详情

基于深度学习的铸件缺陷检测与识别研究

申报人:汪东红 申报日期:2021-09-15

基本情况

第二十四期“上海交通大学大学生创新实践计划”项目
基于深度学习的铸件缺陷检测与识别研究
创新训练项目
工学
材料类
创新类
2021-09
2021-09
材料科学与工程学院
汪东红
指导教师
登录状态下查看

1. 国家自然科学基金委员会,重大项目课题,52090042,航空关键金属构件精密铸造过程与质量智能控制基础理论,2021-012025-12425万元,在研,参加;

2. 材料成形与模具技术国家重点实验室,开放课题基金,P2021-006,数据驱动高温合金复杂铸件近净成形技术研究,2020-112022-123万元,在研,主持;

3. 凝固技术国家重点实验室,开放课题基金,SKLSP202015,基于集成计算与数据驱动的高温合金复杂铸件精确成形研究,2020-012021-1210万元,在研,主持;

4. 中国航发南方工业有限公司,航发集团创新基金课题,20GFH-HF01-032,蜡模注射成型与尺寸精度控制研究,2019-122020-1238.7万元,结题,主持;

5. 国家自然科学基金委员会,青年项目,51705314,近净形熔模精铸蜡模变形机制及粘弹性行为研究,2018-012020-1225万元,结题,主持;

6. 国家科技部,国家重点研发计划课题,2016YFB0701405,新型铸造多晶高温合金设计及大型构建的全流程制备,2016-072020-61628万元,结题,参加;

7. 上海市科委,上海科技创新行动计划,14521100600,重大工程用关键材料的集成计算材料工程开发,2014-062017-6320万元,结题,参加。

提供实验室高性能服务器一台用于深度学习计算;提供铸件缺陷图像数据库用于深度学习;提供基本代码用于学生调试;对项目的基本原理和软件基本操作进行讲解和演示。
在航空发动机高温合金铸件与汽车铝铸件内部的缺陷检测中,X射线探伤是尤为重要的一个环节。针对现有的X射线图像缺陷检测方法存在人工识别不稳定、检测效率低、小目标检测准确率低等问题,提出一种基于改进的YOLOv5网络模型的铸件X射线图像缺陷识别方法。采用目前最先进的one-stage目标检测算法之一的YOLO v5算法,并通过大量实验对其进行改进。

选题成员

0

指导教师

序号 教师姓名 电子邮箱 所属学院
1 汪东红 登录状态下查看 材料科学与工程学院 第一指导教师

选题附件

结束