冷轧带钢表面缺陷在线监测系统

介绍一套目前已在实验室中开发成功的冷轧带钢表面缺陷在线监测系统,该系统用于在线检测和识别冷轧带钢的表面缺陷.系统采用多个面阵CCD摄像头同步采集带钢表面的图像,并通过并行计算系统对图像进行分析和处理,以得到钢板表面的缺陷情况.系统在软件流程上进行了特殊的设计,以保证实时数据处理功能.经试验,系统对"乳化液斑痕"、"锈痕"、"压入氧化铁皮"、"辊印"、"折印"和"边裂"等6种常见的冷轧带钢表面缺陷类型识别率在90%以上.     

基于神经网络的带钢表面孔洞检测系统研究

简要介绍了带钢表面孔洞实时检测中的图像处理系统 ,提出了一种应用边缘检测和聚类分析的图像分割算法对带钢表面孔洞进行准确快速的分割 ,同时采用改进的BP神经网络分类器对孔洞进行分类与识别 ,实验结果表明 ,该带钢表面孔洞实时检测系统具有较高的精度和较快的速度 .     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

基于DSP的紫外图像中值滤波算法的实现

为了改善紫外图像的成像质量,需要对图像进行平滑处理。DSP硬件具有强大的运算能力及灵活的可编程性的特点,已被广泛地应用于实时图像处理领域。根据紫外检测技术的基本要求,在DSP平台上实现了对紫外图像的中值滤波处理,结果表明,该方法能够满足紫外检测系统的需要。     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

专用焊接打磨机器人视觉系统的研究

针对水轮机修复专用机器人视觉系统进行了系统地描述,并对其硬件与图像处理方法作了较详细地阐述.采用主动视觉检测法,利用CCD摄像机等相关硬件获取图像和小波变换对获取后图像进行处理,实现了对叶片表面缺陷的识别并且引导机器人焊枪跟踪焊缝,实时调整焊枪姿态,以完成补焊及焊后打磨工作.     

一种CCD图像相关处理系统的FPGA+DSP实现

在卫星观测系统中,CCD相机对高精度图像实时跟踪时,为得到高信噪比高分辨率的图像,必须对图像进行实时相关处理.而现有软件实现速度不高,不能实现其实时性.本文在分析图像相关处理快速算法的基础上,使用Altera的Quartus Ⅱ软件,完成了其中的核心模块--FFT算法的硬件实现,提高了处理速度;并运用DSP处理器,设计了一个基于FPGA的实时数字图像处理系统.文中给出了系统的硬件电路和软件算法模块.仿真和调试结果表明:用FPGA与高速数字信号处理算法的结合,可以满足系统对图像进行实时处理的要求.     

基于DSP的红外成像电力在线检测系统的研究

介绍了红外焦平面热成像仪原理,系统采用FPGA对数据进行采集控制,采用DSP对数据进行处理并与PC机通信,在硬件上构成一个以DSP+FPGA+PC的成像电力在线检测系统。文章给出了红外成像视频信号和DSP数据处理方法,并使用VB6.0实现图像在PC机上的显示和处理。     

基于DSP的掌纹识别门禁系统设计与实现

对基于DSP的嵌入式掌纹识别门禁系统硬件架构设计中的图像传感器,DSP芯片,Flash,SDRAM,RS232串口,时钟,复位电路等硬件的具体实现技术进行了探讨.通过掌纹识别算法软件在硬件系统上的运行取得了较好的效果,为嵌入式系统的开发提供了一个范例,实现了系统体积小、成本低、速度快、可靠性高的目的.     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题,本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法.算法考虑到人的视觉感官特性,首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定,然后再按照高精度图像检测要求采用分层检测的方法进行搜索,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.经过在高精度印刷图像的质量自动化检测系统中的应用,算法的速度和效果得到验证.     

基于轻量神经网络的钢材表面缺陷快速识别

为满足生产环境中钢材表面缺陷实时分类识别的需求,提出一种可部署于移动端的轻量卷积神经网络模型用于高效识别钢材表面缺陷。通过知识蒸馏将ResNet50和MobileNetV3分别作为教师模型和学生模型,生成改进的轻量神经网络模型MobileNetV3_small_tp。利用MobileNetV3_small_tp作为预训练模型,选用NEU带钢表面缺陷数据集进行微调,同时使用数据增强以模拟实际工况,得到模型在测试集中精度达到100%。最后将模型部署于手机上进行实际钢材表面缺陷识别,移动端模型测试、验证以及实际检测结果均显示MobileNetV3_small_tp模型具有流畅的运行速度和较高的识别率,能够实现现场钢材表面缺陷的准确高效识别。     

结合邻域信息的带钢表面明暗域缺陷图像配准

为解决带钢表面明暗域缺陷图像检测方式采集到的同一位置处的图片之间存在位移及旋转问题,同时考虑到因板带振动及现场生产环境造成的噪声影响,提出采用结合邻域内像素间空间与灰度信息的互信息配准方法.在互信息配准计算中图像中每个像素的灰度值由其邻域内像素的灰度值按照距离及灰度变化关系分配不同的权值共同得到.实验证明,该方法的配准精度完全可满足带钢缺陷检测需求,有效减弱了噪声对配准精度的影响,为带钢表面缺陷识别及质量评价奠定了基础.     

基于阈值法的带钢表面缺陷图像脉冲噪声去除

在板带钢表面缺陷图像脉冲噪声去除的研究中,结合脉冲噪声的特点以及带钢表面缺陷图像的特点,提出了一种基于阈值的开关中值滤波方法.该方法通过设定阈值判断滤波窗口中心像素点是否为噪声点,并对噪声点进行中值滤波.通过大量的仿真实验证明该方法简单可行,在噪声去除和保护细节方面都取得了明显优于传统滤波方法的效果,而且在噪声污染不太大的情况下具有普遍适用性,有一定的工程应用价值,且研究过程也体现了对图像进行考察的重要性.     

基于DSP的磨削表面粗糙度在线检测系统开发

为了解决磨削工件在线粗糙度等级识别速度慢和准确性不高的问题,开发了基于DSP的工件表面粗糙度在线检测系统.该系统基于光散射原理,通过工业相机采集光散射图像,运用DSP芯片对采集到的图像进行图像预处理以及特征参数的提取;最后利用建立的多分类支持向量机模型,对不同表面粗糙度等级的图像进行分类.实验结果表明,在该硬件平台上整个识别过程耗时约0.5s,识别率可达96%以上,说明该系统可有效识别工件表面粗糙度等级,有效实现工件表面粗糙度的在线检测.     

新型冷轧带钢表面缺陷在线检测系统

提出一种新型冷轧带钢表面缺陷在线检测系统的体系结构并说明其工作原理．采用多台面阵ＣＣＤ成像、几何分段、数据合成的检测方法．选用先进的高速数字信号处理器（ＤＳＰ）作数字图像处理平台，构成了并行工作的多ＤＳＰ的主从式信号处理系统．该系统已在线运行．     

基于改进支持向量机的冷轧带钢表面缺陷分类识别

针对冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于改进支持向量机的冷轧带钢典型表面缺陷分类识别方法.根据带钢表面缺陷图像识别的特点,对渐进直推式支持向量机在其基本原理基础上加以改进,设计了一种冷轧带钢表面缺陷图像模式识别的分类器.通过实验确定了分类器的结构,给出了相关参数选择的方法.对几种生产现场出现频率较高的典型缺陷图像进行了计算机实验研究.研究结果显示,这种分类器很好地克服了传统支持向量机中存在的推广性能差以及当类别距离过近时准确率下降的问题,具有更好的适应性和准确性.     

提取数字图像相对灰度特征的Robust估计及其快速算法

以玻璃饮料瓶清洁度的在线自动检验问题为背景，研究了应用计算机图像处理与 模式识别方法实现这一自动检验过程中的图像特征提取问题．文中提出了根据图像的 相对灰度检测方迹图像的思路，给出了描述相对灰度特征的参数和提取该参数的统计 估值方法．针对实际饮料瓶一致性差．图像复杂的特点，提出一种ｒｏｂｕｓｔ估计方法 来解决特征提取的可靠性问题．同时为了满足在线处理的实时性要求，文中在给出两 个有关数字图像相对灰度信号及其方差函数的定理的基础上，给出了一种实现ｒｏｂｕｓｔ 估计的快速算法，从而解决了特征提取中的可靠性与实时性之间的矛盾．文中方法已 在一套计算机图像处理系统上实现．结果完全满足实际要求．     

热轧带钢在线测宽中的图像分割

对带钢质量检测中图像处理和分析的过程进行了论述。结合热轧带钢现场图像，应用最终测量精度准则对图像处理算法进行评价。实验评价结果表明，动态双阈值的图像分割效果最佳，适合应用于带宽实时在线检测。     

带钢表面重皮缺陷在线图像识别算法研究

分析了运动带钢表面重皮缺陷的特征，对缺陷图像的奇偶场叠加和ＣＣＤ积分延迟造成的运动模糊进行了预处理．提出了一种基于机器视觉心理的高速在线重皮缺陷图像识别算法，最后给出了检测结果和结论