刊名 | 《机械工程》 | ||||
作者 | 李东霖 (宁夏工商职业技术学院 宁夏银川 750004) | 英文名 | Mechanical engineering | 年,卷(期) | 2025年,第1期 |
主办单位 | 环宇科学出版社 | 刊号 | ISSN:2661-3530(P)/2661-3549(O) | DOI |
本研究提出了一种基于深度学习的自动化装配线质量控制优化方案,旨在解决传统质量控制方法在高 效性和精准度上的不足。通过引入卷积神经网络(CNN)等深度学习模型,对装配线中的缺陷进行实时识别和 监控,显著提高了检测准确率和响应速度。方案结合边缘计算平台,将部分计算任务下放到本地设备,减少数 据传输延迟,提高了系统的实时性和稳定性。实验结果表明,该方案在质量控制中的应用,能够有效提升生产 效率,减少返工率和废品率,同时提升生产线的智能化水平。该方法具有较强的实际应用价值,适用于现代工 业中对质量控制精度和效率要求较高的生产环境。
营业时间:9;00-11:30 13:30-17:00
地址:总部:香港湾仔骆克道315-321号幸运广场23楼C室;分部:香港九龍新蒲崗太子道東704號新時代工貿商業中心31樓5-11室A03單位
邮箱:gjkzxtg@126.com
客服QQ:3577400288