本文摘要：在机械工程中，及时修理和替换机床上的缺失零件是生产过程中的最重要组成部分。在滚珠丝杆传动的情况下，如那些在车床上用作准确地指导圆柱部件的生产，以及部件的磨损，到目前为止仍然是手工确认的。 卡尔斯鲁厄理工学院(KIT)生产技术研究所的JurgenFleischer教授说道:“我们的方法是将智能摄像机系统必要构建到驱动器中，使用户需要持续监控主轴状态。”这个新的系统融合了一个相连在驱动器螺母上的光源照相机和一个评估图像数据的人工智能(AI)。

在机械工程中，及时修理和替换机床上的缺失零件是生产过程中的最重要组成部分。在滚珠丝杆传动的情况下，如那些在车床上用作准确地指导圆柱部件的生产，以及部件的磨损，到目前为止仍然是手工确认的。

卡尔斯鲁厄理工学院(KIT)生产技术研究所的JurgenFleischer教授说道:“我们的方法是将智能摄像机系统必要构建到驱动器中，使用户需要持续监控主轴状态。”这个新的系统融合了一个相连在驱动器螺母上的光源照相机和一个评估图像数据的人工智能(AI)。当螺母在主轴上移动时，它不会拍到每个主轴部分的分开照片，从而需要分析整个主轴表面。将正在展开的操作者的图像数据与机器学习方法结合，可以使系统用户必要评估主轴表面的状况。

协助研发该系统的TobiasSchlagenhauf说道:“我们用数千张图像训练我们的算法，现在它可以很热情地辨别出有有缺陷的纺锤波和没缺失的纺锤波。通过更进一步评估图像数据，我们可以准确地限定版和说明磨损，从而区分变色是非常简单的污垢还是危害的麻点。

”在训练人工智能时，该团队考虑到了所有有可能的可见发育形式，后用模型从未见过的新图像数据检验了算法的功能。目前该算法限于于辨识主轴表面基于图像的缺失，可推展到其它应用领域。

本文来源：皇冠官方链接-www.jackiefewell.com