通过参数分析实验及对比实验可见，本文提出的基于视觉显著性的精密零件检测算法运行时间在4ms左右，当合理设置匹配阈值时，检测成功率可以达到100％。本文提出的基于视觉显著性的精密零件检测算法运行时间短，检测成功率高，能够满足实际应用中的效率与准确性要求。(3)针对精密零件表面瑕疵分割和提取困难等问题，提出了基于图像重构集合和深度卷积网络的精密零件表面瑕疵检测方法。
该方法将训练数
细微紧密零件推荐
通过参数分析实验及对比实验可见，本文提出的基于视觉显著性的精密零件检测算法运行时间在4ms左右，当合理设置匹配阈值时，检测成功率可以达到100％。本文提出的基于视觉显著性的精密零件检测算法运行时间短，检测成功率高，能够满足实际应用中的效率与准确性要求。(3)针对精密零件表面瑕疵分割和提取困难等问题，提出了基于图像重构集合和深度卷积网络的精密零件表面瑕疵检测方法。
该方法将训练数据集中的精密零件图像进行自适应多尺度及随轮廓局部提取后，创建重构图像集合，再进行卷积神经网络的训练。所提出的基于图像重构的卷积神经网络能够同时实现多种不同类型瑕疵的有效检测。该方法在精密零件的垫伤、划痕和麻点瑕疵的检测中，均达到了97％以上的检测效果。同时，为了解决缺少带标注的精密零件样本库的问题，本文采集了一万幅精密零件的外观样本图像并对其瑕疵类型进行标注，创建了精密零件表面瑕疵样本数据库。
本申请公开一种配件的加工工装,包括:底板,主盒体,挡板和紧固螺栓;所述主盒体位于所述底板的一侧,所述主盒体与所述底板形成一容置空间,所述挡板位于所述容置空间内;所述主盒体的侧壁设置螺纹通孔,通过所述螺纹通孔所述紧固螺栓穿过所述主盒体的侧壁,所述紧固螺栓设有螺纹的一端与所述挡板相抵接;所述挡板包括挡板和第二挡板,所述挡板长度的延伸方向与方向平行,所述第二挡板长度的延伸方向与第二方向平行,所述方向与所述第二方向相交.以解决现有配件加工工装不能一次装夹多件,配件的毛坯件装夹时间较长,因装夹手法不同导致加工尺寸存在差异等问题.
（作者： 来源：）
