建包含特征提取与模式识别的算法模型,利用深度学习(DL)的卷积神经网络(CNN)进行模具表面缺陷识别。同时,基于缺陷特征,运用决策树模型和路径规划算法等设计自适应修复算法。结果显示,缺陷识别算法对裂纹、磨损、凹坑缺陷的识别准确率分别达95.2%,93.8%,94.5%,召回率分别为94.8%,92.6%,93.7%。自适应修复后,模具表面粗糙度显著降低,修复区域结合强度平均值达45 MPa,硬度差值平均值控制在5 HB以内,磨损量平均值为0.05 g。研究表明,基于3D测绘数据的模具表面缺陷识别与自适应修复算法切实有效,为模具制造与维护领域提供了有力的技术支持。
梁艳绒;黄蓉
渭南职业技术学院,陕西渭南714000渭南职业技术学院,陕西渭南714000
矿业与冶金
3D测绘数据模具表面缺陷识别算法自适应修复工业生产
《模具技术》 2026 (3)
P.134-140,7
渭南职业技术学院2025年校级教改项目(编号:25WJYY22)陕西省“十四五”教育科学规划2025年度课题(编号:SGH25Y4069)。
评论