使用简易光学装置与人工神经网络进行表面形貌表征
计算机视觉与模式识别
2022-07-11 v4
摘要
量化大型内燃机缸套磨损的最先进方法需要拆卸并切割缸套。随后基于实验室的高分辨率微观表面深度测量根据承载负荷曲线（Abbott-Firestone曲线）定量评估磨损。此类方法具有破坏性、耗时且昂贵。本研究的目标是开发非破坏 yet 可靠的量化表面形貌的方法。提出了一种新颖的机器学习框架，可从用手持显微镜采集的缸套表面RGB图像预测承载负荷曲线。一种涉及两个神经网络模块的联合深度学习方法同样优化了表面粗糙度参数的预测质量，并使用包含422对对齐深度剖面与反射图像的自建数据库训练。观测到的成功表明其在发动机服役期间现场磨损评估的巨大潜力。
引用
@article{arxiv.2103.08482,
title = {Surface Topography Characterization Using a Simple Optical Device and Artificial Neural Networks},
author = {Christoph Angermann and Markus Haltmeier and Christian Laubichler and Steinbjörn Jónsson and Matthias Schwab and Adéla Moravová and Constantin Kiesling and Martin Kober and Wolfgang Fimml},
journal= {arXiv preprint arXiv:2103.08482},
year = {2022}
}