【技术实现步骤摘要】
本专利技术属于机器学习、计算机视觉和冲击动力学领域，特别是涉及一种穿刺实验执行与穿刺数据采集、分析方法及设备。
技术介绍
1、当前，穿刺实验通常依赖人工操作，而这种方式存在显著的危险因素。穿刺实验是一种具有危险性的实验操作任务，通常需要精确控制初始冲击动能、测量穿刺峰值力以及确定最大穿透层数等关键参数。
2、机器视觉技术结合了图像处理和深度学习方法，能够自动识别和分析实验过程中的关键特征。通过使用机器视觉技术，可以自动检测可能的危险情况，例如工作人员在进行实验时手部姿态在落锤试验机底座上的情况，实时监测和自动警示可以减少人为操作实验时的风险。另外，现有的穿刺实验数据获取方法具有局限性，逐渐调整关键参数，以全面了解它们的规律性具有重要意义。
3、因此，亟需一种穿刺实验执行与穿刺数据采集、分析方法，改善实验安全性和数据质量，为该领域的研究和应用提供更可靠的支持；改变穿刺实验领域的方式，使其更安全、高度自动化，数据获取与分析更全面。
技术实现思路
1、本专利技术的目的是提供一种穿刺实验执行与穿刺数据采集、分析方法及设备，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种穿刺实验执行与穿刺数据采集、分析方法，包括：
3、步骤一：进行穿刺实验准备工作，过程中采用图像识别神经网检测工作人员工作状态，通过工作状态判断准备工作是否完成，判断完成后，进行步骤二；其中，准备工作包括：将穿刺样本固定在落锤试验机底座上，将刀具安装到冲击
4、步骤二：进行穿刺实验并采集穿刺数据，单次穿刺完成后采集穿刺样本图像；将所述穿刺数据与穿刺样本图像导入计算机并进行显示；
5、步骤三：改变穿刺实验参数，按照步骤二进行多次实验，获得若干组穿刺实验数据，采用统计学方法对若干组穿刺实验数据进行分析，获得穿刺数据变化规律。
6、可选的，所述步骤一还包括构建图像识别神经网络并训练，所述图像识别神经网络为卷积神经网络，包括基础卷积网络和额外卷积层；所述基础卷积网络包括12个卷积层、4个最大池化层和1个全连接层；所述额外卷积层包括两个残差网络模块和3个全连接层，所述残差网络模块包括两个卷积核为1x1、步长为1的卷积层、一个卷积核为3x3、步长为2的卷积层及一个卷积核为1x1、步长为2的卷积层。
7、可选的，所述步骤一中训练图像识别神经网络的过程包括：获取若干张实验人员进行准备工作时的手部姿态图像，所述手部姿态图像具有不同大小；基于不同尺寸的锚框将不同大小的手部姿态图像划分为正样本与负样本；设计损失函数，基于正样本与负样本、损失函数对所述图像识别神经网络进行训练。
8、可选的，所述损失函数如下：
9、
10、式中，p为锚框的预测大小，t为目标的实际大小，n为样本数量，res1为第一个残差模块的误差，res2为第二个残差模块的误差，lconf为置信度误差，lloc为位置误差；
11、残差模块的误差计算公式为：
12、
13、式中，res_pred为每个残差模块的预测值，res_true为每个残差模块的输入真实值。
14、可选的，所述步骤二中采集穿刺数据的过程包括：将力传感器设置于刀具底部与冲击器之间，所述穿刺样本包括若干层，以固定层数间隔在若干层穿刺样本中铺设铝膜，并将铝膜连接导数据采集仪；进行穿刺实验时，通过力传感器获取穿刺冲击力，基于铝膜与数据采集仪获取穿透层数。
15、可选的，所述步骤三中改变穿刺实验参数，按照步骤二进行多次实验的过程包括：设置刀具下落高度范围，采用梯度化方法设定实验间隔高度，进行多次实验，相同高度采用不同样本进行重复实验。
16、可选的，所述步骤三中对若干组穿刺实验数据进行分析的过程包括：采用z-score方法对若干组穿刺实验数据进行异常值检测，根据z分数值的偏离程度剔除异常值后，对穿刺实验数据求平均值，获得刀具初始冲击动能、穿刺冲击力峰值和穿透层数与不同穿刺样本图像的对应关系。
17、本专利技术还提供一种穿刺实验执行与穿刺数据采集、分析设备，其特征在于，包括：
18、穿刺任务执行模块，用于执行刀具从不同高度垂直下落穿刺样本的穿刺实验，包括落锤试验机，冲击器、与刀具；
19、实时危险监测模块，用于对穿刺实验区域进行实时的图像采集与分析，判断是否有工作人员操作，若有，则播放警示音，否则保持静默状态；
20、穿刺数据采集模块，用于对穿刺实验过程中的穿透层数、穿刺冲击力以及穿刺样本图像进行获取；
21、穿刺数据显示模块，用于将单次穿刺实验中的穿透层数，穿刺冲击力峰值与穿刺样本图像显示在液晶屏幕中；
22、处理器运行模块，用于对数据采集仪和示波器分别采集到的穿透层数、穿刺冲击力进行分析处理获得刀具的穿透层数和穿刺冲击力峰值；
23、存储模块，对穿刺实验进行过程中的穿刺实验数据进行保存。
24、可选的，所述穿刺任务执行模块包括由4根长度为210厘米的标准钢管组成落锤试验机的垂直骨架，由12根长度为80厘米的钢管作为落锤试验机水平方向的固定；冲击器下方设置有刀具的夹持工具及监测刀具冲击力的力传感器；距落锤试验机底部一定距离设置位移传感器。
25、本专利技术的技术效果为：
26、本专利技术将穿刺样本固定在落锤试验机上准备穿刺实验；本专利技术提出的实时危险监测的神经网络方法，实现对实验人员工作时手部姿态的监控和示警；在警报保持静默状态后，进行穿刺实验并采集穿刺过程中的图像信息以及穿刺初始动能、最大穿透层数和穿刺峰值力等关键参数。将数据采集结果显示在液晶显示屏中。通过梯度化的实验设置，重复实验并获取刀具不同下落时的穿刺过程参数的变化规律。相关领域技术人员与实验人员使用本专利技术提出的方法及设备开展实验研究，可以有效避免穿刺实验过程中的危险性，同时获得更加全面的数据采集。
本文档来自技高网...【技术保护点】
1.一种穿刺实验执行与穿刺数据采集、分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
3.根据权利要求2所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
4.根据权利要求3所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
5.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
6.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
7.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
8.一种实现权利要求1-7任一项所述的一种穿刺实验执行与穿刺数据采集、分析方法的设备，其特征在于，包括：
9.根据权利要求8所述的穿刺实验执行与穿刺数据采集、分析设备，其特征在于，
【技术特征摘要】
1.一种穿刺实验执行与穿刺数据采集、分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
3.根据权利要求2所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
4.根据权利要求3所述的穿刺实验执行与穿刺数据采集、分析方法，其特征在于，
5.根据权利要求1所述的穿刺实验执行与穿刺数据采集、分...
【专利技术属性】
技术研发人员：张宏，刘梦真，黄广炎，李豪天，徐媛媛，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。