排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
原子级制造是指将能量作用于原子,通过原子级材料的可控去除或者原子/分子级结构的大规模操控及组装,实现产品性能与功能跃迁的前沿制造技术,是一种可以大规模、批量化的先进制造技术。该过程需要在10-10 m空间尺度下精确操控原子。同时,制造过程中原子的键合时间、电子动力学变化均发生在飞秒(10-15 s)至阿秒(10-18 s)量级。因此,只有具备超快时间和空间分辨在线检测与表征能力,才能够深入了解并利用原子级制造过程中原子尺度的新原理、新效应,保障原子级制造的可达性与可控性;只有实现原子级制造过程的高通量、大范围的在线监测,才能保障原子级制造的可靠性。基于此,原子级制造的测量与表征是指在原子级的时间、空间、能量尺度上对材料、结构或器件进行精确的测量和表征,以保障原子级制造的可达性、可控性与可靠性。本文介绍了原子级制造所需的测量表征手段的研究现状,从原子级超快动力学过程观测、原子结构演变原位表征、原子级制造过程在线质量监测三大方向进行系统梳理,总结了目前原子级制造测量与表征的挑战并针对未来发展给出建议。 相似文献
2.
作为一种传统的纺织产品,金属丝网在工业生产、日常生活、科研等领域起着举足轻重的作用,而金属丝网在编制过程中,表面会产生斑点、断线等缺陷,严重影响金属丝网的质量。为保障产品质量,研究了一种基于改进Faster RCNN算法的金属丝网表面缺陷检测方法。首先,为提高模型缺陷特征提取能力,特征提取网络选用深度残差网络（ResNet50）代替原视觉几何群网络（VGG16）,并引入注意力模块;随后,训练过程中利用有预热的余弦退火学习率衰减机制,以提高网络检测精度;同时引入k-means算法和遗传算法,设计了更适合金属丝网数据集的锚框尺寸,以提高候选框的精度,解决缺陷定位不准的问题。经实验验证,利用改进Faster RCNN算法检测的平均精度均值（mean average precision,mAP）达86.95%,较原Faster RCNN算法提高18.81%,为金属丝网缺陷的检测提供了一个有效可行的方案。 相似文献
1