莱洛特小龙门920c硬度计

 型号：HB3000-920C

外观以实物为准

重要注意事项和安全信息

important notice s and safety information

主要特点:

底座及工作台采用精密铸造工艺，坚固耐用；

采用先进的工业PC机控制系统，功能强调，接口丰富。自主研发图像测量

系统，对试样自动测量、显示测试结果，并将数据保存。可选择蓝牙打印或上传

网络；

采用数控机床设计理念XYZ三轴均采用伺服电机控制驱动，响应速度快，运

行精度高，噪音低；

高度集成控制系统，具有机构紧凑，抗干扰性强，故障率低等特点；

选配5点自动检测编程功能，对于批量件，依靠工装定位，可自动对设置坐

标点连续自动检测；

检测头具有激光定位、检测压头、工业相机3个工位；

采用自主研发高分辨率独立加荷控制系统，可满足187.5-30000KN加荷需求     

精度符合GB/T231.2标准。

主要技术指标

Main Specifications

装 箱 单

Packing List

应用场景

application scenarios

布氏硬度计因其压痕面积大，能反映材料综合性能，在多个领域有广泛应用 。以下是一些常见的应用场景：

冶金行业：用于检测碳钢、合金钢、不锈钢等钢材的硬度，判断钢材品质和性能，也可评估铝合金、铜合金等有色金属合金的硬度，为合金配方调整和生产工艺优化提供依据。

锻造领域：可检测锻件的硬度，判断锻造工艺的效果和锻件的质量，如大型机械的齿轮轴、曲轴等锻件在生产过程中，需用布氏硬度计检测硬度是否均匀，是否存在内部缺陷。

机械制造行业：在飞机制造中，可测试铝合金、钛合金等材料及机翼、发动机支架等零件的硬度；在汽车制造中，能对发动机缸体、曲轴箱、齿轮等零件进行硬度检测，确保零件符合设计要求和使用性能。

电力行业：在电力设备制造和维护中，可检测电站锅炉、汽轮机、发电机等设备零部件的硬度，如检测汽轮机叶片材料的硬度，保证其具有足够的强度和耐磨性，以保障汽轮机安全运行。

科研领域：科研人员在新型合金材料等研发过程中，常使用布氏硬度计测试材料硬度，分析材料性能和结构，为材料改进和优化提供数据支持。

教育领域：在大专院校和职业学校的材料科学、机械工程等相关专业教学实验中，布氏硬度计是常用教学仪器，帮助学生理解材料硬度概念和测试方法。

 布氏硬度测量软件介绍

一、背景介绍 

硬度压痕测试是一种应用广泛的材料性能测试方法，它能够反映材料的硬度、强 度、韧性等重要性质。通过测量材料表面在受力下的形变程度和压痕面积大小， 可以获知材料的硬度大小和力学性质。因此，硬度测试在材料研究、产品开发、 质量控制等方面具有极为重要的应用价值。

然而，传统的硬度测试方法存在一些局限性和不足之处。首先，传统硬度测试需 要操作人员进行手动测量和记录，测试效率低，并且受人为因素干扰较大，测量 结果不精确。其次，传统的自动测量方法通常基于单纯的图像处理技术，但这些 方法往往是软件里面固定的参数和算法，缺乏灵活性和鲁棒性，难以适应不同材 料性质、形态和尺寸的变化。

为了解决传统硬度测试存在的问题，近年来，各种智能化的自动测量技术不断涌 现。其中，深度学习技术在自动测量领域得到了广泛应用。它能够通过学习大量 的样本数据，自动提取材料表面的特征信息，实现对材料硬度的自动检测和分类。 与传统硬度测试相比，深度学习技术具有测试效率高、测量精确度高、适用范围 广等优点。因此，深度学习技术在自动化生产、精密加工、航空航天等多个领域 具有广泛应用前景。

二、深度神经网络技术原深度神经网络是一种基于生物神经网络结构和机器学习算法的人工智能技术。它 通过多层神经元之间的连接来进行分层提取特征，并在神经网络中构建多个层级 的非线性映射，从而表达了更高层次、更抽象化、更具有普遍性的特征。深度神 经网络的训练过程是通过反向传播算法来调整网络参数，优化网络的参数得到更 好的效

1. 深度神经网络的定义和分类

深度神经网络是一种多层的神经网络模型，具有深度学习和自动学习的能力。按 照不同的结构和使用的算法，深度神经网络可以分为很多不同的类别，比较典型 的包括：

（1）卷积神经网络（Convolutional Neural Network，CNN）：主要应用于图像 识别和分类，具有局部连接、共享权重和池化等特点。

（2）递归神经网络（Recurrent Neural Network，RNN）：主要用于处理序列数 据，可以捕获序列中的时序信息。

（3）深度信念网络（Deep Belief Network，DBN）： 由多层受限制的玻尔兹曼机 组成，可以进行层次化特征学习。

2.深度神经网络在图像处理中的应用  

深度神经网络在图像处理中的应用十分广泛，包括图像分类、物体检测、人脸识 别、图像分割、图像生成等领域。其中，卷积神经网络（CNN）是应用最为广泛 的深度学习模型之一，在图像处理领域的表现稳定、效果显著。通过构建深度卷 积神经网络模型，可以对图像进行快速准确的分类和识别，如 GoogleNet、 VGGNet、ResNet 等都是最近几年表现十分优秀的 CNN 模型。

 3. 深度神经网络在硬度压痕测量中的优势

硬度压痕自动测量是一个重要的质量控制工具，可以在制造过程中对材料进行定 量分析和评估。传统的自动测量方法通常基于单纯的图像处理技术，但这些方法 往往是软件里面固定的参数和算法，缺乏灵活性和鲁棒性，难以适应不同材料性 质、形态和尺寸的变化。

基于深度神经网络技术的硬度压痕自动测量，通过对大量样本数据的学习，可以 识别和理解不同材料的特征，并能够处理和分析复杂的图像信息。与传统方法相 比，基于深度神经网络技术的硬度压痕自动测量具有以下优点：

（1）更高的准确率：深度神经网络具有优秀的媲美人脑的特征提取和分类能力， 能够更准确地捕捉压痕表面的细节和特征，从而实现更精确的测量结果。

（2） 更广泛的适用性：传统图像处理方法通常需要进行人工调参，难以适应不 同材料的性质和形态变化。而基于深度神经网络的方法可以通过样本数据的学 习，无需调节任何参数就能自适应地适应不同材料的特征和变化。

（3） 更高的鲁棒性：基于深度神经网络的方法具有较好的鲁棒性和泛化能力， 能够对噪声、光照和形变等干扰因素具有一定的容忍度，从而实现更可靠和稳定 的测量结果。

（4）更高的效率：基于深度神经网络的方法可以实现快速准确的自动测量，并 能够进行批量处理和高效运算，提高工作效率和生产效益。

总之，基于深度神经网络技术的硬度压痕自动测量具有更高的准确率、更广泛的 适用性、更高的鲁棒性和更高的效率等优点，是未来硬度压痕自动测量的重要发 展方向。 

 三、软件功能介绍

1. 自动测量: 自动捕捉压痕并测出压痕直径和计算出相应的布氏硬度 

2. 手动测量：支持手动切线测量和手动三点测量。

3. 设备控制：（选配）支持一键启动硬度计加卸载和转塔归位与自动测量、支持单独控制硬度计平台上升和下降、转塔位置切换、支持便捷滑动调光。  

4. 管理员模式：系统支持任意创建帐号功能，唯一的管理员帐号可赋予或取消 普通帐号更改测试结果和标定参数等操作的权限，可查看普通账号登录和工作情况。减少因误操作导致数据错乱的风险、严格把控测试结果的真实有效性、便于使用部门管理和维护

5. 硬度值转换、有效验证: 系统可将测得的布氏硬度值 HB 转换成其它硬度值如 HV、HR 

6. 数据统计：系统自动计算所测硬度的平均值、重复性误差、方差等统计值

 7. 超标报警： 自动标明异常值， 当硬度超出规定值时， 自动报警

8. 测试报告: 自动生成 EXCEL/PDF/CSV 等格式报告，报告模板可定制

 9. 自由布局：软件界面中每个窗体都可以任意调整位置与大小、打开或隐藏，

用户可根据需要自定义软件窗口布局。

 10. 数据储存: 测量图像可储存至文档，测量结果可永久保存。

11. 其它功能: 图像拍摄、长度法标定、硬度法标定、绘制硬度曲线、多条件过

滤测试结果、 自由设定部分窗口显示的内容和字体大小、 日志提示等

 12. 系统特点：

使用方便：可在软件端完成所有硬度测试所需的工作，整个测试过程无需操

作硬度计端。软件具备一键测量功能，从开始到生成硬度结果仅需一键。

交互友好： 自由布局软件界面，用户根据需要可以自由调整软件的布局。

快速标定：软件系统除了支持使用倍率卡尺的长度标定法以外，还支持直接

输入标准块硬度值的快速标定功能。

抗噪性高：采用先进的图像处理技术和深度神经网络技术，识别能力媲美人

脑，确保自动测量功能的复杂样品表面兼容性和示值精准度。数据多元化：软件基于主流数据库架构，有丰富的数据传递方式。