融合Hough直线检测和Grab-cut的风机叶片自适应分割方法

完整的边缘信息对风力发电机叶片的边缘缺陷检测至关重要,但由于户外采集的风机叶片图像背景复杂多样,现有图像分割算法的分割精度不足,无法保证边缘缺陷的完整性。因此,提出一种基于图像边缘特征与颜色信息的自适应图像分割方法实现风机叶片边缘检测。首先,使用Hough直线检测初步定位叶片直线边缘;然后,在目标区域应用基于Otus阈值分割和形态学运算的Grab-cut算法,实现叶片图像的自适应分割。采用无人机采集多个场景的图像作为测试样本,对分割方法与其他方法进行定性和定量对比分析。结果表明,该方法能自适应且准确地实现风机叶片图像分割,并保留边缘缺陷的完整性,其边缘覆盖率(0.971 7)和边界位移误差(3.040 3)指标均优于其他方法,对风机叶片的边缘缺陷检测具有重大潜在应用价值。     

基于 EfficientDet 的风机叶片缺陷检测方法

受工作环境恶劣等原因影响,风机叶片常会出现裂纹、凹坑等缺陷。针对当前常用目标检测算法对风机叶片小尺寸缺陷检测准确率低的问题,提出一种基于EfficientDet算法的风机叶片缺陷检测方法。首先采集图像数据并建立Pascal VOC格式的风机叶片缺陷图像数据集,然后对EfficientDet算法中的主干特征提取网络进行改进,减少向下采样次数并调整有效特征层从而增强主干特征提取网络对小尺寸缺陷的检测能力,同时为特征融合网络增加融合路径提升算法的多尺度特征融合能力,选用FReLU作为激活函数实现像素级空间信息建模,并通过Mosaic数据增强和Focal Loss损失函数增加小尺寸缺陷样本对于检测器的贡献。在建立的风机叶片缺陷图像数据集上的测试结果表明改进后的算法模型平均类别精度达到了96.15%,相较于原版的EfficientDet提升了3.77%,对小目标的检测性能有明显提升。     

基于Gabor小波和加权马氏距离的带钢表面缺陷检测

针对现有带钢表面缺陷检测方法检测率低,难以满足高质量带钢生产的需求。本文融合Gabor小波变换和加权马氏距离阈值化方法,提出了一种新的带钢缺陷检测算法。首先通过实验获取Gabor滤波器一组最优参数,对采集到的样本图像做Gabor模板卷积,得到边缘图像。然后对图像像素点进行加权处理,重新估计马氏距离的协方差矩阵,增大感兴趣区域像素点权重,得到任意灰度值样本与总体样本加权的马氏距离,增强了目标缺陷的边缘特征。最后利用连通区域标记法,搜索并标记带钢缺陷位置,完成了缺陷检测。实验对比表明本文提出的带钢缺陷检测新算法检测率为94.13%,漏检率为4.87%,验证了算法的有效性。     

基于SLIC超像素算法和密度聚类的TA2钛板表面缺陷定量化评估研究

由于边缘效应的影响,TA2钛板涡流C扫描图像中缺陷区域与背景区域混杂,边缘对比度低,难以实现缺陷区域定量化评估。针对以上问题,提出了一种基于简单线性代聚类(SLIC)超像素算法和密度聚类算法的涡流C扫描图像分割方法。首先对TA2钛板进行涡流无损检测,获得包含有TA2钛板表面缺陷的涡流C扫描图像;然后利用SLIC超像素算法将获得的C扫描图像预分割成若干小区域;最后通过密度聚类算法对预分割后的C扫描图像进行区域合并,得到受检测TA2钛板C扫描图像中的缺陷区域,通过对缺陷区域进行细化处理和轮廓跟踪可以得到TA2钛板缺陷区域的估计长度,实现对TA2钛板表面缺陷的定量化评估研究。实验结果表明,该方法能够有效地实现受检测的TA2钛板表面缺陷的可视化、定量化分析,与传统的图像分割方法相比分割效果更优、准确性更高。     

基于图像融合分割的实木地板表面缺陷检测方法

针对实木地板表面缺陷检测速度慢、精确度低的问题,设计了实木地板视觉检测分选系统,并提出一种基于图像融合的区域生长分割方法。分割方法首先提取缺陷的R分量图像并进行图像缩小,在低维图像空间内运用区域生长方法完成缺陷的快速定位;利用梯度信息插值对缩小图像进行放大复原,并对缺陷进行标记生成参考图像;应用小波变换检索标记参考图像的边缘,以边缘像素点为种子在原图像进行禁忌快速搜索,实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行了缺陷在线测试,平均分割时间为13.21 ms,缺陷分割区域的准确率达到96.8%。     

光伏电池电致发光偏振图像融合与缺陷检测

针对电致发光图像边缘模糊、纹理不清晰造成光伏电池缺陷难以定量化评估问题,提出一种基于电致发光偏振图像融合的晶硅光伏电池缺陷检测方法。首先,在分析晶硅光伏电池结构的基础上给出电致发光偏振成像的基本原理。然后,利用拉普拉斯金字塔对获取的红外光强图像与偏振度图像进行分解、引导滤波对高频细节成分进行增强,通过区域能量最大、区域能量加权平均规则对高低频部分进行融合。最后搭建短波红外偏振检测平台开展晶硅光伏电池缺陷检测实验。结果表明,偏振成像可以凸显光伏电池缺陷图像的轮廓边缘和纹理细节,融合图像 中光伏电池缺陷特征更加突出,信息熵、标准差等客观评价指标显著提高,验证了方法的有效性。     

长叶柄轴对称植物叶片长度的图像测量方法

植物叶片的长度是重要的叶片形态参数之一。给出了一种基于图像的长叶柄轴对称叶片中轴长度测量方法。通过扫描仪获取叶片图像;利用阈值分割和数学形态学操作提取叶片区域;利用骨架化方法提取叶片区域骨架;利用数学形态学开操作去除叶柄部分,并确定叶柄根部的骨架点作为中轴的起点;对叶面区域的骨架进行分支和交叉块的标记,并对未落在叶面区域边缘的骨架端点进行延拓;穷举式地获取所有从中轴起点到其余骨架端点的路径,并根据等面积准则和最大曲率准则确定中轴;对中轴进行折线拟合,并根据拟合折线的长度和图像的物理分辨率计算得到叶片长度。在实际叶片图像上的实验结果表明所提出的方法有效,且测量精度优于已有的、基于最小外接矩形检测的方法。     

基于无人机与人工智能的风机叶片全自主巡检

风机叶片传统人工巡检工作强度大、耗时费力、检测主观性强、无法检测叶片内部缺陷。基于人工智能技术和深度学习算法,通过无人机搭载边缘计算终端、高清相机、热像仪等设备,研究无人机自主飞控算法和双光融合多类型混合缺陷检测定位算法,实现了15～30 min内完成风机叶片多类型混合内外部缺陷快速、高效和智能化检测。基于无人机与人工智能的风机叶片全自主巡检可弥补传统手段的不足,大幅度提高巡检效率,降低风场安全事故隐患。     

多尺度压缩求导的一维图像边缘检测

为了更加精确地计算塑料薄膜缺陷的宽度,在基于小波算法的多尺度变换基础上,提出了一种用于一维图像不同尺度间的压缩求导边缘检测方法.小波变换提供图像的多尺度描述,将压缩求导应用于不同尺度间的小波域,从而可将各尺度的图像信息更加有效地合成,得到最优的边缘检测效果.该方法比以往的单纯直线拟合方法具有更好的精确度,可以有效地增强边缘和抑制噪声.对一维图像进行的实验证明该方法是正确和有效的.     

风机叶片内部缺陷日光激励动态热成像方法研究

针对在役风力发电机组叶片内部缺陷类型难以区分的问题,本文提出了基于自然日光激励的动态热成像检测理论与方法,并进行有限元仿真模拟与试件实验研析了自然日光激励下风机叶片不同内部缺陷的动态热成像规律。首先,建立风机叶片切片的有限元传热仿真模型,通过数值计算揭示脱粘、积水两类典型内部缺陷在日光激励热传导物理场下热特征的变化规律;其次,对叶片切片进行同质加工,并利用无人机搭载热成像载荷搭建了日光激励热成像检测平台;最后,在自然日光激励条件下进行全天不同时段下的日光激励热成像实验。仿真和实验结果表明,风机叶片内部脱粘、积水两类典型缺陷在日光激励下将导致表面温度场呈现不同的变化趋势,脱粘缺陷会导致风机叶片表面对应区域出现高温异常到低温异常的动态演化,积水则相反,上述规律将为在役风机叶片的智能运维提供新的方法论。     

基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。     

基于风机叶片缺陷的超声波检测方法分析

作为风力发电机的关键部件,叶片质量至关重要,目前风机叶片缺陷检测主要采用无损检测方法,如超声波、红外热波、声发射波及X射线检测,针对叶片深层缺陷、裂纹和分层等缺陷难以有效检出等问题,结合风机叶片典型结构和常见缺陷,通过设置叶片试件不同位置、不同类型的人工缺陷,采用超声波对人工缺陷进行检测,检测试验结果表明,超声波检测方...     

基于特征融合的风机叶片表面缺陷检测模型

针对风机叶片表面缺陷检测识别率低、且易受光照影响的特点。提出一种基于卷积神经网络特征融合局部二值模式特征及核极限学习机的风机叶片表面缺陷检测方法。利用引入注意力机制的卷积神经网络提取图像深层次信息,然后提取描述图像浅层纹理信息的局部二值模式特征,采用主成分分析方法降低局部二值模式特征维度;将两种从不同层面描述图像的互补特征串行融合。用改进的麻雀搜索算法优化核极限学习机参数,利用融合的特征训练模型,得到最优模型进行缺陷识别。通过实验,在自建数据集训练后的分类准确率达到了97.5%,kappa系数达到95.1。相比利用单一特征检测,分类准确率有明显的提高。经风电场实际验证,本模型的平均分类准确率为96.3%,Kappa系数为94.5,漏报率明显降低。     

基于小波增强与Canny算法融合的锂电池极片缺陷检测方法

针对目前锂电池极片表面存在亮度不均、低对比度微小缺陷难以检测的问题,提出了一种基于小波增强与Canny算法融合的锂电池极片缺陷检测方法。首先使用K-近邻均值滤波抑制图像背景噪声,然后基于小波变换分别采用线性调整和多尺度细节增强方法处理图像的低高频分量,进行图像增强,接着利用PSO-OTSU算法自适应获取增强后图像的最佳高低阈值,最后利用哈夫检测法连接边缘点。通过测试漏金属、亮点、划痕、孔洞等缺陷各700张图片,定量分析比较了3种算法的准确率,实验结果表明,相对于其他两种算法,本文算法可以较好地保留缺陷边缘细节,检测低对比度微小缺陷,提取精确完整的缺陷轮廓,检测准确率达97.85%,具有一定的实用价值。     

基于图像处理的智能电表显示缺陷自动检测系统设计

文章设计了一种基于图像处理的自动检测系统,能够实现智能电表显示面板质量检测的自动化。该系统能够很好的检测出LCD显示面板中包括中文字符、数码管以及一些特殊字符和图形由于焊接加工问题导致的图形显示缺笔画或者不显示问题;此过程主要包括图像特征区域的定位、字符的分割、字符的缺陷识别判断;在特征区域定位中,首先采样获取LCD区域彩色图像直方图,然后利用反投影法获取大致特征区域,接着通过Canny边缘检测、概率直线检测确定特征区域的具体坐标;在字符分割的过程中,主要对预处理图像使用了水平、垂直投影等方法;最后利用模板匹配进行缺陷检测。此方法以DL/T 645-2007电表为检测对象,经过工厂实地图像取样,算法经代码实现,缺陷识别度高。     

风机叶片无人机红外热图像拼接方法

针对风机叶片红外图像拼接困难的问题,提出了一种基于无人机速度信息的风机叶片红外图像拼接方法。 首先,利用 U-net 网络预测获得叶片掩膜图像,从而去除冗余的背景信息;其次,计算平移、旋转、缩放参数使拼接图像配准;最后,使用 Multiband Blend 算法对拼接图像进行融合,消除视场与光照变化引起的拼缝。 实验结果表明,本文提出的方法在拼接处 x 梯度 方向上的 RMSE 小于 SURF 等传统图像拼接方法,拼接成功率达 97. 8%,并成功获取风机叶片红外全景图。 将 Multiband Blend 算法应用于叶片红外图像融合,结果表明融合后图像拼接处 RMSE 显著降低,过渡更加平滑。     

中能公司利用无人机监测风机叶片取得良效

<正>8月下旬,为降低叶片巡检工作强度,提高检测效率,中能公司联合无人机电力巡检专业服务商,在麒麟山风电场进行了风机叶片无人机检测试点应用,成功实现了6台机组叶片检测,取得良好成效。本次检测使用无人机对典型风机叶片进行高清拍照和高清视频拍摄,从叶片底端至顶端概况巡查,后沿每片扇叶以20米距离近距飞行拍摄,最后对重点区域和可疑区域进行详查,并对无人机巡检数据,     

一种利用边缘方向直方图检测绝缘子的方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种利用边缘方向直方图定位绝缘子的方法。首先,分别计算图像子块和模板的边缘方向矢量,并通过矢量变换得到变形模板的边缘方向矢量;之后,针对分块的图像,通过模板与之边缘方向矢量匹配,得到绝缘子的候选区域;而后,对候选区域进行连续性判断,从而实现绝缘子的准确定位。实验表明该算法能够较好地在图像/视频中检测和定位绝缘子。     

基于边缘检测的瓷质绝缘子裂缝特征检测方法

由于人工登塔检查安全性差、电场法不能检测一些不影响电场的外绝缘缺陷等问题的存在,现有的一些绝缘子裂缝检测方法不具备实用性和通用性。为此,提出一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,首先将获得的彩色绝缘子图像分解成R、G、B3个通道,并采用中值滤波去除噪声;其次采用一种改进Kirsch边缘检测算法,进行骨架提取并结合最小二乘法完成拟合,从而得到连续完整的图像边缘;然后用最大类间方差法提取得到绝缘子的裂缝区域;最后分别计算3个通道裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征。实验结果表明该方法提高了裂缝检测的准确性。     

边缘检测在TOFD扫描图像中的应用

TOFD技术作为一种缺陷检测与定量的方法在无损探伤领域得到了广泛的应用。为了提高TOFD扫描图像中缺陷信号的可识别性,达到精确检测和定位的目的,本文提出了将图像处理中的边缘检测算子引入TOFD扫描图像的方法。在对TOFD技术和边缘检测算子进行简要介绍之后,本文进行了将Sobel算子、高斯—拉普拉斯算子等应用于TOFDD扫描图像识别中的实验。实验结果表明,边缘检测成功地识别了TOFD扫描图像中的衍射波信号,可以提高TOFD检测的精确性。