基于DSP的带钢表面缺陷实时检测系统的研究

为了有效地解决在线高速实时检测这个关键性问题,本研究主要从软、硬件两个方面进行,将制约系统实时性的缺陷图像的识别过程分离出来,交由DSP芯片进行专门的处理,同时采用了兼顾识别效率及识别准确性的支持向量机的二级分类器对带钢的缺陷图像进行识别.在该硬件检测系统下对缺陷图像的正确识别率达到98%,缺陷图像的识别时间可控制在10 ms以下.通过理论上的分析和试验的测试证明所搭建的先进的TMS320C6416 DSP图像处理平台能够很好地满足实际生产线上的带钢表面缺陷的实时检测系统在处理速度和精度上的要求.     

圆柱形运动目标的表面缺陷检测

为了解决在运动情况下目标缺陷的快速检测,提出了在摄像机固定的情况下,利用基于光流场的图像分割算法对运动目标先进行区域分割,然后在分割图中利用SUSAN算子的边缘检测获得细化的目标区域边缘图来实现缺陷的检测。实验表明,这种方法可以有效的从生产线上快速检测出圆柱形运动目标的表面缺陷。     

基于多光谱柑桔缺陷检测方法研究

基于多光谱技术探讨一种新的柑桔缺陷检测方法.构建由光照箱、多光谱光源、摄像机等部件组成的系统.根据色度学基础理论,采用图像融合技术对柑桔图像进行融合分析判断,得到使柑桔缺陷识别率最高的图像为红光、黄光、近红外光波段融合后的图像.对融合后的多光谱图像,采用Otsu等图像处理算法进行缺陷检测.实验表明,采用多光谱技术可快速有效的提取缺陷特征.     

发动机装配线排气系统气密性自动检测装置

本论文主要阐述现代发动机生产线设计中的先进思想和设计理念,重点研究发动机缸盖生产线中排气系统气密性检测机构的工作原理,检测原理和外界因素对检测值的影响,选择检测方法。确定使用流量测量法检测排气端气密性检测装置。     

基于SOM-BP复合神经网络的多Agent入侵检测系统

针对现有入侵检测系统识别率低、误报率高的问题,论文采用SOM-BP复合神经网络技术,结合Agent技术应用到入侵检测系统,利用模糊SOM神经网络的自组织特性对网络数据流量强度进行建模和聚类,使用BP神经网络进行入侵企图的识别。提出一个基于SOM-BP复合神经网络的多Agent入侵检测模型,描述了模型体系结构及其工作流程。通过实验证明系统有较高的识别率和较低的误报率。     

基于反馈调节改进HMM的语音识别技术

本系统基于反馈调节HMM改进模型方法,依据HMM数学模型原理,找到这种模型的内在缺陷,提出一种反馈学习的修正原理,通过实验找出最优数据,正确反映汉语语音的数学模型,大大提高语音识别率。     

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。     

焊膏机器视觉测厚仪图像采集模块设计

用结构光投影进行机器视觉三维测量可以快速有效检测电子产品贴片生产线焊膏印刷质量,其中图像采集系统的设计是主要环节.论文通过选取合适的摄像机、镜头和投影仪,建立了焊膏图像三维测量系统,并通过标定板完成时图像采集系统的准确标定.实验表明,设计的图像采集系统和标定能够满足焊膏三维检测精度的要求.     

基于数字图像处理的火警监测系统研究

提出一种基于数字图像处理及传统的火警探测器相结合的火灾报警监测系统。计算机数字图像处理系统对图像中可能存在的火焰进行识别，给出存在火焰的可能性，并与其他传统探测器的探测结果一起输入到模糊神经网络，由模糊神经网络给出最终探测结果。在火焰监测子系统中，分别根据火焰的四个特征（即颜色、扰动、火焰局部形态、颜色分布），提出了快速、实用的图像处理方法。本监测系统可以弥补传统监测系统的缺陷，扩大检测范围、缩短预报时间，大大减少误码报率。实验结果表明，本系统快速有效。     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

物体亚表面的纳米探测研究

利用光纤构建了一套光学相干层析系统(OCT),并在光纤末端安装自聚焦透镜,采用宽光源对抛光物体亚表面微缺陷的存在进行了无损在体层析检测.利用光外差技术实现对样品的高分辨率检测.提出利用光学相干层析系统检测抛光物体亚表面微缺陷的方法,同时本实验系统的分辨率小于600 nm.系统中的光源相干长度为3.5 μm,光程为往返式,因此本系统的相干长度为1.7 μm.实验证明本系统在探测抛光物体亚表面的微缺陷中,可以清晰地识别3～4个微缺陷点区域.     

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YCbCr颜色空间的不良图片检测研究

为了实时监测网页中的不良图片,提出一种以YCbCr颜色空间肤色检测为主,结合模板匹配、特定情景的识别实现对不良图片的快速检测,采取提高肤色检测正确率、消除背景区域及模板匹配等过程逐步明确其类别。通过选取网络图片进行实验,其中正常图片的识别率为90.3%,不良图片识别率为89.5%,表明该方法能应用于实际过滤系统中。     

一种轧制镁合金薄板表面缺陷检测系统

在镁合金薄板的轧制过程中,如关键工艺参数控制不当或因板坯质量、加工设备精度存在问题,薄板表面易出现边裂、褶皱、波纹等缺陷。这些缺陷如不能及时准确地检测,将严重影响薄板的表面质量和性能,极大地降低产品成材率。为此,本文采用计算机视觉技术对轧制镁合金薄板图像进行实时分析,提取其缺陷特征,并采用贝叶斯分类器进行缺陷识别,最终设计与实现了一个轧制镁合金薄板表面缺陷实时检测系统。实验结果表明,该系统综合缺陷准确识别率达到83.6%。     

基于改进YOLOX-s算法的印刷电路板缺陷检测

印刷电路板(Printed Circuit Board, PCB)行业中的缺陷检测是质量监测的关键环节。传统的PCB缺陷检测方法在处理微小且分布复杂的缺陷时可能存在局限性，无法达到理想的检测效果。提出了一种改进的基于YOLOX神经网络的PCB缺陷检测方法，以提高缺陷识别率。改进的方法包括加入CBAM注意力机制以加强特征提取网络，从而聚焦于目标区域，改善检测效果，并解决复杂情况下微小缺陷经常被错误识别和忽视的问题。同时，选择广义重叠联合(GIOU)定位损失函数来关注目标框架之间的重叠区域和中心点距离，以提高模型的定位精度；通过使用VariFocalLoss替换二元交叉熵损失来改善置信度预测损失，从而减小对目标缺陷的漏检率。经过一系列实验，改进后的算法表现更好，平均精度(mAP)达到了96.18%,相较于原算法提高了2.12%。本文提出的方法为PCB缺陷检测提供了更准确和可靠的解决方案。     

基于噪声估计的钢材表面图像增强与缺陷检测

低光照低对比度的钢材表面图像(low-light and low-contrast steel surface images, LCSI)往往被大量噪声污染，给检测和识别带来很大的困难，导致缺陷的识别率很低。为了解决这一问题，本文提出一种基于噪声水平估计(noise level estimation, NLE)的钢材表面图像分解增强算法。根据快速的噪声水平估计确定总变分（total variation, TV）正则化的平衡因子，将低光照低对比度的钢材表面图像分解成基础层和细节层，利用视网膜大脑皮层理论（retina+cortex,Retinex）模型将基础层分解为光照分量和反射分量并分别增强使光照均衡化。对于包含更多图像细节（缺陷）和噪声的细节层，使用高斯滤波抑制噪声后，再对细节进行增强并与增强后的基础层重构得到高质量的输出图像。最后利用最新的基于Canny边缘检测和基于大津算法（nobuyuki Otsu method, Otsu）对增强的钢材表面图像进行缺陷检测。实验结果表明：增强后的缺陷识别率比最新的方法提升至少15%以上。     

射线数字检测中底片数字化及缺陷信息库建立方法研究

在无损检测中,针对压力容器焊缝结构复杂,检测焊缝底片缺陷时定级比较困难,并且底片长期保存和查询存在困难的问题,设计了射线检测底片数字化仪器与底片缺陷信息库系统软件。并根据数字化底片的缺陷的特征,提出了一种基于神经网络的底片焊缝缺陷的识别方法,并建立了缺陷信息库。试验结果表明该仪器能够快速实现底片的数字化,并对底片中的焊缝缺陷定位识别率达到90%以上,提高了射线检测的效率。     

基于机器视觉的金属罐内壁缺陷检测

对金属罐内壁质量检测进行研究,以Visual Studio 2010为开发平台研制了基于机器视觉的金属罐内壁缺陷检测系统,可实现对金属罐内壁缺陷的自动检测.针对金属罐内壁的特殊性,在图像采集时选择了合适的光源和相机;检测过程包括图像采集、图像处理、检测区域定位及缺陷检测;通过图像处理算法分别对金属罐罐口、内壁和焊缝3部分进行检测;并用多线程技术对检测速度进行优化.实验表明:对于选用的金属罐,缺陷检测系统的检测速度可达到600个/min,能够满足生产线的高速度需求.     

基于机器视觉的O型密封圈外观缺陷检测

针对O型密封圈表面细微缺陷检测困难的问题,提出了一种基于6光度立体法和图像综合特征分析的密封圈缺陷检测方法。首先采集6个不同光源角度的图片,利用光度立体法重构表面梯度图和反射率图。然后将表面梯度图先转化为平均曲率和高斯曲率图像,再转化为灰度图并使用固定阈值分割出缺陷区域。将反射率图经高斯滤波后,采用局部的均值和方差阈值分割缺陷区域。最后,对得到的缺陷区域连通域特征分析并准确选择出缺陷。实验测试结果表明,该方法对密封圈表面存在熔痕、凹凸、流痕等细微缺陷有较好的效果。在所设计的密封圈质量检测系统的应用中,检测准确度大于98.4%,能解决目前工业中存在的密封圈缺陷检测识别率不高的问题。     

基于图像分析的纸张表面缺陷检测系统的研究与实现

以模式识别为基础,结合SQL Server数据库,引入了用于图像纹理分析的LBP(Local Binary Pattern,局部二进制模式)方法对采集到的纸张灰度图像进行表面缺陷检测识别,应用Visual C++开发工具实现了基于图像分析的纸张表面缺陷检测系统。实验结果表明,本系统可行且有效。