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HSV空间的钢轨表面区域快速提取算法

机器视觉采集的轨道图像中包含钢轨表面区域(简称轨面区域)及干扰区域(轨道、碎石、杂草等),从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L_1、R_1和次大值L_2、R_2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(I_(oU)高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.     

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.     

基于线型激光的热轧带钢表面在线检测系统

针对基于面阵CCD摄像机的热轧带钢表面缺陷检测系统所存在的问题,提出采用线阵CCD摄像机作为热轧带钢的表面图像采集装置,将激光线光源作为照明光源,解决了高温环境下的远距离均匀照明问题.采用这种图像采集方式可以使系统的精度达到0.5mm以上.针对热轧带钢表面存在的氧化铁皮、水及光照不均等问题,提出了对于不同缺陷类型建立单独的缺陷检测算法的思想.目前已经建立了纵裂与边裂的检测算法,对这两类缺陷的检出率达95%以上.     

一种新的对比度测量方法用于钢轨图像增强

机器视觉轨道缺陷检测系统采集的图像缺陷与背景的对比度低,给缺陷检查带来了困难。提出一种新的对比度测量方法,用于钢轨图像中缺陷和背景的对比度增强。将钢轨图像分成若干个互不重叠的区域,测量局部区域的对比度,通过将相对较低的灰度级像素映射到更低的范围,相对较高的灰度级映射到更高的范围,实现对比度拉伸。实验结果表明:提出的算法对不同光照的图像能自适应的增强图像的对比度,增强效果与光照无关,而且算法简单、快速,有效,满足机器视觉实时性要求。     

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.     

连铸热坯表面缺陷图像清晰度控制算法

连铸热坯表面缺陷机器视觉检测系统中,获得清晰稳定信噪比高的图像是检测能否成功的前提条件。针对当前连铸坯表面缺陷获取图像质量及清晰度问题,提出一种基于聚焦平方梯度及CCD靶面照度参数的缺陷图像质量控制算法。选取连铸热坯表面上的一个标志点作为对象,首先采用聚焦窗口平方梯度函数获得系列离焦平面的清晰度最高图像对象,再通过识别该对象和分析对象的面积损失率获得CCD靶面照度参数,进而获得全局采集图像的质量最清晰点。该算法解决了连铸热坯表面缺陷成像系统中焦平面选择及CCD积分时间控制,具有很好的实用性。同时,该算法也为其他机器视觉工程的图像采集提供良好的指导作用。     

基于机器视觉的微小零件表面缺陷检测研究

针对人工检测微小零件表面缺陷存在的不足,提出一种基于机器视觉的微小零件表面缺陷检测方法。首先分析微小零件检测内容的特点,通过机器视觉专用软件HALCON提供的图像滤波、阈值分割算子提取缺陷区域,并设计了一种自动选择平滑滤波尺寸与阈值的最优取值算法,再采用改进的边缘检测算法准确提取表面的边缘位置,将图像以边缘为界分割成不同的区域,运用区域形态学方法对候选缺陷进行筛选,最后使用区别特征实现缺陷分类与标记。实验结果表明,该方法能够稳定的进行微小零件表面缺陷的识别与检测,缺陷识别率达到97.05%,达到预期检测目标。     

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.     

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。     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

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...     

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。     

热态重轨表面缺陷在线检测方法及关键技术

针对热态重轨轧制时表面缺陷检测困难,研制了一种基于机器视觉的热态重轨表面缺陷实时检测系统。根据重轨辐射和光照特性进行了光学选型,利用多个线阵CCD相机并行多角度采集得到热态重轨全表面图像,通过图像自适应预处理得到满足缺陷检测要求的图像。针对重轨表面缺陷结构连续性引起的传统图像分割算法难以实现缺陷提取的情况,提出了图像像素线线间相关度互检验算法,并利用像素去差异化和方差统计运算提取完整缺陷,此方法在该类问题的识别效果上明显优于传统边缘识别算法。系统在某集团轨梁厂的实际应用中取得了良好的效果。     

冷轧带钢表面缺陷视觉检测系统

基于多级分类和模块化设计思想设计一套基于机器视觉的冷轧带钢表面缺陷检测系统. 该系统硬件采用自行研制的高速线阵CCD图像采集器及配套的高速光纤图像采集卡、 高速FPGA图像处理卡和多核处理器; 软件采用RTAI Linux实时操作系统及并行处理策略, 确保了系统的实时性. 图像分割并行处理实验表明, 四核处理器的处理速度是单核处理器的3.2倍, 显著提高了系统的处理性能.     

基于机器视觉的硅片检测分类系统设计

等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该工序后的表面破损检测和减反膜颜色的检测主要通过人工完成,存在不稳定、高碎片率和低速率等问题,需要利用机器视觉技术,开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备选型,利用“Visionpro”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明,该系统破损测量的精度在0．2mm以内,图像颜色检测满足实际应用需求。     

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之一,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。详细介绍了基于机器视觉的桥梁裂缝检测系统及其应用,总结了该技术在桥梁裂缝检测中的优势及改进方向。     

RULE-BASED FABRIC INSPECTION USING MACHINE VISION

Automatic visual inspection of fabric is not only one of the potential application of machinevision but a considerable challenge in textile engineering as well.This paper mainly discusses howto inspect fabric defects using machine vision.The introduced inspection system has a feature of:(?)Categorizing the fabric defects into 4 groups,for each group diffcrent image processing and recog-nizing methods are designed for fast and efficient inspection:2.The inspection and recognitionparameters are determined by training and self learning,these parameters vary with different kindsof fabric;3.Human inspetor's experiences are summed up as rules to ensure the system has a s(?)lar evaluation performance of human inspector.This system can detect most of the fab(?) defects.the total recognition error is less than 5% except for the detection error of yarn irregularity,whichcould be as high as 20%.