CN 41-1243/TG ISSN 1006-852X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的固结磨料研磨垫表面形态表征

胡伟栋 王占奎 董彦辉 张召 朱永伟

胡伟栋, 王占奎, 董彦辉, 张召, 朱永伟. 基于深度学习的固结磨料研磨垫表面形态表征[J]. 金刚石与磨料磨具工程, 2022, 42(2): 186-192. doi: 10.13394/j.cnki.jgszz.2021.0096
引用本文: 胡伟栋, 王占奎, 董彦辉, 张召, 朱永伟. 基于深度学习的固结磨料研磨垫表面形态表征[J]. 金刚石与磨料磨具工程, 2022, 42(2): 186-192. doi: 10.13394/j.cnki.jgszz.2021.0096
HU Weidong, WANG Zhankui, Dong Yanhui, ZHANG Zhao, ZHU Yongwei. Surface morphology characterization of fixed abrasive lapping pad based on deep learning[J]. Diamond & Abrasives Engineering, 2022, 42(2): 186-192. doi: 10.13394/j.cnki.jgszz.2021.0096
Citation: HU Weidong, WANG Zhankui, Dong Yanhui, ZHANG Zhao, ZHU Yongwei. Surface morphology characterization of fixed abrasive lapping pad based on deep learning[J]. Diamond & Abrasives Engineering, 2022, 42(2): 186-192. doi: 10.13394/j.cnki.jgszz.2021.0096

基于深度学习的固结磨料研磨垫表面形态表征

doi: 10.13394/j.cnki.jgszz.2021.0096
基金项目: 国家自然科学基金联合基金(U20A20293)。
详细信息
    通讯作者:

    朱永伟,男,1967年生,教授、博士生导师。主要研究方向:纳米材料的制备与应用、精密超精密加工等。E-mail: meeywzhu@nuaa.edu.cn

  • 中图分类号: TG58

Surface morphology characterization of fixed abrasive lapping pad based on deep learning

  • 摘要: 固结磨料研磨垫的表面形态与其加工性能有着密切关系,为更好地了解固结磨料研磨垫表面形态,尤其是研磨垫中的金刚石、孔隙、金刚石脱落坑等的分布特征,提出一种基于深度学习的固结磨料研磨垫表面形态分析方法。首先,利用徕卡DVM6数字显微镜及其配套软件获取固结磨料研磨垫表面图像;然后,采用python3+OpenCV对图像进行预处理,并利用标注软件Labelme对图像进行标注,用于后续的训练和测试;最后,运用深度学习框架Tensorflow搭建Mask R-CNN模型。结果表明:Mask R-CNN模型能对单一固结磨料垫表面图像中的多目标进行有效分割与识别,其主要评价指标平均准确率达到78.9%,达到了图像识别的主流水平。

     

  • 图  1  Mask R-CNN结构图

    Figure  1.  Mask R-CNN structure diagram

    图  2  残差模块

    Figure  2.  Residual block

    图  3  FPN+ResNet结构图

    Figure  3.  FPN+ResNet structure

    图  4  研磨垫表面图像

    Figure  4.  Lapping pad surface image

    图  5  目标类别与掩码

    Figure  5.  Target category and mask

    图  6  损失函数值随迭代次数变化图

    Figure  6.  Loss function value changes with the number of iterations

    图  7  识别结果

    Figure  7.  Recognition result

    表  1  固结磨料垫磨粒粒径与成孔剂占比

    Table  1.   Abrasive particle sizes and pore forming agent proportions of FAP

    垫子编号金刚石粒径 d / μm成孔剂质量分数 ω / %
    13830
    26030
    36040
    下载: 导出CSV

    表  2  类别特征描述

    Table  2.   Categorical characterization

    目标类别特征描述
    金刚石亮度高,具有折线轮廓
    孔隙亮度低,具有圆弧轮廓
    金刚石脱落坑亮度低,具有折线轮廓
    下载: 导出CSV

    表  3  模型部分超参数

    Table  3.   Some hyper parameters of the model

    参数名称参数值
    类别数3+1
    锚框比例0.5, 1.0, 2.0
    学习率0.000 1
    学习动量0.9
    下载: 导出CSV
  • [1] 墨洪磊. 固结磨料研磨垫的制备工艺优化 [D]. 南京: 南京航空航天大学, 2013.

    MO Honglei. Preparation optimization of fixed abrasive pad by thermosetting molding [D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2013.
    [2] 明舜, 李军, 张羽驰, 等. 磨粒尺寸和基体硬度对固结磨料抛光YAG晶体的影响 [J]. 金刚石与磨料磨具工程,2020,40(3):86-90.

    MING Shun, LI Jun, ZHANG Yuchi, et al. Effect of abrasive size and matrix hardness on fixed abrasive polishing of YAG crystal [J]. Diamond & Abrasives Engineering,2020,40(3):86-90.
    [3] 凌顺志, 墨洪磊, 汪忠喜, 等. 磨料尺寸对固结金刚石聚集体磨料垫研磨石英玻璃加工性能的影响 [J]. 金刚石与磨料磨具工程,2017,37(5):12-18.

    LING Shunzhi, MO Honglei, WANG Zhongxi, et al. Effect of abrasive sizes on processing characteristics of fixed diamond aggregations pad lapping quartz glass [J]. Diamond & Abrasives Engineering,2017,37(5):12-18.
    [4] 徐胜. 磨粒改性对固结磨料垫研磨蓝宝石性能的影响 [D]. 南京: 南京航空航天大学, 2016.

    XU Sheng. Effect of abrasive modification on sapphire lapping performance by fixed abrasive pad [D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2016.
    [5] 朱永伟, 王成, 徐俊, 等. 固结磨料研磨垫孔隙结构对其加工性能的影响 [J]. 光学精密工程,2014,266(4):911-917.

    ZHU Yongwei, WANG Cheng, XU Jun, et al. Influence of pore distribution of fixed abrasive pad on its machining performance [J]. Optics & Precision Engineering,2014,266(4):911-917.
    [6] 付杰. 固结磨料研磨抛光垫磨粒保持性能研究 [D]. 南京: 南京航空航天大学, 2013.

    FU Jie. Abrasives retaining performance of fixed abrasive pad [D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2013.
    [7] 霍凤伟, 金洙吉, 康仁科, 等. 细粒度金刚石砂轮表面磨粒识别研究 [J]. 大连理工大学学报,2007,47(3):358-362. doi: 10.3321/j.issn:1000-8608.2007.03.010

    HUO Fengwei, JIN Zhuji, KANG Renke, et al. Recognition of diamond grains on surface of fine diamond grinding wheel [J]. Journal of Dalian University of Technology,2007,47(3):358-362. doi: 10.3321/j.issn:1000-8608.2007.03.010
    [8] 贾坡, 田建艳, 杨英波, 等. 基于机器视觉的滚抛磨块缺陷检测方法 [J]. 金刚石与磨料磨具工程,2021,41(1):76-82.

    JIA Po, TIAN Jianyan, YANG Yingbo, et al. Defect detection method of abrasive block based on machine vision [J]. Diamond & Abrasives Engineering,2021,41(1):76-82.
    [9] 赵玉康, 毕文波, 葛培琪. 电镀金刚石线锯表面磨粒分布密度的多相机视觉检测 [J]. 金刚石与磨料磨具工程,2021,41(2):64-68.

    ZHAO Yukang, BI Wenbo, GE Peiqi. Multi-camera visual inspection of abrasives distribution density on electroplated diamond wire saw surface [J]. Diamond & Abrasives Engineering,2021,41(2):64-68.
    [10] 徐杨. 面向视频监控的动态目标检测、跟踪与识别关键技术研究 [D]. 沈阳: 东北大学, 2012.

    XU Yang. Research on key technologies of dynamic objects detection, tracking and recognition for video surveillance [D]. Shenyang: Northeastern University, 2012.
    [11] 杨智宏, 贺石中, 冯伟, 等. 基于Mask R-CNN网络的磨损颗粒智能识别与应用 [J]. 摩擦学学报,2021,41(1):105-114.

    YANG Zhihong, HE Shizhong, FENG Wei, et al. Intelligent identification of wear particles based on Mask R-CNN network and application [J]. Tribology,2021,41(1):105-114.
    [12] 肖潇. 基于深度学习的遥感图像处理系统的设计与实现 [D]. 北京: 北京邮电大学, 2019.

    XIAO Xiao. Design and implementation of remote sensing image processing system based on deep learning [D]. Beijing: Beijing University of Posts and Telecommunications, 2019.
    [13] 张娟娟, 宋圭辰, 刘斌, 等. 改进的基于Mask R-CNN的碳纤维图像分割方法 [J]. 中国科技论文, 2021, 16(11): 1189-1194, 1208.

    ZHANG Juanjuan, SONG Guichen, LIU Bin, et al. Improved Mask R-CNN image segmentation method for carbon fiber [J]. China Sciencepaper, 2021, 16(11): 1189-1194, 1208.
    [14] REN S Q, HE K M, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.
    [15] 付发, 未建英, 张丽娜. 基于卷积网络的遥感图像建筑物提取技术研究 [J]. 软件工程,2018,21(6):4-7.

    FU Fa, WEI Jianying, ZHANG Lina. A study of building extraction remote sensing imagery based on convolution network [J]. Software Engineering,2018,21(6):4-7.
    [16] 安超, 魏海军, 刘竑, 等. 基于Mask R-CNN的铁谱磨粒智能分割与识别 [J]. 润滑与密封,2020,45(3):112-117.

    AN Chao, WEI Haijun, LIU Hong, et al. Ferrographic wear debris intelligent segmentation and recognition based on Mask R-CNN [J]. Lubrication Engineering,2020,45(3):112-117.
    [17] 林志洁, 罗壮, 赵磊, 等. 特征金字塔多尺度全卷积目标检测算法 [J]. 浙江大学学报(工学版),2019,53(3):533-540.

    LIN Zhijie, LUO Zhuang, ZHAO Lei, et al. Multi-scale convolution target detection algorithm with feature pyramid [J]. Journal of Zhejiang University(Engineering Science),2019,53(3):533-540.
  • 加载中
图(7) / 表(3)
计量
  • 文章访问数:  296
  • HTML全文浏览量:  132
  • PDF下载量:  32
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-10-24
  • 修回日期:  2021-11-20
  • 录用日期:  2021-11-24
  • 刊出日期:  2022-05-27

目录

    /

    返回文章
    返回