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.      

基于曲率和积分投影的人脸特征检测

针对以往基于图像的人脸特征检测对光照敏感的缺陷,提出了一种基于3D数据的人脸特征检测算法.首先对人脸3D数据计算其主曲率,设定阈值进行人脸特征的初步分割得到二值化的分割图,然后在二值化图上进行水平和垂直积分投影进一步确定人脸特征的位置,最后利用人脸特征的先验拓扑知识对检测到的人脸特征进行验证.实验结果表明,该算法能够有效地提取人脸特征点,具有一定的鲁棒性.     

机器视觉油炸鱼豆腐外观缺陷识别与剔除系统

设计了外观缺陷识别与剔除试验系统,利用产品图像的颜色特征和形状特征,可实现油炸鱼豆腐外观质量的在线检测、识别与自动剔除.在产品外观颜色检测中利用RGB颜色空间中的B分量阈值作为特征;在产品外形缺陷检测中采用目标面积和边缘形状矩形度实现特征识别.经排序机构将产品有序排列后,根据各列缺陷识别结果,由单片机控制剔除装置完成相应动作,剔除不合格品.实验表明:该试验系统可有效完成油炸鱼豆腐产品的在线外观检测及残次品的剔除,提升生产线成套装备的技术水平.     

综合特征一致性模型及其在图像特征检测中的应用

针对传统的空域特征检测算子得到的特征对图像的亮度和对比度敏感的缺陷,本研究综合特征一致性模型进行噪声补偿,得到了改进的综合特征一致性模型,并将其应用在图像特征检测中.实验结果表明：该算法对图像亮度和对比度具有不变性,并且具有较好的抗噪性能和通用性,符合人类视觉系统特性.     

光纤缺陷实时检测与分类方法研究

针对人工检测高速运动光纤表面缺陷的效率低、准确性差、难以实时检测等问题,设计实现了一套基于机器视觉的快速光纤缺陷检测系统。定义光纤缺陷,建立分类数据库和分类标准;设计全方位数据采集系统自动连续获取光纤表面图像信息,输入工控机进行处理;提取光纤目标区域,获得光纤缺陷形态学特征数据;针对光纤缺陷特点和AdaBoost分类器的优缺点,设计了一种改进的基于形态特征的AdaBoost级联分类器用于光纤缺陷检测与分类,实现了光纤质量的实时监控。最后,将改进算法与标准AdaBoost算法在实际工业环境下进行对照实验,实验数据表明,改进算法的准确率达到99%以上,同时能大幅减少检测耗时,证明了所设计的检测系统具有很好的实时性和准确性。     

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.     

基于改进的RetinaNet医药空瓶表面气泡检测

医药空瓶在生产过程中瓶身表面会产生大量的气泡缺陷,但现有的方法对医药空瓶表面气泡检测存在各种问题,例如对复杂场景变化的鲁棒性不强,抗噪声干扰能力弱等.针对现有医药空瓶表面的气泡缺陷,提出了一种改进的深度学习目标检测算法RetinaNet对瓶身气泡进行检测.对原始RetinaNet算法中的特征金字塔网络结构进行了优化,在特征融合过程中引入了特征增强模块,用来提高网路对图像语义特征的提取,增强网络特征提取能力.为了减少模型的参数数目和计算时间,考虑到空瓶表面气泡均为小目标缺陷,去掉原始特征金字塔网络中用于检测大目标的网络结构,提高了算法检测速度.通过对标准的ResNet50网络进行重新组合,并引进了膨胀卷积模块,扩大特征图感受野,提高了模型检测的精度.通过在注塑空瓶数据集上对本文的方法进行了验证,其准确率为99.72%,漏检率为0.12%,误检率为016%,mAP为99.49%,相比原始的RetinaNet的mAP提高了接近2.4%.     

高频焊管错边缺陷的图像处理及特征提取

为准确捕捉到高频焊管错边缺陷的图像照片,建立了高频焊管焊缝图像的CCD视觉系统.对错边缺陷的焊缝图像进行了特征分析,使用形态学方法对焊管错边缺陷进行图像处理,提取图像边缘,在此基础上进一步提取了焊缝宽度和亮度信息.研究结果表明:焊缝宽度和焊缝边缘亮度可以作为视觉检测焊缝错边缺陷的重要图像特征,为进一步构建高频焊管焊缝缺陷视觉检测系统提供了基础.在虚拟仪器开发软件LabVIEW环境下,选择比色测温法构建了高频焊管焊接温度控制系统,并进行温控试验.试验结果表明:采样比色测温模式可较好降低烟尘、水汽等因素对测温的影响,提高测温结果的稳定性和精度,在测温稳定准确的基础上,温控系统控温效果良好.     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

基于极端学习机的胶囊缺陷检测

针对胶囊常见的凹陷缺陷进行不变矩分析,提取胶囊的偏心率和圆形度为特征变量,提出一种基于极端学习机的胶囊缺陷检测与识别的方法,对胶囊进行检测分类.仿真结果表明基于极端学习机的胶囊分类算法能很好地区分出具有缺陷的胶囊,分辨正确率接近100%,运算速度比BP神经网络更快,训练过程稳定,也说明所提取的特征能很好区分有凹陷与无凹陷胶囊.     

一种新的漏磁无损检测特征量提取方法

介绍了漏磁检测的基本原理,针对已有的局限性提出了一种新特征量提取方法;该特征量在评判缺陷深度时,不受缺陷宽度的影响,通过有限元仿真对比分析了缺陷深度和宽度的变化对特征量的影响,并进行了缺陷检测实验;实验结果与有限元仿真结果证明了所提出的特征量可用于评判缺陷深度。     

基于X射线数字成像技术的高压输电导线内部缺陷检测实验研究

提出了一种高压输电导线内部缺陷X射线可视化检测方法,详细介绍了CV—1型X射线数字成像系统的组成和工作原理,验证了X射线数字成像系统对500 k V输电导线透照能力,确定了照射参数和透照方法;根据输电导线内部缺陷特征和缺陷所在部位,在实验室条件下分别模拟检测了导线钢芯断股、钢芯表面划伤、夹杂、散股以及压接深度不足等内部缺陷并与无缺陷输电导线进行了对比,得出了导线内部缺陷的X射线数字图像的特征,实验结果证明了X射线数字成像技术对输电导线内部缺陷检测的有效性和可行性,为高压输电导线内部缺陷检测提供了新方法和参考依据。     

基于特征技术的智能产品信息模型框架及其实现

研究了基于特征的智能产品建模系统的框架、工作机制及系统实现技术要点 .产品可以封装为包括几何形体信息、非几何属性信息及与产品相关知识等内容的对象 .特征建模是智能性建模方法 ,可将特征建模系统中的特征分为两类 :应用级特征和系统级特征 .应用级特征是面向应用领域的特征 ,它可由用户自行定义或扩充以符合用户的应用要求 ;系统级特征是由系统提供的低层次特征 .建模系统提供了利用系统级特征组建新的复合特征的函数方法     

一种改进的快速车牌定位算法

文章提出了一种基于纹理特征和颜色特征的车牌定位算法.算法首先利用车牌的纹理特征对车牌进行了初步定位,其中主要有图像预处理、边缘检测、数学形态学处理等步骤.最后利用车牌区域的颜色特征对车牌区域进行精确定位,主要包括空间转换、边界确定等步骤.对80张相片进行测试的结果表明,该方法准确率高、速度快.     

特征模型参数范围的计算

提出一种通过计算特征模型拓扑结构改变时的参数值确定参数范围的方法.方法针对的特征模型由一个关联参数和特征几何信息的几何约束系统和一个细胞元模型组成.细胞元模型将欧几里德空间分成准分离单元--由特征几何体的相交确定.该方法创建一个新的几何约束系统来将模型参数和细胞元模型中的拓扑实体关联起来.对每个依赖于可变参数的实体,特定的几何约束会使它退化.对约束系统求解就能得到关键参数值,从而确定参数范围.     

空中侦查气球要害部位实时检测

针对算法同时兼顾准确性与实时性这一现有图像目标检测方法难以解决的问题,提出一种在极坐标系统下的基于曲率特征的气球要害部位检测算法.该算法首先对图像进行灰度投影及三阶向后差分计算;然后对气球进行极坐标转换,并提取气球边界;最后,根据气球边界的曲率特征确定要害部位的位置.该算法利用气球在极坐标系统下的曲率特征进行要害部位的快速识别.实验结果表明:该算法能够同时满足准确性和实时性的要求,在DSP(TMS320C6678)上可处理200帧/s的红外视频,且有较高的检测准确率,检测准确率高于94%.     

基于粗糙集和信息熵的入侵检测特征选择方法研究

特征选择是从与应用有关的特征集合中选取出满足需要的重要性高的最小特征子集的过程,是入侵检测中的一项重要工作.针对现有的入侵检测系统存在的先验知识较少的问题,利用粗糙集中的知识表达系统来描述入侵检测特征集合,并通过计算各个特征的信息熵来确定其相对重要性,最终选择出精简的特征集合,简化了入侵检测训练集合,减少了检测时间并可以有效的提高入侵分类的准确性.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于多样信息发展的入侵防御系统

目前的入侵防御系统发展都较偏向特征型入侵防御系统,特征型的入侵防御系统利用特征比对的方式,当流量收集进入入侵防御系统之后,通过特征资料库比对后,来确定流量是否为非法的攻击入侵的流量,还是合法的流量.本文通过以流量统计信息、异常入侵防御系统事件信息与系统环境弱点知识库,设计一个基于多样信息的入侵防御系统,并建立入侵检测事件的分析机制,以提高检测准确度与降低误判率,并应用于实际的网络环境中收集网络存取信息,期望能够检测出真正威胁网络的异常特征,并减轻对管理者的负担.     

基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.