一种带钢表面缺陷检测的算法

为了准确快捷地对带钢表面缺陷进行在线自动检测,提出了一种小波提升格式的Mallat的表面缺陷检测方法。原始的Mallat算法滤波后的重构图像数据不再是整数,因此无法精确的实现无失真的小波重构图像。提出提升格式的双正交小波分解能够实现从整数到整数的变换,该算法首先利用小波变换的多分辨率的分析特点,对图像进行多尺度双正交小波提升算子的快速分解;然后再对重构后的图像进行二值化,提取出缺陷特征。实验结果表明,该方法能够明显检测出缺陷的存在。     

基于FF R-CNN钢材表面缺陷检测算法

针对深度学习算法检测钢材表面缺陷时,结构信息减少导致检测精度低的问题,提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。首先利用主干网络提取特征图,通过融合特征图的方式,达到减少结构信息丢失的目的;进一步将生成的特征图输入RPN网络生成区域建议框;最后利用检测网络对区域建议框进行分类与回归,通过级联2个检测网络,实现精确检测结果的目标。对模型进行对比性实验分析,找出检测精度最优的算法模型。在NEU-DET数据集上对提出的算法进行了检验,主干网络采用VGG-16比采用Resnet-50的检测精度提高了2.40%;通过融合特征,检测精度提高了11.86%;通过检测网络的级联,检测精度提高了2.37%.通过对算法模型的不断改进和优化,检测精度达到了98.29%.与传统的钢材表面检测方法相比,改进算法能够更准确地检测出钢材表面缺陷的种类和位置,提升对钢材表面缺陷的检测精度。     

神经网络决策树算法在钢材表面缺陷检测中的应用研究

文中采用BP神经网络决策树算法实现钢材表面缺陷非人工检测和分类,依据缺陷的特征提取数据,采用BP神经网络决策树算法构多类造分类器,输入标准样本分类器训练后,对钢材在实际生产过程中可能出现的氧化色、飞边、辊印、擦伤、孔洞、压痕等缺陷进行检测和分类,通过对检测结果的分析,缺陷分类准确率高,速度快。     

神经网络决策树算法在钢材表面缺陷检测中的应用研究

文中采用BP神经网络决策树算法实现钢材表面缺陷非人工检测和分类,依据缺陷的特征提取数据,采用BP神 经网络决策树算法构多类造分类器,输入标准样本分类器训练后,对钢材在实际生产过程中可能出现的氧化色、飞边、辊印、擦 伤、孔洞、压痕等缺陷进行检测和分类,通过对检测结果的分析,缺陷分类准确率高,速度快。     

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YOLOv5的表面缺陷检测优化算法

快速、准确地检测材料表面缺陷已成为各领域研究的重要目标,为增加检测效率,实现设备轻量化,提出了一种基于YOLOv5的目标检测优化算法,添加DyHead检测头,融合多个注意力机制,增强模型的检测精度;更换aLRPLoss损失函数,减少超参数调节工作,优化训练过程;基于FasterNet提出C3-Faster,代替网络中的C3模块,以PConv的思想提升模型检测性能,减少模型体积;最后添加轻量级上采样算子CARAFE,扩大模型感受野,提升对不同大小目标的检测效果。实验结果表明,改进后的YOLOv5模型相比于原版模型,在钢材表面缺陷数据集上总体平均精度提高了4.174%,参数量减少了11.25%,计算复杂度减少了13.75%,权重体积减少了10.72%,检测性能高于SSD、RetinaNet、FCOS、YOLOv3、YOLOv4等主流目标检测算法,在工业检测中具有较高的应用价值。     

基于机器视觉的陶瓷瓦表面鼓包缺陷检测算法研究

针对陶瓷瓦表面鼓包缺陷自动化检测的需要,本文提出了基于机器视觉的表面鼓包缺陷检测算法。首先,对陶瓷瓦图像进行预处理,降低噪声。其次,通过自定义滑动滤波、线性中值滤波、插值低通滤波处理来提高鼓包与背景对比度,再采用阈值分割方法及形态学方法将鼓包区域提取出来。最后,通过特征提取得到缺陷信息。实验结果表明,该算法可以实现陶瓷瓦复杂表面的鼓包缺陷的检测,准确率达93%,能够将其应用于陶瓷瓦表面鼓包缺陷检测的生产实践中。     

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.     

带钢表面缺陷在线检测系统的图像滤波算法

由于纹理背景的存在导致图像缺陷检测结果不准确是目前冷轧带钢表面缺陷在线检测过程中存在的主要问题之一.针对该问题提出了一种基于小波的各向异性扩散图像滤波方法,该方法通过小波分解得到图像的低频和高频分量,并针对高频分量采用小波扩散系数对小波系数进行正则化处理,最后进行小波逆变换,重构滤波后图像.实验结果表明该方法不仅能够有效地滤除不必要的纹理背景信息,而且能够较好地保留图像的细节信息,具有更好的综合性能,为带钢表面缺陷在线检测系统中的后续处理,如图像的边缘检测和自动分割等奠定了基础.     

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。     

基于机器人视觉的汽车零配件表面缺陷检测算法研究与实现

对机器人视觉进行研究,建立检测算法模型.通过分析图像相减匹配算法工作机理,结合汽车零配件生产系统,建立一种基于Siemens PLC的表面缺陷检测仿真平台,以验证该算法的可靠性.实验结果表明,该算法模型可以稳定地检测到缺陷目标.     

一种基于动态阈值的镀铜表面缺陷检测算法

表面缺陷检测是机器视觉检测领域的一个主要问题,针对版滚镀铜表面缺陷的特点,提出一种动态阈值缺陷检测算法。该算法采用整体结合局部的灰度特征方法、利用缺陷表面与正常表面的差异对镀铜表面进行检测。实验结果表明,该算法能精确的检测出各类缺陷所在位置及其面积大小且速度较快,达到了在线检测的要求。     

飞机蒙皮表面缺陷特征提取算法

基于内距均值法提出了一种特征提取方法,提高了检测铆钉中心与半径的准确度,并能够判断腐蚀方向,可有效辅助实现蒙皮缺陷的检测识别。     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法.该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷.该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能.     

热轧板带表面缺陷检测系统设计与研究

针对热轧板带生产线相对恶劣的生产环境及表面缺陷检测精度低的问题,设计了一套热轧板带表面缺陷在线检测系统,深入研究了系统构成、图像去噪处理、缺陷的检测和分类、特征提取和缺陷识别。本文首先对图像进行形态滤波去噪处理,提出了一种基于融入熵的BING检测算法,采用P-relief特征检测和多分离器集成识别算法对热轧板带多种缺陷图像进行处理。实验证明本文算法能够有效地实现缺陷图像的检测和精确的分类。     

基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到K-means聚类算法中,使自适应人类学习优化算法初始化K-mean...     

火车轮对表面缺陷检测

基于CCD图像采集测量和图像处理方法,设计实现了一种利用面阵CCD成像系统检测火车轮对表面剥离的非接触在线测量系统,着重讨论了系统中灯光、摄像机的安装位置对成像的影响,分析了轮对剥离图像的特征;并提出一种利用图像特征的剥离(金属表面脱落现象)检测方法和确定剥离尺寸大小的边界搜索方法．现场实验表明该方法具有较强的抗干扰能力,检测正确率达到90%,精度达到4mm．     

带钢表面重皮缺陷在线图像识别算法研究

分析了运动带钢表面重皮缺陷的特征，对缺陷图像的奇偶场叠加和ＣＣＤ积分延迟造成的运动模糊进行了预处理．提出了一种基于机器视觉心理的高速在线重皮缺陷图像识别算法，最后给出了检测结果和结论     

融合多层级特征的弱监督钢板表面缺陷检测算法

由于缺少实例级标签,使得深度神经网络在工业表面检测领域的应用受到了限制.为解决这一问题,本文面向实际的热轧钢板表面缺陷检测任务,提出基于弱监督学习的缺陷检测网络,该网络引入类激活映射模型,使用容易获取的图像级标签进行模型训练,进行钢板表面的缺陷检测.为了进一步提升检测精度和克服类激活映射模型原有的缺点,本文采用性能更优...