【技术实现步骤摘要】
本专利技术涉及钢体表面粗糙度检测，具体而言，涉及一种基于毫米波雷达的钢体表面粗糙度检测方法与系统。
技术介绍
1、钢体表面粗糙度的检测对于工业制造和品质控制至关重要，目前的检测方法主要分为传统的接触式和现代的非接触式两大类。传统的接触式方法包括比较法、印模法和触针法。比较法依赖于人的主观判断，容易受到操作者技能水平和主观因素的影响，因此不利于实现自动化和标准化。印模法通常需要在钢体表面留下印痕或者使用特定的印模材料，这可能对表面造成破坏或影响其后续的使用性能。触针法通过机械触针测量表面的微小高低差，虽然能提供精确的数据，但测量时间长且有可能对表面造成损伤。
2、相比之下，现代的非接触式方法展现出更广阔的应用前景。散斑对比法、实时全息法和光切法等方法利用激光技术或光学原理，能够在不接触钢体表面的情况下精确测量其粗糙度。这些方法虽然精度高，但也面临着设备成本高昂、技术复杂以及对环境光干扰敏感等挑战。
3、因此针对当前的技术状况，研发一种成本低廉、操作简便且能实现自动化的非接触式钢体表面粗糙度检测方法显得尤为迫切和重要
【技术保护点】
1.一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，所述将所述特征向量作为样本输入到CNN-LSTM回归神经网络中进行训练得到钢体表面粗糙度检测模型，包括：
3.根据权利要求2所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，在钢体表面粗糙度检测模型训练过程中，选用均方误差作为损失函数，且损失函数为：
4.根据权利要求3所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，所述使用所述钢体表面粗糙度检测模型完成目标钢体...
【技术特征摘要】
1.一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，所述将所述特征向量作为样本输入到cnn-lstm回归神经网络中进行训练得到钢体表面粗糙度检测模型，包括：
3.根据权利要求2所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，在钢体表面粗糙度检测模型训练过程中，选用均方误差作为损失函数，且损失函数为：
4.根据权利要求3所述的一种基于毫米波雷达的钢体表面粗糙度检测方法，其特征在于，所述使用所述钢体表面粗糙度检测模型完成目标钢体表面粗糙度的检测，包括：
5.根据权利要求4所述的一种基于...
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。