基于BP神经网络方法的焊缝图像识别系统

在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量,所以焊接图像中缺陷的检测十分重要。受传统X射线焊缝图像检测的评片人员的技术素质和经验的影响,焊缝缺陷的检测逐步从人工评片过渡到计算机智能识别。本文以数字图像处理技术为基础,应用Matlab建立了基于BP神经网络的焊缝图像识别系统,实现故障类型的识别。     

自动磁粉探伤系统中的图像处理与识别技术

讨论自动磁粉探伤系统中数字图像处理问题,采用浮动阈值和条件跟踪复合分割法得到了较好的二值化图像;采用树状连通域搜索和基于裂纹图像基本特征的识别方法,满足了自动磁粉探伤系统的要求.     

基于VC＋＋的数字图像处理系统的设计与实现

随着计算机技术的日新月异,为数字图像处理的发展提供了广阔的空间。该数字图像处理系统是基于Windows平台的图像处理系统,运用MFC的设计思想,通过VC＋＋实现系统框架,实现了对灰度级图像的编辑,可以进行图像导入和导出,视图设置,可以调整图片尺寸,旋转和翻转图片,图片增强优化,图像边缘检测与分割,图像编码以及打印输出图片。     

油田井管视频测量系统的设计

基于数字图像处理技术,构建了油田井管视频测量系统。系统采用光学摄像机采集下井管图像,应用图像增强、边缘检测、图像识别等数字图像处理技术,采用中值滤波法进行图像增强,改进的边缘算子检测法实现井管边缘识别,针对具体测量对象及条件设计了测长算法,实现了以非接触方式对油田下井管的实时长度测量,及测量结果的显示和传送。该系统测量准确性高,实时性好,是在线图像检测技术应用于工业生产现场的一个典型实例。     

基于图像处理技术的量表验定系统的研究

随着数字图像处理技术的发展，图像检测的应用逐渐成为许多工程应用中的关键技术。对原有的图像采集、检测系统——量表验定系统深入分析的基础上，调整了系统的结构。提高了系统运行速度。在对图像边缘检测上应用了亚像素插分，提高了精度。投入实际应用中，取得了良好的效果。     

数字图像处理在网纹自动检测系统中的应用

随着数字图像处理技术的发展,图像检测的应用逐渐成为许多工程应用中的关键技术,针对织网制造企业人工检测织网网纹方法的不足,提出一种利用数字图像处理、比对进行网纹无损检测的新方法.介绍了网纹自动检测系统的结构、检测方法以及涉及的有关数字图像处理算法.实验结果表明,将数字图像处理应用于网纹检测,精度高,操作简便,可显著提高工作效率.     

基于机器视觉的桥梁裂缝检测应用及发展综述

桥梁裂缝是影响桥梁服役性能的关键因素，裂缝检测对桥梁养护至关重要。目前大部分检测为人工检测，检测人员通过目视检查裂缝，手动记录裂缝，检测的时间成本高昂。基于机器视觉的桥梁裂缝检测系统利用桥梁表面图像进行裂缝识别，近年来借助人工智能技术使裂缝自动化识别的精度和效率大大提升。本文详细介绍基于机器视觉的桥梁裂缝检测系统及其应用，总结该技术在桥梁裂缝检测中的优势及改进方向。     

煤矿顶板裂纹图像的小波分析

将数字图像处理技术引入到对煤矿顶板岩石裂纹图像的分析当中,这种通过图像研究裂纹的方法不依赖具体的岩石岩性及其力学特征。首先对裂纹图像进行多分辨率小波变换,分析图像的不同频带所包含的信息,接着对裂纹图像实现边缘提取,为图像的定量测量提供依据。     

煤矿顶板裂纹图像的小波分析

将数字图像处理技术引入到对煤矿顶板岩石裂纹图像的分析当中,这种通过图像研究裂纹的方法不依赖具体的岩石岩性及其力学特征.首先对裂纹图像进行多分辨率小波变换,分析图像的不同频带所包含的信息,接着对裂纹图像实现边缘提取,为图像的定量测量提供依据.     

桥梁拉索表面缺陷无损检测系统设计

针对国内外对桥梁拉索表面缺陷检测方法的不足,提出了以高速数字信号处理器芯片DM642为核心的桥梁拉索表面缺陷无损检测系统设计方法,并搭建了检测系统硬件平台。检测系统主要包括缺陷图像高速数据采集单元、DM642硬件平台、爬行移动机构和缺陷定位装置。结合数字图像处理算法,在实验平台上对系统设计进行了现场实验验证,大量试验证明该系统具有工作稳定可靠、实时性好、海量存储和无损检测等优点。设计的检测系统技术先进,对目前的桥梁拉索健康检测具有重要的现实意义和实用价值,而且该方法具有较好的通用性,可以推广应用到其它相关的检测领域。     

基于数字图像的混凝土桥梁裂缝检测技术

应用visual C++6.0语言编制程序,研究了基于数字图像的桥梁裂缝检测方法,深入分析评价了图像灰度化、棋盘格角点求解像素率、滤波除噪、边缘检测等图像处理算法,实现了基于视频(或图像)的桥梁裂缝宽度计算和软件系统,并用15幅桥梁裂缝图像验证了其裂缝检测精度.结果表明:本文提出的裂缝识别方法能较好地用于钢筋混凝土桥梁和B类预应力混凝土桥梁的裂缝检测,当裂缝宽度大于0.3 mm时,图像计算出的裂缝宽度值与实测值非常接近,相对误差在6％以内;当裂缝宽度为0.2～0.3mm时,相对误差在10％以内.     

用于公路路面状况自动检测的图像处理技术

分析了公路路面图像处理中的主要问题，讨论了公路路面图像的综合顸处理算法，提出了可对裂缝与破损快速准确定位的图像分割算法，并给出裂缝面积与长度的计算方法，对类似的图像处理任务具有借鉴意义。     

基于卷积神经网络的桥梁裂缝检测与识别

针对当前中国检测桥梁裂缝依赖人工目测,危险系数极大的落后现状,研究了一种基于数字化和智能化的检测方法,以提高桥梁安全诊断效率,降低危险系数。结合机器视觉和卷积神经网络技术,利用Raspberry Pi处理器采集和预处理图像,分析裂缝图像的特点,选取效果检测和识别裂缝效果最佳处理算法,改进裂缝分类的卷积神经网络模型(CNN),最终提出一种新的智能裂缝检测方案。实验结果显示:该方案能够找到超出桥梁裂缝最大限值的所有裂缝,并可以有效识别裂缝类型,识别率达90%以上,能够为桥梁裂缝检测提供参考数据。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.     

基于数字图像处理的路面裂缝自动识别与评价系统

在论述国内外路面裂缝检测技术发展现状的基础上,分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。通过研究路面裂缝图像的特点和现有裂缝识别算法,提出了该技术应用中尚存在分析结果的可靠性、图像处理的速度以及路面裂缝评价技术的完善等几个关键技术,并探讨了解决这些问题的途径。     

基于区域分割的损伤图像修复

本文针对档案照片中两种常见的损伤,即划痕和因折叠所造成的裂纹,提出两种基于图像分割的修复方法．通过区域分割检测受损区域,然后根据分割后的二值模板取伤痕周围的某种平均值进行替代修补．在区域分割中分别采用修正的直线跟踪检测法和改进的梯度直方图法,取得了良好的效果．这些方法已经成功地应用于作者所在实验室研制开发的档案图像恢复处理系统中     

混凝土桥梁裂缝的成因及处理办法

分析了混凝土桥梁产生裂缝的类型、原因及影响因素,并结合实际提出了对裂缝的处理方法。     

含硫充填体膨胀裂隙发育特性与单轴抗压强度的关联分析

含硫胶结充填体随着养护龄期的延长会出现膨胀开裂现象,存在明显裂隙的充填体试件再进行单轴抗压强度测试其结果十分离散,已不能有效地获得充填体力学参数.在室内进行配比试验,采用数字图像处理技术对得到的充填体表面裂隙图像进行二值化、去噪等预处理,而后计算其分形维数并分析其演化规律,且将分形维数与单轴抗压强度关联分析.研究结果表明:充填体试件面表的裂隙存在自相似性,表面裂隙越发育,其分形维数越大;分形维数与单轴抗压强度存在负相关关系,分形维数越小,其单轴抗压强度越高;分形维数可判别含硫充填体试件的完整性,当充填体表面裂隙的分形维数小于某阈值时,强度试验的结果更为可靠.     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明,基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

浅论混凝土桥梁裂缝主要成因

针对混凝土桥梁经常出现的裂缝，就裂缝的种类和各类裂缝产生的原因做了较深刻的阐述。