用于生产线实时检测的胶片弊病检测仪

介绍了一种新型的用于生产线实时质量控制的胶片弊病检测仪。该检测仪采用 CCD红外高速摄影技术 ,通过滤波、分割、投影等快速图像处理算法 ,能够在 6 0 m / m in的速度下正确识别各种典型的胶片弊病 ,并对其位置进行准确测定。长期在线实验证明 ,该仪器运行稳定、抗干扰性强 ,检测精度符合生产要求 ,检出率在 98%以上 ,弊病定位相对误差小于 0 .0 8%。     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

宽幅胶片弊病在线检测系统

本文介绍了一套用于宽幅胶片生产线整理工序的弊病在线检测系统，该系统用来实时检测胶片表面常见的弊病。系统采用2台线阵CCD摄像机同步成像，940nm的LED面阵光源提供照明，利用单行处理、多行判断的快速弊病检测算法及时发现弊病。现场运行结果表明，系统能够完成对运行速度为90m／min，宽幅为1300mm的胶片表面弊病的检测任务。     

基于对称差分和特征匹配的纱线运动疵点实时检测

针对纱线高速运动时无法实时准确检测疵点的问题,提出了一种高速纱线的实时疵点检测算法,该算法适用于实时处理大容量图像和高速移动纱线疵点检测.该算法通过将对称差分算法和连通域特征匹配方法相结合,提高了纱线疵点检测准确性,同时缩短了处理时间.首先对图像进行了预处理,再使用对称差算法分解疵点图像并提取了图像疵点特征,然后使用连通域特征匹配方法识别了疵点.改进了传统差分算法无法抗抖动缺点,比较完整地保留了疵点信息,构造了识别能力特别强的特征匹配方法.最后,将该算法疵点检测的准确性和检测速度与现有检测方法进行了对比分析.研究结果表明,该算法在准确性方面优于人工检测及传统差分算法,检测速度相对神经网络和传统差分算法有所提高,该算法能够在实现实时、快速检测疵点的同时保证检测疵点检测的准确性.     

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节，其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题，提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先，采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口，设计了多方向滑动窗口线性插值图像重构法；然后，根据图像边缘的特征，建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法；最后，进行了实例应用，通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高，实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法，与人体视觉评价一致，便于实现边缘检测算法的智能优选和图像的智能处理目标。     

直线道路识别实用性的优化分析

为了提高车道识别的实时性与鲁棒性,提出了一种车道识别优化方法。通过建立强鲁棒性的车道模型,对传统的道路图像边缘算法优化处理:图像预处理中充分考虑实用性,采用了加权平均法实现灰度化、中值滤波法降噪处理以及自适应Otsu法二值化分割图像、Canny算法实现边缘检测;基于模型利用极角极径法提取图像的感兴趣区域,改进Hough算法实现有效车道线的识别。最后实验证明,通过与传统方法比较,该算法极大提高了车道识别的效率并且增强了可靠性。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

轴承端面缺陷的视觉检测方法

针对轴承端面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于机器视觉检测技术的轴承端面缺陷检测方法,能够通过对轴承端面图像的处理与分析,快速、准确地实现轴承端面缺陷的识别。首先使用CCD数字摄像机作为图像传感器进行图像采集;然后通过二值化处理、边缘检测处理对图像进行快速定位与分割;最后采用8连通域标记法进行缺陷识别。试验表明:该系统运行稳定,运算速度快,抗噪能力强,实时性好,可有效检测出轴承端面缺陷。     

基于Vc++的车辆运动中的实时图像处理

智能车辆研究是当今世界车辆工程领域的研究前沿和热点,图像处理是数字车辆的算法核心之一,本文通过对采集到的车辆运动中的动态图像进行边缘检测,主要实现了运动车辆的实时图像处理,通过对运动车辆的视频进行中值滤波,通过Soble算子提取图像的边缘信息,接着进行二值化处理,以便于分析理解和识别并减少计算量。利用VC 编制人机交互友好界面,实现数字逻辑变换及道路图像处理。实验证明,本文提出的算法具有良好的实时性、可靠性。     

显微视场下微型零件亚像素边缘检测方法（英文）

为了提高微型零件在显微视场下的边缘检测精度,提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法.采用非正交二次B样条小波变换算法得到图像的像素级边缘,利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化。为了实现算法的原理,建立了一套微型零件的实时检测系统。给出了系统的总体结构和工作原理,完成了实时图像采集与检测,分析了检测结果,并对检测精度进行了评估。实验结果表明:该系统检测零件尺寸可以达到0.01~10 mm,检测精度可以达到0.01%~0.1%,可准确识别出微型零件的边缘,将检测精度提高到亚像素级,满足了在显微视场下微型零件检测的需要。     

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。     

基于谱残差视觉显著性的带钢表面缺陷检测

针对带钢表面缺陷检测实时性要求高,采集的图像易受光照环境影响且缺陷特征弱等因素影响,提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先,提出改进同态滤波方法对图像预处理,去除光照不均匀的影响,改善后续的分割结果。然后,构建谱残差视觉注意模型,通过对数频谱曲线差分得到缺陷显著图像。最后,提出加权马氏距离方法对显著图像阈值化增强,并利用连通区域标记法,标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证,结果显示:该算法检测速度快,单幅图像平均检测耗时仅37.6ms,满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法,多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比,结果表明:本文算法对带钢常见8类缺陷类型,平均检测率达到了95.3%,且漏检率和误检率较低,有效性高于对比算法。     

综合边缘和颜色特征的IC类贴装期间的检测

为了适应IC类贴装元件检测的实时性要求，提出了一种基于边缘积分投影和统计颜色统计特征的检测算法。首先分析了元件在三色(红、绿、蓝)结构光下的特征；然后以Sobel算子提取图像的水平和垂直边缘，接着对边缘作积分投影，在此基础上，利用最大邻域梯度法和滑动滤波窗算法定位引脚的水平和垂直边界，并检测缺件、错件、偏移、歪斜等缺陷；最后引入HSI（色度、饱和度和亮度）空间的统计颜色特征，完成对翘脚，极性错误的检测。实验结果表明:本文算法可有效的检测IC类元件常见的缺陷，具有较高的准确率和检测速度。     

基于ECT的复合材料构件胶层缺陷检测

航空用复合材料构件在制造和服役过程中不可避免会产生各种缺陷及损伤。通常复合材料构件是粘贴在基体上使用,针对其粘接胶层缺陷和损伤,提出了一种基于同面阵列电极传感器ECT技术的无损检测方法。基于电容边缘效应,利用同面阵列电极传感器,以循环激励方式工作,根据复合材料构件胶层内部缺陷/损伤对材料介电特性的影响,进行缺陷/损伤检测。通过仿真和实验研究了复合材料构件典型胶层缺陷与阵列电极传感器电容变化量的关系,并基于线性反投影算法对其成像。研究结果表明基于电容敏感机理的同面阵列电极传感器对复合材料构件胶层缺陷检测的可行性和有效性。     

列车车轮踏面缺陷图像区域提取

针对踏面缺陷图像的特点,对其缺陷图像区域提取技术进行了研究,设计了一种基于平稳小波自适应阈值踏面区域分割算法,提出了一种基于分块思想粗定位和精定位组合定位的剥离缺陷区域提取算法和基于踏面边缘线扫描搜索的擦伤区域提取的算法。通过两个踏面缺陷的实例,验证了算法的有效性,对现场采集样本进行试验,结果表明：系统对剥离和擦伤的两种缺陷的漏识率分别为8.3%和5.3%,误识率为5.1%,为后续特征提取和识别奠定了基础。     

An automatic optical inspection of drill point defects for micro-drilling

This study develops an automated visual inspection system for detecting and classifying defects in a micro-drill with 0.35 mm diameter using image processing techniques. The orientation of the micro-drill is first determined through image projection. Next, the digital image captured by the CCD is then segmented into regions of interest (ROI). The randomized line detection algorithm and the geometric relationship of the edge points in the ROI are then employed to identify the defects detected. Experimental results show that the developed automatic visual inspection system is as efficient as manual inspection, and can provide additional information concerning the defects for parameters tuning and quality control.     

基于多普勒参数的材料内部缺陷合成孔径超声成像

材料内部缺陷的形状、大小等信息是材料无损检测与评估的重要参数,传统的超声无损检测技术可以得到材料内部缺陷的当量信息,但缺少缺陷的量化信息及可视化信息,严重制约了超声无损检测技术在缺陷评估中的应用。本文结合合成孔径超声成像技术,采用多普勒算法及图像边缘检测技术,对材料内部缺陷进行了成像,通过对三类不同尺寸的人工缺陷进行合成孔径成像表明,该项技术提高了图像形状分辨率,得到了清晰的缺陷轮廓可视化信息,可为超声无损检测的定量分析与评估提供参考。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

An algorithm for precise machining area computation in rough machining of complex 3D pocket

The layer-by-layer machining approach is extensively used in both pocket and surface roughing process. Traditionally, the machining area is bounded by the intersecting curve of the part model and slicing plane. However, for the complex 3D pocket composed of inclined faces and groove feature, part of the area may be inaccessible for the cutting tool, resulting in interferences in the rough machining process. To tackle the problem, a novel algorithm that can avoid interferences is proposed. In this method, some basic terms such as static machining area (SMA), fringe edge (FE), and area side property (ASP) are described at first. The SMA can be generated through splitting the original machining area by the projection lines of FEs. Based on the ASP, the projection lines and original boundaries can be divided into two types: boundary line (BL) and non-BL. The boundaries of SMA can be constructed by linking BLs based on the accessibility analysis method. At last, two case studies are given to verify the feasibility and effectiveness of the proposed approach. The results show that the proposed algorithm can eliminate the interferences in the machining process.     

基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。