基于改进YOLOv5的钢轨表面缺陷检测

针对钢轨表面缺陷检测效率较低及抗干扰能力较差的问题,提出一种基于改进YOLOv5的钢轨表面缺陷检测算法.首先,采用图像增强操作对采集到的钢轨表面图像进行预处理,减轻高光、异物等噪声对检测效果的影响.其次,将多头自注意力层嵌入YOLOv5骨干网络末端,并为缺陷特征引入全局依赖关系,提升模型对密集缺陷的检测效果.最后,构建跨层加权级联结构,将浅层信息融入到深层网络中,使网络对缺陷边界的回归更为精准.实验结果表明：本文的钢轨表面缺陷检测算法对裂纹、剥落、磨损3类表面缺陷检测的平均精度均值达到98.2%,每秒帧数（Frames Per Second, FPS）达到77帧/s,能够在不同的环境条件中实现对缺陷的精准检测,比其他某些同类算法拥有更高的鲁棒性、准确性和实时性.     

钢轨表面图像冗余信息的模糊匹配算法

为了解决高速铁路轨道表面缺陷机器视觉检测系统中采集图像的冗余问题,本文提出一种钢轨表面图像冗余信息的模糊匹配算法.该种算法首先采用竖直投影法提取钢轨表面区域;之后对钢轨表面区域进行预处理并二值化,得到缺陷的位置信息;然后通过感知哈希算法,得到钢轨表面缺陷的形态信息;最后计算缺陷的位置误差和形态相似度,基于模糊匹配算法,得到匹配结果.通过实验验证,该算法能有效识别系统图像中的冗余部分,准确率达到97.5%.     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。     

线扫描铁轨表面缺陷成像与检测

基于线扫描的机器视觉成像系统,用于采集铁轨表面图像,提出一种以图像增强和自动阈值分割为核心的缺陷检测算法,该算法能够准确检测出铁轨表面缺陷.图像增强采用局部零均值法,克服了铁轨表面光线反射不均的缺点,提高了缺陷和背景的区分度.自动阈值分割采用强调概率的最大背景类方差法,取到的阈值使背景类方差最大的同时保持缺陷出现概率较小.将本文的核心方法与传统方法进行对比实验,验证了该算法的有效性和快速性,具有一定的实用价值.     

基于机器视觉的钢轨表面损伤检测算法

钢轨表面损伤的检测对于铁路运输安全具有重要的意义.不同类型的损伤具有不同的成因和特征,单一的检测算法针对性和鲁棒性不强,应根据不同的损伤类型提出针对性的检测方法.本文针对鱼鳞纹损伤的规则方向性特征,提出了基于转动惯量等效椭圆的区域方向性计算和基于纵向区域直方图的区域方向性筛选算法;针对踏面剥离裂纹和浅层掉块损伤的呈带状分布的不规则、不连续和多凹陷特征,提出了基于多孔洞区域的骨架提取的检测算法.这两种算法均能有效地检测出相应损伤,为缺陷的分类识别提供参考.     

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.     

基于机器视觉的食品缺陷检测系统研究

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;最后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。     

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。     

基于一维卷积的生产线冷态重轨表面缺陷快速检测

采用直观、高效的基于机器视觉的检测方式对生产线冷态重轨表面缺陷进行自动化检测.以彩色双目线阵相机作为采集传感器获取深度信息和RGB信息.深度信息用于缺陷快速检测,RGB信息及深度信息用于缺陷分割.然后,提出一个基于一维卷积网络的深度网络用于缺陷快速检测.该网络主要包括基于一维卷积网络的特征提取器,由全连接层和Dropo...     

基于线型激光的钢板表面缺陷三维检测技术

提出将线型激光束垂直投射到钢板表面,通过面阵CCD摄像机采集激光线在钢板表面的图像来计算表面缺陷深度的三维检测方法.利用中点法对激光图像进行细化,并根据稳定点判别依据提取激光线形.采用分区标定方法对摄像机进行标定,由空间还原思想恢复激光线形的空间坐标.根据扫描投影的方法选择理想表面方向作为缺陷深度计算的基准,实现对缺陷深度信息的定量计算.通过对缺陷样品验证的结果表明,采用该方法得到的计算值与实际值非常接近.     

重轨表面缺陷机器视觉检测的关键技术

针对重轨生产线中重轨表面缺陷在线检测的困难,提出了基于机器视觉检测的系列关键技术,包括缺陷成像机理、多CCD组合采集器、图像处理技术、基于多空间的缺陷参数提取等.通过图像校正、基于支持向量机(SVM)的直线(面)边缘搜索算法和缺陷特征参数提取等核心技术,可获得完整的重轨全表面的图像,其提纯的缺陷特征参数可以进行模式识别.实验验证表明,采用上述关键技术对重轨表面常见的缺陷识别,正确率在80%以上,达到了工程检测的需要.     

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.     

基于图像处理的胶管缺陷在线检测系统开发

为实现胶管表面缺陷的在线检测,提出了一种基于图像处理技术的检测方法.采用图像剪切方法选中胶管区域,利用中值滤波和Canny边缘提取处理图像,清除与图像边界连接区,避免胶管边界的干扰,使用形态学膨胀方法对缺陷区域图像分割,根据缺陷特征完成缺陷分类.采用三台CMOS相机环胶管圆周布置,间隔120°,光源采用同轴光源.基架结构具有调节功能,保证胶管在三台相机的中心位置.通过检测系统在车间生产线上试用,测试结果表明缺陷检测正确率在96%以上,可实现胶管表面缺陷自动检测和及时报警.      

基于空间平均的三维激光检测数据点的面分类

介绍了一个用于检查物体的系统,以及从一大堆点中找到为具有平面的物体进行面分类的方法.该系统基于光电技术,采用非接触式的方式进行测量.该系统是为尺寸小于2cm×2cm×2cm的小物体设计的,在利用镜面转台进行直线扫描的同时,物体在转台上作沿圆周不断的转动.在获得了三维物体的表面轮廓以后,运用一种几何方法进行划分.系统的性能体现在对不同大小的物体的测试上.     

图像处理耦合机器视觉的芯片表面缺陷检测研究与应用

微电子工业中芯片表面外观检查需求已广泛存在,而人眼检测已愈来愈不能对应当前自动化、数字化的要求.当前已有图像处理技术应用在电子芯片外观检查上,但往往没有整套的系统,只是针对某个问题提出算法或解决方法.对此,提出了一个图像处理耦合机器视觉的芯片表面缺陷检查系统,并在软件硬件上集成实现.首先设计并搭建光源取像平台;然后基于轮廓定位芯片ROI区域,识别各种缺陷.最后,引入IO卡控制传动伺服、读码器记录芯片ID、基于Socket通信完成电算统计,从而完善整个系统.对比实验结果显示:与人工检测方法相比,所提方案具备更高的效率和精度.