仪器侠
下载贤集网APP入驻自媒体
表面粗糙度直接决定着工件的性能和使用寿命，由于传统的基于光学或三维形貌的表面粗糙度检测方法存在对工件表面清洁状态及操作环境要求较高等问题，因此，华东交通大学电气与自动化工程学院的研究人员蔡智超、孙翼虎、赵振勇、李毅博，在2022年第15期《电工技术学报》上撰文，提出一种基于深度学习的非接触式电磁超声表面粗糙度识别方法。 研究人员指出，该方法具有较高的预测精度与稳定性，解决了超声信号信噪比较低而导致信号特征识别困难的问题，同时减少了特征提取过程对于人工干预的依赖。
