改进的Gabor滤波器带钢表面缺陷显著性检测

针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法.首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测.实验结果表明:该优化算法复杂度低、检测效率高,优化后的Gabor检测模型在速度上比传统Gabor检测模型快了约2.3倍,平均速度达到了91.8ms/帧.     

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.     

工件表面微小缺陷的检测与识别方法

针对微小缺陷在复杂背景图像情形下分割难的问题,提出了一种基于像元搜索算法的微小缺陷检测方法.首先采用直方图均衡化提升背景与缺陷目标的对比度,在分析噪声分布特点的基础上,利用基于中值和均值滤波的改进滤波算法对图像进行去噪等前期预处理;然后根据背景灰度分布,在目标分割过程中采用分块、按方差大小排除背景图像块、初定目标和剔除伪目标的缺陷像元搜索算法;最后采用矩形度和区域占空比进行缺陷特征提取.结果表明,对于背景不均匀、目标与背景区分不明显这类复杂背景图像,所提出算法相对于传统的Otsu等算法能够更好地分割出弱小缺陷目标,提高了检测缺陷的准确性.     

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 .     

基于梯度直方图的产品表面缺陷图像自适应阈值分割方法研究

为了提高产品表面缺陷检测精度并降低检测成本,文章以E型磁环表面缺陷的自动检测为例,分析了产品表面图像的特征,提出了一种利用梯度直方图信息的图像自适应阈值分割算法.通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明:该算法采用可动态调整的形态学梯度算子计算梯度直方图,抗噪能力强;充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,适应性广;算法简单,具有实时准确分割图像的特点.     

基于稀疏表示的车用带钢表面图像信息修复

针对当前车用带钢表面图像信息修复所用时间较长,修复效果较差的问题,提出基于稀疏表示的车用带钢表面图像信息修复方法.根据像元点之间在车用带钢表面图像中存在的空间相关信息,结合像元点的灰度分布信息,采用二维直方图建立离散测度矩阵,获得车用带钢表面图像中需要修复的目标区域和背景区域.在稀疏表示原理的基础上构建稀疏修复模型,在车用带钢表面图像的目标区域和背景区域中对受损区域进行修复,能够有效获取车用带钢表面缺陷图像信息,实现车用带钢表面图像信息的修复.实验结果表明,所提方法对车用带钢表面图像信息修复的峰值信噪比较高、均方根误差较小,表明该方法的信息修复效果较好,且修复耗时较短,修复效率高.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

基于小波提升分解的带钢表面缺陷检测

针对带钢表面缺陷的特点,提出了一种基于图像处理的快速检测方法.首先,通过分析小波的提升格式,确定了带钢图像的小波提升分解方法.其次,利用DB2小波对带钢图像进行二层提升分解.然后,选取二层水平细节和垂直细节子图进行图像融合.在此基础上,对融合图像进行标准化和维纳滤波.最后通过oust方差法进行分割从而实现对带钢表面缺陷的检测.实验表明,采用此方法能够有效抑制图像背景干扰,实现带钢缺陷的快速检测.     

基于稀疏成像与机器视觉的金寵材料次表面缺陷检测方法

传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低.针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法.扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利...     

基于形态学方法的工件表面缺陷红外热像检测技术

提出一种基于形态学理论的红外热像分割方法,用于工件表面缺陷的自动检测。首先在含缺陷钢制试件红外热成像检测试验的基础上,对工件的红外热像进行灰度化、高斯高通滤波、对数变换和二值化等方法相结合的增强处理;然后采用形态学方法,基于缺陷的空间连续性和缺陷与噪声的尺寸差别,设定连通分量所含像素数的阈值,最终实现红外热像的有效分割。结果表明,新的红外热像处理方法可以实现缺陷位置和形状的精确检测,可作为含缺陷部件的红外检测和自动识别手段。     

冷轧带钢表面缺陷检测的信号处理

冷轧带钢的表面质量是一项重要的管理项目.随着现代化的发展,对冷轧带钢表面质量的要求越来越高.目前国内检测冷轧带钢表面缺陷的方法,是带钢在低速传送下,由人目视检测,因而生产效率很低.本文研究了一种适用于高速传送带钢的生产线上的由激光扫描器和信号处理系统组成的自动表面缺陷检测系统.     

带钢表面缺陷图像小波融合方法

采用两个CCD图像传感器在多种采集方式下获得不同缺陷图像,运用小波变换法对缺陷图像进行融合,结合带钢表面缺陷特征对融合算法和规则进行了探讨,并对融合后的缺陷图像质量进行评价.实验结果显示了小波融合方法的优越性,该方法能更全面、更准确、更大限度地获得缺陷图像信息,解决了单一CCD缺陷采集模式下存在的缺陷特征丢失问题,为后续的缺陷识别与分类提供有效、可靠的数据支持.     

带钢表面缺陷图像的小波阈值降噪研究

以典型带钢表面缺陷图像为例,采用小波阈值降噪方法研究带钢表面缺陷图像的小波阈值降噪规律,并论述了带钢表面缺陷图像阈值的选择和小波基的选取.结果表明,图像经过小波变换后具有低熵性、多分辨率和选基灵活性等特点,使得小波阈值降噪提高了图像的信噪比、改善图像的质量,并且增强图像的清晰度.     

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。     

基于改进YOLOv5算法的钢铁表面缺陷检测

根据以往钢铁表面缺陷检测技术的检测效能较低、准确性低的情况,提出一种改进YOLOv5s的钢材表面缺陷检测算法。主要改进为：加入坐标注意力机制(Coordinate Attention,CA)的空洞空间卷积池化金字塔 (Atrous Spatial Pyramid Pooling,ASPP),扩大模型感受野和多尺度感知能力的同时能更好的获取特征位置信息;加入改进的选择性内核注意力机制(Selective Kernel Attention,SK),使模型能更好的利用特征图中的频率信息,提升模型的表达能力;将损失函数替换为SIoU,提升模型性能的同时加快模型的收敛。实验数据表明,改进的YOLOv5s网络模型在NEU-DET数据集上的mAP值为78.13%,相比原网络模型提高了2.85%。改进的模型具有良好的检测型性能的同时检测速度为103.9 FPS,能够满足实际应用场景中钢材表面缺陷实时检测的需求。     

改进YOLOv5的钢材表面缺陷检测算法

针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量。实验表明,改进的YOLOv5sGSD算法,模型体积减少了10.4%,在测试集上的mAP值为76.8%,相比原YOLOv5s网络提高了3.3%,检测精度和速度也明显高于一些主流算法。相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署。     

基于客户应用的带钢表面质量评价

带钢传统的表面质量评价方法仅仅考虑了表面缺陷的数量及等级,而未考虑与客户应用密切相关的缺陷分布对表面质量的影响.在客户应用及带钢表面缺陷分布数据已知的情况下,建立线性规划模型,得出缺陷分布数据已知的带钢利用率,并将其与表面无缺陷的带钢利用率的比值作为衡量带钢表面质量的标准,由此得到一个基于客户应用的带钢表面质量评价方法,改变了传统的质量评价方法客户应用无法体现的局限性,保证了带钢表面质量评价的科学性及实用性.实例表明该方法可行、有效,且具有一定的推广性.