一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

基于显著性模型和区域生长法的药卷缺陷检测

针对工业炸药生产过程中药卷表面裂痕的包装缺陷问题,运用机器视觉技术,提出一种基于显著性模型和局部方差区域生长法的药卷缺陷检测方法。该方法经过图像预处理,对药卷图像进行背景估计与差分;利用显著性模型,提取缺陷特征;通过局部方差区域生长法,分割目标区域,完成对缺陷药卷的检测。实验结果表明,该算法可快速有效地提取缺陷区域,平均检测时间为55.72 ms,缺陷检测率高达96.36%。     

基于图像检测的轨距检测算法研究

为实现实时在线轨距测量,建立车载轨距机器视觉检测系统,对该系统所采用的去噪前置处理、精确阈值分割处理和距离变换等算法进行研究.介绍系统的工作原理与构成,并在分析传统光带中心线提取算法的基础上提出基于PNDT的快速轨道轮廓中心线提取方法;采用强对比度拉伸和指数变换的方法进行图像增强,并结合高斯平滑与动态ROI对图像进行快速去噪前置处理;对图像进行精确阈值分割处理,采用距离变换的方法得到轨道轮廓中心线并准确定位轨距测量点.实验结果表明:该系统检测精度满足-1mm~+1mm,实验室测试的合成不确定度最大为0.52mm,图像帧处理时间为14.35ms.轨距机器视觉检测系统可满足实时在线轨距检测对系统检测速度和精度的要求.     

基于BP神经网络的中子法检测煤的发热值

介绍了中子快速检测煤的发热值的方法.基于BP神经网络(Back Propagation Neural Network)建立了煤的发热值的检测模型,并结合电厂锅炉燃烧用煤的实验测定数据进行模型验证研究.结果表明,该方法对煤的发热值的检测精度达到了0.3 kJ/ g.     

基于多层次概念格的图像场景语义分类方法

现有理论与方法在处理图像场景语义分类时,由于缺少对图像语义关系的深入挖掘,过分依赖视觉词典数量等原因,导致场景分类精度不高.本文提出一种基于多层次概念格的图像场景语义分类方法,将特征集转换成图像视觉形式背景,利用概念格的层次分类模型,通过层次映射关系,分别构建图像与视觉词集属性概念格,在此基础上通过动态调整阈值参数,获取分类精度概念外延阈值,得到具有较高分类精度的场景语义视觉模型.实验结果表明,该模型在精确度指标上有所提高,文中方法切实有效.     

基于神经网络的火焰燃烧稳定性算法研究

本文旨在研究锅炉火焰燃烧的稳定性问题,提高锅炉燃烧火焰的检测准确度.针对锅炉燃烧监控系统所采集的火焰动态图像进行分析来检测锅炉内火焰燃烧稳定性,燃烧受影响的火焰出现短时脉动时,传统的基于灰度方差的检测方法不能避免火焰脉动的影响,造成对锅炉内燃烧稳定性检测准确度不高的问题.本文提出一种基于神经网络的火焰燃烧稳定性检测方法,选取与火焰稳定性直接相关的多个特征作为神经网络的输入向量,对样本多次训练能去除杂质燃烧或调峰引起的微小脉动的影响,克服了传统方法检测准确度不高的问题.实验证明,该方法能够有效避免杂质和调峰对燃烧的影响,对锅炉内的燃烧稳定性做出准确检测.     

基于神经网络的电站锅炉燃烧诊断方法研究

根据电站锅炉燃烧过程的特点,利用图像处理技术提取了表征火焰燃烧特性的特征量,提出了基于BP神经网络的锅炉炉膛火焰燃烧状态的模式识别方法.针对锅炉燃烧诊断实时性强的要求,设计开发了一套PC机加信号处理系统(DSP)的实时图像采集与燃烧诊断系统,在200MW锅炉上进行试验.结果表明,该系统简便实用,可实现锅炉运行过程的燃烧诊断,为电站锅炉的安全、经济运行提供可靠的依据,具有一定的工程应用前景.     

基于小孔特征的变极性等离子弧焊熔透预测方法

针对铝合金变极性等离子弧焊特点,建立了背面小孔视觉传感系统,实现小孔图像的实时采集和处理,并对小孔行为与焊缝成形关系开展了工艺研究,开发了基于小孔熔池与熔透状态的极限学习机预测模型,模型预测精度达到96.7%.研究表明,该模型能够较为可靠地预测变极性等离子弧焊的熔透状态,最终实现焊接质量实时监控的目标.     

基于ICA子空间的目标运动变化检测方法

针对实时场景下复杂背景动态变化的特点,在子空间图像差分模型的基础上,提出了一种基于ICA子空间的目标运动变化检测方法,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法对图像配准精度要求很高的问题．实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性．     

视觉系统光学渐晕效应非线性补偿方法

视觉系统在工业生产等领域的应用越来越广泛,而光学渐晕效应直接影响着成像系统采集图像的质量,进而影响了视觉检测的精度。该文提出了一种光学渐晕效应非线性补偿方法,基于对渐晕效应的原理分析,定义了图像的相对曝光量,利用耦合采样解耦重建的方式,求解相机响应函数,构建渐晕效应补偿模型对图像进行渐晕效应校正,从而保证光学系统成像质量。实验结果表明:该方法具有可行性,能够有效消除镜头的渐晕效应,为视觉检测系统的高精度检测提供了保障。     

基于Halcon的水平仪气泡自动分类系统研究

为了实现生产过程中水平仪气泡实时快速分类而研发机器视觉水平仪气泡自动分类系统,这是水平仪生产机器换人的关键。研究了基于Halcon的图像处理与识别技术,结合Qt语言设计了自动分类系统软件。介绍了自动分类系统的硬件构成、工作原理,以及图像获取和识别水平仪气泡特定参数的方法。分析了自动分类过程中图像滤波、边缘检测、轮廓提取等图像处理技术,并进行了实验验证。结果表明,使用基于Halcon的机器视觉图像处理技术,能使水平仪的气泡分类速度更快、更准确,单张图像平均检测时间≤786 ms,长度检测平均误差≤0.02 mm,满足水平仪生产机器换人的需要。     

功能磁共振时间序列图像快速配准方法研究

提出了一种非迭代分别检测时间序列图像间旋转、平移运动的方法．该方法基于傅立叶频谱的相位相关特性，解决了迭代配准算法中的旋转与平移耦合问题．通过精心选择参考图像，采用基于递归数字滤波的三次B样条插值方法，实现了功能磁共振序列图像的快速配准，配准精度达到了亚像素级。     

基于分布式网络入侵检测系统的研究及其实现

在分析现有网络入侵检测系统局限性的基础上，提出一个基于模式匹配误用检测技术的分布式网络入侵检测系统模型。该模型可用于应用层协议分析，提高了检测精度；采用协议流分析技术，减少了检测时间与误报率；采用中断会话和防火墙联动，可实现主动响应；在主体智能协作与负载平衡上考虑了其分布式的特性；在Linux环境下构建基于实时智能协作引擎的原型系统，验证该模型的特性。     

一种基于深度学习的高速无人艇视觉检测实时算法

针对高速无人艇自主航行时对视觉检测的实时性以及由于水面场景变化和波浪反射等干扰的鲁棒性需求,提出一种基于深度学习的高速无人艇视觉检测实时算法.采用基于MobileNet的神经网络快速提取全图特征,设计SSD结构的检测网络融合各层特征图的结果以完成快速多尺度检测,并在嵌入式GPU NVIDIA Jetson TX2硬件平台上将算法实现并验证.结果表明,该算法能够实时检测多类水上特定目标,具有鲁棒性强、多尺度的特点,单帧视频的检测时间可以控制在50 ms以内.      

基于机器视觉的电缆方位检测系统

为了提高线缆一线生产企业的工作效率以及生产流水线的自动化程度,研究了基于机器视觉的电缆方位检测系统。该系统通过机器视觉模块实时采集电缆图像,通过图像处理和机械臂旋转来检测和矫正电缆的方位,以达到目标位置。检测与矫正的精度,将影响后续电缆配件及插头的安装精度。通过试验及现场测试得出该系统具有良好的实际操作性能。     

基于AdaBoost的视神经盘检测

针对现有视神经盘检测方法存在检测精度和速度普遍不高的问题,提出一种基于分类的视神经盘检测方法。该方法可以自动生成分类视神经盘区域的最优特征,大幅提高视神经盘复杂特征提取的检测速度。在4个公开视网膜图像数据库中的检测实验结果表明,该方法能从340幅视网膜测试图像中成功检测出332幅图像中的视神经盘位置,平均检测正确率达97.8%,且对每幅图像的平均检测时间为1.04 s,在检测精度和速度上优于同类视神经盘检测方法。     

一种快速亚像素边缘检测算法

基于正交多项式拟合提出一种快速亚像素边缘检测算法, 并给出计算边缘点的直接表达式. 结果表明, 该算法有效地解决了目前亚像素边缘检测算法的检测精度和检测时间不能同时兼顾的问题. 通过与Gauss和空间矩两种亚像素边缘检测算法进行比较, 该算法能快速准确地求得亚像素级边缘位置.     

多传感器数据融合技术在锅炉热效率计算中应用研究

实现锅炉热效率实时计算对优化锅炉燃烧经济性具有重要意义,其难点在于飞灰含碳量的在线测量,目前广泛采用微波飞灰测碳仪进行在线监测.然而在实际中烟气密度和流速对仪器的测量精度有重要影响,使测量结果产生较大波动.本文设计了对烟气密度和流速的测量方法,并构造了基于多传感器数据融合技术的测量系统,利用BP神经网络对多传感器信息进行有效融合,在一定程度上提高了飞灰含碳量的测量精度.进而通过采集排烟温度、氧量等运行参数,依据反平衡方法给出锅炉效率的在线计算模型.     

复杂工业环境下激光束中心快速精确定位方法

针对工业现场在线检测对计算机视觉算法稳定性、实时性、精度和抗干扰能力的要求,结合两万吨挤压机活动部件五自由度实时监测系统的具体情况,在现有方法的基础上,提出了一种复杂工业环境下激光束中心快速精确定位方法.首先,在图像预处理的基础上通过Canny算法实现图像边缘二值化,并对得到边缘进行筛选,剔除不符合光斑轮廓特征的边缘.接着,采用一种改进的快速Hough变换初步确定激光光斑的大致位置和半径,依据Hough变换计算结果设置光斑有效区域,在有效区域内通过最小二乘法椭圆拟合得到亚像素精度的激光束中心坐标.实验研究表明,该方法在存在噪声的环境下单次检测时间小于50ms,精度达0.15像素(pixel).可在较强干扰下实现激光束中心的精确定位,与传统方法相比,精度高,实时性好,适应性强.     

锅炉飞灰含碳量监测的必要性及其技术的发展

机械不完全燃烧热损失是锅炉运行中的第二大热损失,机械不完全燃烧热损失主要由锅炉飞灰含碳量决定。锅炉飞灰含碳量是反映锅炉燃烧效率的一项重要指标,实时、准确地对飞灰含碳量进行检测是提高锅炉运行效率、降低发电成本的重要手段。通过对国内某电厂的飞灰含碳量的实际测量结果,从经济性和环保角度对目前飞灰含碳量在线监测的必要性作了说明并对目前现有检测方法优缺点加以分析,对目前已经商品化的飞灰测碳仪器加以简介。针对目前电厂常用取样方法存在的问题提出了彻底的解决方案,对未来飞灰测碳技术的发展趋势进行说明,对飞灰含碳量检测技术有一定参考价值。