高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

汽车轮毂内部缺陷的自动分割

汽车轮毂的内部缺陷需要用X射线无损探伤的方式来检测,其中X光图像上缺陷的自动分割是整个检测过程的关键。提出一种基于数学形态学重建运算的图像分割方案,选定结构元素后先对原始图像进行顶帽变换得到模板图像,再对原始图像进行顶帽重建变换得到标记图像,通过标记图像去重建模板图像,最后对重建结果进行二值化处理,得到轮毂缺陷的最终分割结果。实验结果表明,提出的技术方案切实可行,能准确提取轮毂的缺陷区域。     

铝合金轮毂铸造缺陷超声波检测系统的研究

针对铝合金轮毂铸造缺陷造成的汽车安全隐患问题,利用铝合金轮毂铸造缺陷超声波检测技术和原理,采用水浸式超声波检测方法对铝合金轮毂铸造缺陷进行检测,并利用小波变换时频图及超声C图像判断铝合金轮毂的铸造缺陷特征。研究结果表明:水浸式超声波检测技术对铝合金轮毂铸造缺陷的检测,结合超声波A型波和时频图可以判断出铝合金轮毂内部是否有缺陷存在及缺陷的大小和位置,且通过超声波A型波转换得到的超声C图像可以更加直观地判断出缺陷的特征。可见,我们设计的铝合金轮毂铸造缺陷超声波检测系统可用于缺陷检测。     

基于机器视觉的金手指外观缺陷检测

针对人工检测金手指缺陷的局限性,提出用图像处理技术进行金手指缺陷的自动检测。首先对采集到的待检金手指图像进行预处理,然后对增强后的图像进行缺陷提取和几何特性分析,实验证明了该算法的有效性。     

基于脉冲涡流热成像的铁磁性构件缺陷检测

针对铁磁性构件损伤探测问题,提出了二维大津法(Ostu)与多尺度形态学梯度边缘检测相结合的方法,该方法基于脉冲涡流热成像的缺陷无损检测技术,处理分析红外图像,得到缺陷边缘特征,用于监测铁磁性构件的健康状态。首先利用脉冲涡流热成像装置对铁磁性构件加热,并使用红外热像仪摄取红外图像;然后利用二维Ostu算法对获得的红外图像进行分割,得到二值缺陷区域,并对其进行连通性计算,从而得到涡流线圈内缺陷区域,提取裂纹缺陷;最后对所得裂纹缺陷进行多尺度形态学梯度边缘检测,并运用物象关系,测量缺陷几何尺寸。构件缺陷试验证明该方法对缺陷边缘检测效果良好,实现了铁磁性构件缺陷的无损检测。     

基于支持向量机的钢板表面缺陷检测

针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

G-YOLO:基于改进YOLOv5的嵌入式小目标缺陷检测算法

针对人工检测缺陷模式或YOLOv5等深度学习算法对工业产品的缺陷检测存在识别准确率低、模型参数规模大等问题,提出一种对微小缺陷端到端检测的嵌入式算法G-YOLO.该算法使用卷积核为3和卷积核为1的双层卷积FConv模块,改善了原单层卷积带来的参数量较大的问题;改进的轻量级跨阶段GSP模块融合坐标注意力机制用于主干网络中能够利用冗余信息实现廉价的线性操作和聚焦缺陷信息来增强特征,以提高网络对缺陷特征的提取能力;去除原YOLOv5的颈部模块,减少网络的参数量和提升网络检测速度.结果表明,G-YOLO嵌入式算法减少了模型大小,改善了缺陷检测的效果,较好地满足轻量化嵌入式模型的要求.     

车牌定位及字符切分算法的研究与MATLAB仿真

车牌识别主要包括4个环节,分别是:图像预处理、车牌定位、字符切分和字符识别。运用MATLAB软件,对车牌识别算法进行仿真,实现了汽车牌的定位以及字符切分。在预处理方面,对图像进行降噪,将其转化为灰度图像;在边缘检测方面,运用Roberts等算子进行边缘检测,实验比较后,最终采取较优的Roberts算子;在车牌定位方面,对边缘检测后的图像进行数学形态的闭合和腐蚀运算,去除面积较小的部分,得到车牌位置;在字符切分方面,对车牌进行二值化处理,去除车牌上的间隔符,运用比例分割和垂直投影法混合进行字符切分。     

基于模糊理论的焊缝缺陷图像识别算法研究

为提高无损检测中焊缝缺陷射线检测效率、降低人工操作强度,针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷问题,充分利用焊缝图像中各种信息,提出了一种焊缝缺陷智能检测识别方法。基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度;利用最大类间方差算法(OTSU)求解自适应阈值,检测并提取焊缝边缘;依据缺陷几何特征识别不同缺陷。结果表明,该系统可以较为准确地检测各种焊缝图像的边界和缺陷,具有较好地适应性和实用性。     

衍射时差图像处理与缺陷识别技术综述

焊缝是压力容器的质量薄弱环节,焊缝缺陷直接影响压力容器的安全运行。衍射时差(TOFD)检测是目前焊缝质量评价的主要手段。随着TOFD成像检测技术的不断发展,TOFD成像结果自动判读的不足,正成为制约TOFD检测规模化应用的障碍。图像处理和缺陷识别是TOFD成像检测的技术关键。本文将TOFD图像处理技术归纳为噪声去除、直通波处理、曲线拟合和图像分割,将TOFD缺陷识别技术归纳为特征提取和模式分类,详细介绍了国内外的相关研究成果,并对TOFD图像分割、特征提取和缺陷分类识别的研究提出建议。     

一种基于改进RefineDet的管道数字射线成像缺陷图像检测方法

为提高管道缺陷图像检测的准确率,提出一种基于改进RefineDet的管道数字射线成像(digital radiography,DR)缺陷图像检测模型。该模型针对管道DR缺陷图像数据少、目标少等特点,从以下三个方面进行改进。首先,在骨干网络设计方面,使用Swin transformer代替VGG16作为主干网络,在提高特征提取能力的同时减少主干网络参数量。其次,针对管道DR缺陷图像目标数量较少而易受背景干扰问题,通过在主干网络与特征融合阶段之间加入全局注意力模块来强化模型对重要特征的关注,从而提高检测性能。最后,在后处理阶段,针对传统的非最大值抑制算法直接去除非最好预测框问题,使用软非最大值抑制算法以更合理的方式去除非最优预测框。结果表明：该方法能够有效实现管道DR缺陷图像的检测,并且相比于其他4种常用的目标检测模型,提出的模型可以有效提升管道DR缺陷图像检测的准确率,研究成果可为DR缺陷图像检测提供技术支撑。     

基于生成式对抗网络和改进区域建议网络的输电线路杆塔缺陷检测方法

为了减少输电线路杆塔缺陷检测过程中受噪声信号和装置性能等因素的干扰,提高输电线路杆塔缺陷检测的正确率和检测效率。提出一种基于生成式对抗网络(Generative Adversarial Networks, GAN)和改进区域建议网络(Region Proposal Network,RPN)的输电线路杆塔缺陷检测方法。采用GAN采集输电线路杆塔的显著性图像,并利用半软阈值函数模型剔除图像中的噪声,避免噪声对缺陷检测过程产生影响。通过随机森林决策树提取输电线路杆塔图像的轮廓特征,基于多尺度算法对RPN进行改进,将特征输入到改进RPN模型中,通过缺陷的定位、分割完成输电线路杆塔的缺陷检测。试验结果表明,所提方法的输电线路杆塔缺陷检测正确率较高,具有较好的缺陷检测效果和检测效率,从而有利于提高输电线路杆塔缺陷检测的质量,减少电力事故的出现。     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.     

基于射线照相的石墨电极缺陷检测与识别

针对石墨电极内部缺陷无损检测难题,提出采用射线检测与深度信念网络相结合的电极缺陷检测方法.为此制作了石墨电极曝光曲线,利用曝光曲线为预制带有不同缺陷的电极试块选取合理的工艺参数、并进行X射线检测.采用去噪增强处理方法改善电极射线图像对比度弱、信噪比低等问题;应用改进的Canny算子边缘检测方法对电极射线图像进行边缘提取...     

基于Gabor滤波器的布匹瑕疵自动检测方法

给出一种基于多通道Gabor滤波技术实现高速实时布匹瑕疵检测方法.在多分辨率和多方向上分别对图像进行Gabor滤波,建立金字塔图像表示结构,并对滤波后的多幅图像进行融合与重建,把瑕疵区域从布匹背景中提取出来,从而实现对布匹瑕疵的实时检测.实验表明,这种方法的检测准确率可达到95%,而且具有计算量小、稳定性好等优点.     

基于颜色与缺陷检测的椪柑分级算法

以湘西椪柑为研究对象,提出了一种基于颜色与缺陷检测的椪柑自动分级算法.首先,对椪柑灰度图像进行阈值分割和孔洞填充得到二值图像;然后,将二值图像与椪柑彩色图像的R,G,B分量分别进行与运算,并将运算后的3幅单色图像进行合成,从而得到彩色图像的椪柑目标区域;接着,提取目标区域的黄色像素占比和缺陷面积作为色泽特征参数和缺陷特征参数;最后,利用决策树模型融合特征参数以进行椪柑分级判定.实验结果表明,对比基于单一特征的椪柑分级算法,新算法通过特征的互补提高了椪柑分级的准确率.     

基于改进ViBe的多行人检测方法

利用改进的Vi Be算法及模板匹配方法对多行人场景进行了目标检测.为了提高运动目标检测性能,提出将原Vi Be算法与帧间差分相结合的方法,该方法使二值图像中的鬼影比原Vi Be算法消除更为迅速.根据待处理像素点周围已完成的前背景分离结果,利用动态计算模型参数估计前背景,以提高前景目标提取的准确度.基于HOG算法识别运动目标中的行人目标.实验结果表明,该方法在没有降低运动物体检测实时性的同时,明显提高了算法检测的准确度.     

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。