Resumen

La clasificación y detección de defectos en la postproducción de rodamientos todavía depende de la detección manual, lo cual es un proceso que consume tiempo y es tedioso. Para abordar esto, proponemos una red de clasificación de defectos en rodamientos basada en un autoencoder para mejorar la eficiencia y precisión en la detección de defectos en rodamientos. Se utiliza un autoencoder mejorado para extraer características de dimensiones reducidas y reducir imágenes a gran escala a imágenes de pequeña escala a través de la reducción dimensional del codificador. La clasificación de defectos se realiza alimentando las características extraídas en una red de clasificación convolucional. Experimentos comparativos muestran que la red neuronal puede completar de manera efectiva la selección de características y mejorar sustancialmente la precisión de la clasificación, evitando el laborioso algoritmo del método convencional.

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Postproducción; Clasificación de defectos; Rodamientos; Detección manual; Autoencoder; Red neuronal
• Keywords:Postproduction; Defect classification; Bearings; Manual detection; Autoencoder; Neural network