(2)针对精密零件外观检测系统中，对大批量生产的精密零件快速检测和的实时性及准确性要求，将人类的视觉注意机制引入到零件检测中，提出了基于视觉显著性检测的目标检测算法，将自上而下的特征提取与自下而上的显著性检测相结合，实现目标精密零件的快速***。该方法根据离线先验知识对目标零件进行特征提取并创建样本模板，再对实时采集的待检精密零件图像进行自下而上的显著性检测缩小搜索范围，进而快速锁定检测目标。







通过参数分析实验及对比实验可见，本文提出的基于视觉显著性的精密零件检测算法运行时间在4ms左右，当合理设置匹配阈值时，检测成功率可以达到100％。本文提出的基于视觉显著性的精密零件检测算法运行时间短，检测成功率高，能够满足实际应用中的效率与准确性要求。(3)针对精密零件表面瑕疵分割和提取困难等问题，提出了基于图像重构集合和深度卷积网络的精密零件表面瑕疵检测方法。




为后续精密零件表面瑕疵检测技术的研究提供了重要依据。　　(4)针对小样本精密零件的检测问题，提出了基于合成样本学习的精密零件检测方法，设计了基于合成样本的精密零件视觉外观检测系统。基于合成样本学习的精密零件检测方法利用少量真实样本作为种子样本创建出大量合成样本，对卷积***网络进行精细训练。有效的解决了实际应用中仅有小样本数据进行检测网络训练的问题。







推出的几款切削刀具使行业的小零件加工更为,并且大幅提升了生产效率.尤其是用于小零件加工的纵切机床得到进一步发展,也带动了切消刀具不断推陈出新,由此便可提供大化机床利用率所需的.某些切消刀具领域已提升到新的性能水平,螺纹旋风铣和采用高压冷却(HPC)功能的车削就是两个突出的例子.为满足高质量,短交货期和零件价格竞争力,制造商成功地找到了优化生产设备的方法,以保证使用中的生产过程.然而,考虑到新工件或用途,这些制造商必须意识到所有机床并非都是一样的,高混合,小容量操作工作可能不太适合复杂,大容量的应用.