应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

X射线检测在船舶焊缝检测中的应用

X射线检测技术由于其突出的优点广泛应用于诸多行业,文章介绍X射线照相检测的基本原理,X射线检测在船舶焊缝拍片中的要点和原则,最后分析了底片中典型缺陷的影像特征。     

基于小波变换与RBF神经网络的焊缝缺陷智能化检测

文章主要阐述了对船舶水下关键部位焊缝缺陷的一种智能化检测及识别方法。该方法基于小波变换与RBF神经网络理论。利用小波变换对回波信号进行预处理,提取出所需要的焊缝缺陷的特征信息。然后由RBF神经网络对特征信息进行学习训练,通过对神经网络输出值与焊缝缺陷类型输出代码进行比较后,最终得出焊缝缺陷类型的检测与识别结果。     

基于局域特征相似性度量的卷烟制品外观缺陷检测

为解决深度学习技术在卷烟制品外观缺陷检测中存在人工标注繁琐、目标形态随机性大等问题，提出了一种基于局域特征相似性度量（Local Characteristic Similarity Metric,LCSM）的图像算法。LCSM算法只需要对正常样本进行训练，使用特定的卷积神经网络提取正常样本的特征并构建图像每个区域的数据特征分布，再提取测试图像局域特征向量并采用Wasserstein距离度量其特征分布与对应正常样本特征分布之间的相似性，从而判断测试图像是否存在缺陷。采集并制作了卷烟小盒、烟用胶囊和烟支3个数据集用于验证LCSM算法性能。结果表明：LCSM算法在3个数据集的缺陷检测准确率分别达到98.75%、99.50%和98.50%，与近期报道的Skip-GANomaly、STPM以及IGD算法相比，分别提高14、2和2百分点。该方法可为提高卷烟制品外观缺陷检测准确率提供技术支持。     

石油管线管道壁缺陷检测的X射线背散射技术模拟

利用无损检测技术确保石油管道基础设施的安全性、效率、环境完整性和合规性有重要意义。文章借鉴X射线穿透能力强和背散射单侧成像技术优势,并整合现代智能机器人技术,提出了管内智能X射线背散射无损检测机器人的设计概念,并采用蒙特卡洛软件(Geant4)模拟设计了系统的核心——X射线背散射成像系统,进一步模拟了该系统对管内缺陷的检测性能。模拟结果表明,采用X射线背散射检测技术能对管壁厚度4mm及以上缺损进行检测并能对1mm宽度及以上的裂缝进行检测,检测系统还可以进一步改进提高分辨能力。     

微辐射伽玛射线技术检测焊缝的应用研究

射线探伤是焊接质量控制、检测焊缝内部缺陷的常用方法之一,但往往由于需要较大的辐射防护区域导致其应用受限。微辐射伽玛射线技术能显著缩小辐射防护距离,在施工现场可以与其他工种同时作业。为此,对微辐射伽玛射线技术原理、工艺等进行了分析和验证,并通过现场实践证明了该技术安全可靠、可以灵活应用,有助于提高检测效率、缩短检测工期。     

高压加热器管程封闭焊缝的射线检测分析

射线检测是一种良好的无损检测方法,可以广泛的应用到各类元件和器械的无损检验中,在规避对器件损坏的前提下,有效的提高了检测的准确性和可靠性。高压加热器可以良好的应用到锅炉系统中,实现给水温度的升温,具有安全可靠的特点。但是管程之间的封闭焊缝质量是影响高压加热器运行质量和运行效率的重要因素。以下文章就高压加热器管程封闭焊缝的射线检测展开探讨,对高压加热器的管程封闭焊缝射线检测进行阐述,旨在为相关技术人员提供参考,促使高压加热器管程封闭焊缝的检测质量可以得到提升,发挥高压加热器的工作质量,推动相关产业的持续健康发展。     

基于网中网卷积神经网络的红枣缺陷检测

提出了一种基于网中网卷积神经网络对红枣进行缺陷检测的方法,在原有AlexNet卷积神经网络的基础上增加了1×1隐含感知层,增强了网络的非线性以提取更抽象的特征;并采用全局平均池化层的方式替换全连接层,减少大量参数的同时提升了识别准确率。对新疆骏枣进行了实测,可将红枣分为好枣、黑斑枣、皱枣、叠枣、脱皮枣、黄皮枣和裂枣7类,表明该方法与基于常规SVM的视觉检测方法和基于AlexNet网络的分类方法相比,分类效果得到了有效提升。     

基于角点检测的焊缝图像ROI优化提取算法

为了解决焊缝表面缺陷检测中使用点云数据过于庞大而导致检测时间过长的问题,课题组针对Moravec角点检测算法进行优化,使用优化后的角点检测算法对激光中心线进行特征点提取并确定感兴趣区域(region of interest, ROI)。经过实验表明:优化后的角点检测算法能够有效避免伪角点的出现,提高了鲁棒性,同时经过ROI提取后的焊缝点云数据量减少了71.14%。该方法能够有效解决计算基于点云的焊缝表面缺陷检测数据量过大的问题。     

X射线荧光光谱分析法在土壤重金属检测中的应用研究进展

X射线荧光光谱分析法以快速、无损、分析成本低且可多元素同时分析和原地检测的优点在重金属检测领域得到广泛应用,特别是在土壤重金属检测中发挥了重要的作用。本研究简要阐述了X射线荧光光谱分析法检测土壤重金属的基本原理。综述了国内外X射线荧光光谱分析法应用于土壤重金属检测方面的研究进展,分别对X射线荧光光谱分析法在土壤重金属检出限、模型方法优化和X射线荧光土壤重金属检测仪研制与应用等方面进行了重点介绍。在检测模型分析方面,发现采用神经网络与遗传算法结合算法,可以大幅度提高模型的实用性;检测仪器的研发趋势为小型化、多功能化、智能化,方便快捷和检测精度提升。最后展望了X射线荧光光谱分析法在土壤重金属检测中的应用前景。     

软X射线农畜产品质量无损检测数字图像处理技术的应用研究

合适的管电压和管电流是农畜产品质量无损检测获取X射线图像的关键,农畜产品的X射线图像有其独有的特征,应用合适的数字图像处理技术对采集的农畜产品X射线图像进行处理是辨别异物的最主要途径,基于朗伯定律的图像灰度值模型同样在苹果中得到了验证,图像噪音去除,图像增强,物体轮廓的提取等数字图像处理技术在农畜产品异物检测中的应用有助于进一步分辨异物.     

X射线荧光法检测纸张厚度

利用同位素X射线源和高分辨率X射线探测器,分别应用特征荧光吸收法和反散射法对不同纸张样品厚度进行无损检测,结果表明:特征荧光吸收法的准确度和精密度分别优于4.7%和3.3%,反散射法的则分别优于6.3%和3.5%,两种方法的测量精度均可满足纸张厚度检测的需要;通过IED-2000P型XRF分析仪对纸张厚度的测量试验与研究,为下一步开展X荧光方法在线测试系统的研制提供参考。     

基于YOLO v3的卷烟用瓦楞纸箱表面缺陷检测方法

提出了一种基于YOLO v3的检测算法,并建立了卷烟用瓦楞纸箱循环利用性能评价体系。对比了Faster RCNN与YOLO v3深度神经网络目标检测算法对采集的典型卷烟用瓦楞纸箱表面缺陷的识别结果。基于OpenCV库、Canny算法,开发了适用于测量卷烟用瓦楞纸箱表面缺陷尺寸及其分布位置的合理方案。结果表明,该算法的平均准确率达92.23%,可成功实现缺陷位置、尺寸的检测。     

基于SqueezeNet的卷烟小盒外观检测算法在低成本硬件上的实现

文章设计一种基于SqueezeNet卷积神经网络,实现对小包外观检测.SqueezeNet卷积神经网络所使用数据集采集自昆明卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集.将数据集随机生成90％的训练集与10％的验证集,对训练集进行数据增强及均值减法的预处理之后,送入卷积神经网络进行特征提取与分类.在MATLAB平台上进行学习与测试,使用数据集,小包外观识别准确率可达99.66％,效果较好.之后,使用树莓派作为算法实现硬件,将经过验证的SqueezeNet算法部署到树莓派中.经过验证,算法运行正常.     

基于多尺度卷积神经网络的缺陷红枣检测方法

提出了一种基于多尺度卷积神经网络的缺陷红枣检测方法,在AlexNet卷积神经网络上增加并行的多尺度卷积模块,增加网络的深度和宽度,减少网络中的参数;在卷积层中加入批标准化处理,减少训练过程中数据分布的变化,提高网络的泛化能力。以新疆干制红枣中的黄皮枣、霉变枣、破头枣和正常枣为研究对象,对这些干制红枣进行训练和验证。结果表明:该模型对黄皮枣、霉变枣、破头枣和正常枣的识别率分别为96.67%,96.25%,98.57%,97.14%,综合识别率可达97.14%。与其他的算法相比,该算法具有较强的稳健性,对缺陷红枣的识别准确率更高。     

晶振外壳挠曲缺陷检测算法研究

晶振外壳的表面质量对晶振的性能有较大的影响。针对工业现场中晶振外壳挠曲缺陷的特点,论述挠曲检测的图像处理和检测过程,提出一种基于晶振外壳缺陷检测系统的硬件平台的有效挠曲缺陷检测算法,用计算机视觉系统实现对晶振外壳挠曲缺陷的自动检测。实验证明该算法能有效地检测出有挠曲缺陷的晶振外壳,准确率大于92％,可以应用于工业现场检测。图5表1参9     

基于改进YOLOv3的卷纸包装缺陷实时检测算法

为了解决卷纸包装过程中的缺陷检测问题,提高卷纸包装缺陷的检测速度和准确率,提出了一种改进的YOLOv3算法（iYOLOv3算法）。该算法通过将卷积神经网络和多头自注意力相结合,可更加充分地提取图片的局部和全局特征;并将不同尺度的特征图进行多尺度特征融合,同时改善了YOLOv3算法的解码公式,iYOLOv3算法的AP@50∶5∶95比YOLOv3算法提高了5.8个百分点,检测速度达到了80帧/s,是YOLOv3算法的2倍以上,表明了其在实际应用的可行性。     

基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

PE管热熔对接焊缝的超声波检测探讨

简要介绍了PE管热熔对接焊缝主要缺陷的类型及产生原因,分析了超声波检测技术在PE管热熔对接焊缝检测中的应用,提出了提升PE管热熔对接焊缝质量的措施。     

铝制型材表面缺陷检测算法的研究

目前针对铝制型材的表面缺陷检测手段主要是人工检测,存在主观性强、检测效率低等问题。为了提高铝制型材的表面缺陷检测效率以及准确率,提出了一种新的检测算法Yolov5-GCE,该算法融合Yolov5算法、CBAM卷积注意力模块和GhosttNet模块,使用了改进后的EIoU损失函数,提高了算法精度。以天池竞赛的铝制型材表面缺陷数据集为验证数据通过与改进前算法做对比,结果显示该算法的平均精度提高了3.8%,表明本文算法具有更好的检测能力。