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...     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

一种改进的核磁共振图像模糊边缘检测算法

文章针对模糊边缘检测传统算法即Pal算法的缺陷,提出了改进的边缘检测算法;通过定义有界函数作为隶属函数、采取更高效的模糊增强函数、引入P-M非线性扩散模型平滑图像噪声等措施,有效克服了传统Pal算法对低灰度、低对比度区域边缘检测效果差的缺陷;把改进算法用于对核磁共振图像的边缘检测,对比分析了不同边缘检测算法的边缘检测效果.     

基于形态学的硬币镜面区域缺陷检测算法研究

在机器视觉领域中金属产品表面缺陷检测是生产加工中的重要环节,而对于具有兼有镜面特性和纹理特性的硬币进行检测,则更加复杂.为了更有效地检测出硬币表面的缺陷,可将硬币表面分为2部分检测:一个是镜面部分,另一个是纹理部分.针对硬币镜面部分的检测提出了一种基于形态学配准的算法:首先利用无缺陷的标准硬币作为模板图像进行二值化、中值滤波、边缘检测以及形态学处理,然后再将待处理的硬币图像进行除形态学外的相同处理,最后对2幅图像的特征配准算法和差分将匹配错误的位置作为缺陷进行提取.实验结果表明,本方法可以有效检测出硬币镜面部分的缺陷.     

基于梯度直方图的产品表面缺陷图像自适应阈值分割方法研究

为了提高产品表面缺陷检测精度并降低检测成本,文章以E型磁环表面缺陷的自动检测为例,分析了产品表面图像的特征,提出了一种利用梯度直方图信息的图像自适应阈值分割算法.通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明:该算法采用可动态调整的形态学梯度算子计算梯度直方图,抗噪能力强;充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,适应性广;算法简单,具有实时准确分割图像的特点.     

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。     

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.     

G-YOLO:基于改进YOLOv5的嵌入式小目标缺陷检测算法

针对人工检测缺陷模式或YOLOv5等深度学习算法对工业产品的缺陷检测存在识别准确率低、模型参数规模大等问题,提出一种对微小缺陷端到端检测的嵌入式算法G-YOLO.该算法使用卷积核为3和卷积核为1的双层卷积FConv模块,改善了原单层卷积带来的参数量较大的问题;改进的轻量级跨阶段GSP模块融合坐标注意力机制用于主干网络中能够利用冗余信息实现廉价的线性操作和聚焦缺陷信息来增强特征,以提高网络对缺陷特征的提取能力;去除原YOLOv5的颈部模块,减少网络的参数量和提升网络检测速度.结果表明,G-YOLO嵌入式算法减少了模型大小,改善了缺陷检测的效果,较好地满足轻量化嵌入式模型的要求.     

一种仿射变换的印刷品缺陷检测方法

针对传统印刷品缺陷检测方法速度慢、检出率低的问题,提出一种仿射变换的快速检测方法.首先利用SURF(speeded-up robust feature)算法进行特征点匹配,并采用RANSAC(random sample consensus)算法剔除误配点后得到高纯度的匹配点对,然后利用最小二乘法拟合得到变换参数,最后通过图像差分和后处理,识别并标记出缺陷所在位置.经过试验验证,相对模板匹配和分层检测算法,该方法无论在算法速度还是缺陷检出率上都有很大提高.     

一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

深度神经网络模型用于图像斑点微瑕疵检测

在印染行业中,产品外观经常会出现很多斑点状缺陷,此类缺陷属于微瑕疵,其人工检测成本高且检测难度大。针对产品外观斑点状缺陷,本文提出了一种基于机器视觉的图像微瑕疵检测方法,其主要思想是基于Faster-RCNN框架构建轻量化网络模型,并利用样本梯度特征信息进行非端对端网络训练。所设计的非端对端训练模式不仅能有效缩短模型训练时间,还可以提升模型推理能力。实验结果表明,针对不同类型班点微瑕疵,本文提供的检测算法具有高效的局部检测精度,且可应用于其他领域的类似斑点任务检测。     

基于JPEG图像信息隐藏F5算法的改进

针对F5算法的缺陷, 通过改进其嵌入方式, 规避相应算法的检测, 提出一种改进算法, 该算法克服了F5算法的弱点. 实验结果表明, 该改进算法有效可行, 可极大提高算法的隐蔽性.     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题,本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法.算法考虑到人的视觉感官特性,首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定,然后再按照高精度图像检测要求采用分层检测的方法进行搜索,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.经过在高精度印刷图像的质量自动化检测系统中的应用,算法的速度和效果得到验证.     

基于支持向量机的印板缺陷检测

印板在工业制造中会产生表面缺陷,对产品的外观和性能都有影响.目前没有针对印板缺陷检测相关产品,为了解决这一问题,设计一个系统能够自动检测印板缺陷.根据采集的样本,确定缺陷种类.提取印板缺陷的纹理、几何和Hu不变矩特征共计23种,确定15种特征作为印板缺陷分类的依据,并运用支持向量机(SVM)方法建模.经实验验证,该系统能对印板常见3类缺陷检测,准确率高,检测速度平均0.7 s/张.     

基于加权双向二维线性判别特征的焊点检测算法

为克服现有自动光学检测(AOI)算法的缺陷,针对AOI的特点,对传统的双向二维线性判别方法进行改进,提出一种基于加权双向二维线性判别方法的焊点检测算法.在计算协方差矩阵时,对不同的类别以及类内不同的样本进行加权,从而提取更有判别力的特征.将改进后的算法应用于焊点检测,可实现对不同批次用料的自动分类.文中提出的算法检测速度可以满足实际需要,且与现有AOI系统中常用的图像对比算法和图像分析法相比,可以显著降低误报率.     

基于图像处理的麻将竹块缺陷检测

针对目前麻将凉席的竹块缺陷人工检测工作量大、效率低、容易疲劳、判断标准不统一的现状,对大样本的竹块缺陷种类及缺陷特征进行研究,并提出了一种基于图像处理的竹块缺陷自动检测算法。首先通过最大类间方差算法(OTSU)和Canny边缘检测等算法实现竹块轮廓缺陷的检测,然后通过水平投影法实现竹块正反的识别,最终通过区域生长算法实现竹块表面纹理缺陷的检测。识别检测结果表明,该算法稳定,识别准确率最高达95%。研究结果可以为竹块缺陷检测提供一种有效、可行的方法。     

基于等值面拓扑简化的三维重建算法

针对工业CT无损检测巾缺陷的窄间信息无法准确判断的问题,提出了重建缺陷的算法.该算法使用八叉树来节省内存,并同时从内部增加和外郭切除体素的方法来准确找到缺陷的边缘,利用MC提取的等值面经过拓扑简化得到最终的重建模型.实验表明,该方法可以实现对缺陷的三维空间形状观察,并提高了检测效率,得到了缺陷在空间任意方向的分布.     

基于光流场与EM算法的运动目标检测

针对光流法对检测目标的不准确性、抗噪能力弱等缺陷,提出了光流场和EM算法相结合的方法,利用两帧图片求得光流场,并在此基础上利用EM算法对属于背景和目标运动场的光流进行聚类,得到完整的目标,区分出前景和背景,消除噪声.最后通过仿真实验可知,所提出的改进算法对单目标、多目标以及被遮挡的目标的检测都具有良好的效果.     

改进的Gabor滤波器带钢表面缺陷显著性检测

针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法.首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测.实验结果表明:该优化算法复杂度低、检测效率高,优化后的Gabor检测模型在速度上比传统Gabor检测模型快了约2.3倍,平均速度达到了91.8ms/帧.