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...     

基于支持向量机的钢板表面缺陷检测

针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。     

果实品质无损伤检测与自动分级技术的研究进展

从利用光学特性、声波振动、机器视觉技术、核磁共振(NMR)技术和利用电子鼻、电学特性、CT等方面,综述了技术检测果实品质的研究概况。阐述了果实分级的机械化与自动化技术,并详细说明了果实机械化分级技术、计算机视觉技术与自动分级的研究与应用情况,以及计算机视觉技术在判断果实大小、色泽、果实损伤与表面缺陷以及综合品质判断方面的研究进展情况。最后,指出了无损伤检测技术和自动分级技术应用中存在的主要问题,并对其开发应用前景进行了展望。     

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。     

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。     

基于显著性模型和区域生长法的药卷缺陷检测

针对工业炸药生产过程中药卷表面裂痕的包装缺陷问题,运用机器视觉技术,提出一种基于显著性模型和局部方差区域生长法的药卷缺陷检测方法。该方法经过图像预处理,对药卷图像进行背景估计与差分;利用显著性模型,提取缺陷特征;通过局部方差区域生长法,分割目标区域,完成对缺陷药卷的检测。实验结果表明,该算法可快速有效地提取缺陷区域,平均检测时间为55.72 ms,缺陷检测率高达96.36%。     

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。     

机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

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。     

基于机器视觉的微小零件表面缺陷检测研究

针对人工检测微小零件表面缺陷存在的不足,提出一种基于机器视觉的微小零件表面缺陷检测方法。首先分析微小零件检测内容的特点,通过机器视觉专用软件HALCON提供的图像滤波、阈值分割算子提取缺陷区域,并设计了一种自动选择平滑滤波尺寸与阈值的最优取值算法,再采用改进的边缘检测算法准确提取表面的边缘位置,将图像以边缘为界分割成不同的区域,运用区域形态学方法对候选缺陷进行筛选,最后使用区别特征实现缺陷分类与标记。实验结果表明,该方法能够稳定的进行微小零件表面缺陷的识别与检测,缺陷识别率达到97.05%,达到预期检测目标。     

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。     

基于机器视觉的硅片检测分类系统设计

等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该工序后的表面破损检测和减反膜颜色的检测主要通过人工完成,存在不稳定、高碎片率和低速率等问题,需要利用机器视觉技术,开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备选型,利用“Visionpro”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明,该系统破损测量的精度在0．2mm以内,图像颜色检测满足实际应用需求。     

一种羽毛虫蛀缺陷检测方法的研究

羽毛缺陷复杂多样。一般的图像分割方法很难做到既能适用于多蛀斑分割的复杂情况又能很好地满足工业化羽毛缺陷检测中蛀斑分割的精确性要求。根据毛片特性,提出一种基于机器视觉的羽毛虫蛀缺陷的检测方法;首先采用双边滤波算法对羽毛图像做平滑处理,在有效模糊羽毛自身纹理的同时使得蛀斑边缘信息仍能得到很好地保留,以提高边缘检测的准确性;然后采用一种改进的变分水平集方法进行蛀斑分割,算法的初始轮廓线根据毛片的形状自动生成。实验结果表明这种检测方法分割准确;并能适用于多蛀斑的复杂虫蛀缺陷的检测,较好地满足了工业化检测的需要。     

基于机器视觉的食品缺陷检测系统研究

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;最后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。     

基于改进U-Net的透明件划痕检测方法

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。本文针对透明件表面划痕快速检测问题,提出了一种基于改进U^2-Net的缺陷检测方法。首先,论述直接应用U^2-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,在解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明：本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^2-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

基于数据增强的DBN-ELM入侵检测方法

随着工业4.0时代的到来,工控安全事件频发,工控信息安全问题已经备受关注。由于工控环境较为复杂,导致传统机器学习方法在分类大量工控数据时存在收敛速度慢、泛化性较差以及数据分布不均衡等问题。为了解决此类问题,本研究采用一种基于WGAN-GP数据增强并运用深度信念网络和极限学习机相结合的深度学习入侵检测方法,本方法基于一种梯度惩罚的生成对抗网络数据增强并将深度信念网络（deep belief network,DBN）自动提取特征的能力与极限学习机（extreme learning machine, ELM）快速学习的能力相结合。采用加拿大网络安全研究所公布的 CICIDS2017 数据集对所提出的算法进行测试,经过对比实验证明了该方法精度更高,收敛速度更快。为了验证所提出算法在工控环境中的适用性,本研究同时采用密西西比州立大学天然气管道数据集进行验证,证明了该算法在工业环境中具有高精度、误报率低等优点,为工业入侵检测的研究提供了一种新的研究思路。     

A survey of occlusion detection method for visual object

Occlusion problem is one of the challenging issues in vision field for a long time , and the occlu-sion phenomenon of visual object will be involved in many vision research fields .Once the occlusion occurs in a visual system , it will affect the effects of object recognition , tracking, observation and operation , so detecting occlusion autonomously should be one of the abilities for an intelligent vision system .The research on occlusion detection method for visual object has increasingly attracted atten-tions of scholars .First, the definition and classification of the occlusion problem are presented . Then, the characteristics and deficiencies of the occlusion detection methods based on the intensity image and the depth image are analyzed respectively , and the existing occlusion detection methods are compared.Finally, the problems of existing occlusion detection methods and possible research directions are pointed out .