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.     

高温连铸坯表面缺陷的机器视觉无损检测

针对高温连铸坯表面缺陷无法在线检测问题,采用机器视觉技术和相应的试验装置,建立了高温背景下CCD快门控制时间成像模型,同时设计分类器算法对缺陷种类进行归类.系统所选CCD成像装备采用水冷风冷双层冷却方式,在高温状态下能长时间连续工作.系统可检测最大铸坯宽度为3 000 mm,能有效抑制铸坯表面振痕产生的图像噪声影响,实现热态铸坯表面缺陷在线检测与分类.     

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.     

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。     

成像运动目标的不动点特征分析与提取

研究了成像运动目标不动点的存在性、意义和性质，不动点的约束条件以及提取方法等内容，注意到目标在运动，且不同的目标有不同的运动速度和空间位置，当以速度向量的ｘ，ｙ方向分量为坐标构成一个速度平面时，它们在速度平面上将对应于不同的不动点。研究了从图像平面速度平面的约束交换，进而在速度平面上分析和提取不动点特性，这些研究为各类运动目标的识别与跟踪提供了新的思想方法和技术途径。     

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

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,利用稀疏成像,修正特征参数,对参数进行BP神经网络训练,进而识别金属次表面缺陷类型。选取钢管的凹坑、划痕和擦伤次表面缺陷,进行对比实验,结果表明,此次方法提高了缺陷检测识别准确率,更加符合检测方面的要求。     

采用机器视觉的铝压铸件表面缺陷检测

对铝压铸件常见的缺陷形态进行分析,提出适用于铝压铸件表面缺陷的检测算法.首先,采用阈值分割与形态学相结合的方法分割出可疑区域;然后,根据基于面积、亮度均值、亮度均值差、灰度曲线分析的4个剔除原则,剔除伪缺陷的干扰.试验结果表明:文中的检测方法具有低成本、高精度、可操作性强等优点,能有效提高铝压铸件生产过程中的检测效率.     

一种基于LED和线激光的钢轨表面缺陷检测系统

提出了一种二维视觉和三维视觉相结合的钢轨表面缺陷检测方法。钢轨踏面分别在LED板光源和激光线光源的照射下,由两台面阵相机单独采集图像。扫描钢轨表面并把图像传送回主机,通过特征提取和图像处理,分别获取表面缺陷的大小和形状,以及缺陷的深度信息。实现了视频和激光检测的融合与互补。实验表明,与单独使用可见光图像识别,或者单独使用线激光检测相比,系统检测效果更好。     

基于DSPs的运动目标检测与匹配

建立了一个基于TMS320C6701的DSPs系统,实现复杂背景中单个运动目标的实时跟踪.同时给出在复杂背景下人物自适应跟踪的实验结果.在这基础上,结合运动目标检测技术和模板匹配法,讨论一个复杂背景下多运动目标自适应跟踪系统,同时也给出运动目标检测和模板匹配的实验性结果.     

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...     

基于流场纹理表达与表面粗糙度测量的运动目标分割

针对传统的光流法和背景差法所分割的运动目标存在区域丢失和内部孔洞的缺点,本文提出一种基于流场纹理表达及物体表面粗糙度测量的运动目标分割方法,即通过计算相邻帧间的光流将目标运动表达成流体的流动,并利用线积分卷积来表达流场纹理以展示更多的流场细节,从而将背景图像和运动目标分别表达成不同的纹理,最后通过针描法测量物体表面粗糙度的策略将运动目标和背景的纹理图像映射为表面粗糙度不同的物体,并通过分析直方图确定阈值分割运动目标。实验结果表明,本文提出的运动目标分割方法可自适应地选取阈值,并且可克服内部孔洞。     

浅谈运动目标检测方法的研究

运动目标检测是数字图像处理技术的一个主要部分,在现实生活中有着广泛的应用。本文分别论述了：（1）运动目标及运动目标检测的基本概念;（2）运动目标检测研究的难点;（3）运动目标检测方法。     

复杂背景下钢板表面缺陷检测的图像增强方法

为了实现复杂背景中钢板表面图像缺陷的准确检测,采用连续均值量化变换(SMQT)对钢板表面图像进行增强处理.每个均值量化单元的计算由3步实现:计算各个像素灰度值的平均;采用均值量化方法将各个像素的类度值量化为0或1;将量化输出分解到2个节点中.实验表明:与传统图像增强方法相比,本方法可以显示出图像底层的结构特征,并能自动...     

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。     

运动目标自动跟踪中速度测量方法初探

提出和探讨一种对运动目标进行软件自动跟踪的方法,采用光流场方法提取图像序列中移动较快的运动目标．并逐帧追踪其运动的方向和运动速度,进行定量分析计算．     

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。     

基于视频的运动目标检测及算法分析

社会经济高速发展、人民生活水平不断提高,必然导致各类汽车使用数量的飞速增长。城市交通拥堵、交通事故频发、交通环境恶化等社会问题不但造成了巨大的经济损失,也促成了空气质量的进一步恶化。作为交通事件检测系统的关键环节,基于视频的运动目标检测可以有效加强交通管理者对道路的可视化管理,提高道路交通事件的检测效率,力图在第一时间发现并及时处理交通事件。