基于超声相控线阵的缺陷全聚焦三维成像

在无损检测领域,缺陷三维成像能够还原材料内部缺陷的空间信息,与传统的二维成像相比有着明显的优势。目前实现超声相控阵缺陷三维成像主要依靠面阵探头,而这些设备往往十分复杂和昂贵。通过采取适当的数据采集方法和后处理成像算法,超声相控线阵系统能够实现低成本、高效率的三维超声检测成像。采用断层扫描和全矩阵捕捉的方法获取成像数据;再利用全聚焦成像算法绘制高分辨率的断层图像;根据这些图像在三维空间中真实的位置关系,插值还原出缺陷的三维图像。此外,针对全聚焦成像算法计算量大的问题,提出了一种加速算法。实验表明,这种检测方法能够快速得到目标空间区域的高质量三维图像,准确体现缺陷的空间分布情况,相比于借助B扫查图像和C扫查图像材料内部缺陷的方法,具有更强的直观性。     

基于自适应小波变换的陶瓷瓦鼓包检测方法

瓷砖表面缺陷检测是瓷砖生产过程中不可缺少的环节，针对具有复杂立体纹理干扰的陶瓷瓦表面鼓包缺陷，为了满足自动化检测的需要，本文提出一种基于自适应小波变换的陶瓷瓦表面鼓包检测算法。首先，提取出陶瓷瓦的红色通道图像，并进行高斯滤波的预处理，抑制噪声；其次，采用自适应小波变换、线性中值滤波的方法增强鼓包与背景区域对比度；最后，利用二值化和形态学的方法，得到鼓包区域的信息。实验结果表明，该算法可以检测具有复杂立体纹理干扰的陶瓷瓦表面的鼓包缺陷，检测准确率达到了98.5%，召回率达到了95.0%。     

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。     

机器视觉在大型工件自动探伤检测中的应用

大型金属工件探伤一般用无损检测法，技术难度高、工程量大，往往难以获得精度的测量准确值。针对机器视觉产品将被摄取目标转换图像信号后，多数都还依赖于手工进行处理问题，文章提出了一种基于边缘撮的工业CT（断层）图像几何尺寸的自动测量方法。该方法采用Canny算子提取图像边缘信息，并在图像边缘上实现对大型工件CT图像的内部结构尺寸和缺陷尺寸的自动测量。该方法已成功地应用于工业CT图象处理软件中，实际应用表明，它具有较高的精确度和重复性。     

自动化三维超声图像无探头耦合区域的计算机辅助排除算法

自动化三维超声成像时,只有在探头和皮肤间存在良好耦合接触的区域才能形成有效超声信号.通过构建一个二维冠状面图像掩模实现了对非耦合区域图像的计算机辅助排除.算法首先通过分别对多帧连续和间断的二维冠状面图像相同位置的像素点做均值处理,得到冠状面均值图像;然后分别将对连续和间断冠状面做均值处理后的图像使用双峰阈值分割法进行阈值处理,得到二值图像,再使用形态学图像处理方法对二值图像进行处理,在处理后的两张二值图像中选择最优二值图像作为掩模图像;最后使用掩模图像对待处理冠状面图像的非耦合区域进行排除并使用伪彩色显示冠状面耦合区域.结果表明,本算法可实现对自动化三维乳腺超声(ABUS)数据无探头耦合区域的自动排除,能有效避免后续图像处理过程对非耦合区域的无效运算.     

含缺陷固体火箭发动机燃面自适应提取算法

固体火箭发动机CT图像存在的伪影噪声会严重影响初始燃面边界与缺陷的提取，并且实际CT图像中缺陷信息提取困难，研究有效地去掉CT图像中伪影并自动提取出燃面数据与缺陷数据的算法具有重要的工程实际价值。针对CT图像去伪影与缺陷提取难的问题，提出一种IBM3D滤波算法，在块匹配阶段利用边缘检测的先验信息寻找相似块；并提出一种自适应Canny边缘检测算法与种子八连通标记法相结合的方式将图像中的初始燃面与缺陷数据有序地分离出来。实验结果表明IBM3D算法的峰值信噪比与结构相似性水平较其他算法更高，自适应边缘检测算法提取的燃面缺陷信息较其他算法更为完整。实现了含缺陷的固体火箭发动机CT图像质量的提升，并准确地提取初始燃面、缺陷信息。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于阈值差分的绝缘子缺陷识别算法

为了准确识别出绝缘子缺陷,防止绝缘子破损导致输电线路不能正常运行的问题,提出基于阈值差分的绝缘子缺陷识别算法。首先对图像进行预处理,然后进行自适应阈值分割完成图像二值化,通过形态学处理消除琐碎区域,使用边缘检测算子提取绝缘子边缘。将故障绝缘子与正常绝缘子作差提取缺陷图,依据缺陷像素大小与阈值的关系判断绝缘子的破损情况。将缺陷图二值化后使用矩形框标定。实验结果表明所提出的算法对绝缘子缺陷识别具有一定现实意义。     

基于逆向P-M扩散的医用输液容器组合盖缺陷检测系统

针对医用输液容器组合盖在生产制造中出现的黑点、毛发、气泡等缺陷问题,设计了基于逆向P-M扩散的医用组合盖缺陷检测系统。首先设计了机械执行、电气控制、图像采集系统,然后采用逆向P-M扩散增强缺陷区域,通过差分后二值化提取缺陷区域,并进行图像滤波,接着利用SVM支持向量机对缺陷与非缺陷区域进行分类,通过交叉验证法自动选择最佳分类参数,解决了医用组合盖表面纹理对缺陷检测的干扰,实现了医用组合盖缺陷检测功能,有效提高了分类器的性能。实验结果表明,该方法要求训练样本少,适用于不同组合盖缺陷类型检测和检测环境,准确率95%以上。     

三维探伤涡流场的研究与线圈阻抗的计算

本文研究了均匀半空间导体内含有任意形状三维缺陷时放置式线圈阻抗增量的数值模型，提出了一种计算阻抗增量的“半解析体积分方程法”。它包括本文首次导出的不含微分项和积分项的均匀半空间导体并矢格林函数解析式，缺陷区域的剖分方法，离散方程组的系数矩阵和右端向量的计算，非对称复系数方程组的求解以及阻抗增量计算等。用ＴＥＡＭＷｏｒｋｓｈｏｐ问题１５作为验证模型，对比结果表明，计算值和测量值吻合良好。     

基于线阵列超声相控阵三维成像的实现研究

为进一步增强常规超声相控阵的检测能力,弥补二维检测图像对缺陷空间信息反映的单一性,获取更利于分析和评价的工业超声检测三维图像。采用携带编码器的一维线阵列换能器,借助Phascan平台及其二次开发模块采集原始扫查数据,合成带有位置信息的B扫图像,通过基于区域增长技术的混合绘制法实现缺陷的三维重建。人工缺陷对比试块的三维成像测量结果误差多小于5%,实验研究表明,该成像方法和系统能在空间上对缺陷形成一个直观体现,同时能够精确的反映缺陷的位置、形态以及尺寸等信息,为后续实验研究的开展奠定基础。     

基于跨尺度PatchMatch的立体匹配算法

针对现有的PatchMatch（3D标签优化）立体匹配算法存在对图像中弱纹理、视差不连续区域匹配精度低的问题,提出了一种结合超像素分割和跨尺度PatchMatch的立体匹配算法。首先,通过高斯下采样获得多尺度图像并对各尺度图像超像素分割。其次,基于四色定理腐蚀超像素边界使3D标签在超像素上迭代传播具有子模性和独立性,生成的子模能量用图割（Graph Cut,GC）算法得到最优解。最后,提出跨尺度能量函数模型,约束不同尺度下同名像素3D标签能量一致,使3D标签迭代传播可在不同尺度进行GC优化,获得最优视差图。在Middlebury数据集上的实验结果表明,本文算法对21组弱纹理、复杂纹理图像的平均误匹配率为2.20%,相比其他改进的PatchMatch立体匹配算法误匹配率降低了10.1%,且视差图误匹配可视化显示,弱纹理、视差不连续区域匹配效果优于其他改进的PatchMatch立体匹配算法。     

复杂环境背景下绝缘子缺陷图像检测方法研究

针对处于复杂的环境背景下的电力绝缘子以及绝缘子缺陷的检测存在检测精度低、检测速度不高的实际问题,提出了一种改进YOLOv4(you only look once v4)算法的电力绝缘子图像以及存在缺陷的绝缘子检测的方法。通过制作电力绝缘子以及绝缘子存在缺陷的数据集,使用K-均值聚类(K-means)算法对电力绝缘子图像样本进行聚类,获得不同大小的先验框参数;然后通过改进平衡交叉熵(balanced cross entropy, BCE)引入一个权重系数,来增加损失函数的贡献程度;最后,通过增加空间金字塔池化结构(spatial pyramid pooling, SPP)前后的卷积层来加深网络的深度。实验结果表明,改进模型的单张检测时间为3.27 s,对于绝缘子缺陷平均检测精度比原始的YOLOv4算法提升了24.36%。同时通过改进后的YOLOv4算法在测试集上的平均精度均值(mean average precision, mAP)的值为84.05%,比原始的YOLOv4算法提升了17.83%,充分说明了能够很好的定位和识别电力绝缘子图像存在的缺陷。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

结构化矩阵分解的网状织物缺陷检测方法

针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。 首先,通过 Retinex 算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息 的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并 对两个部分进行特征融合,实现缺陷显著性增强。 通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值 分割算法分割缺陷显著图,从而得到缺陷检测结果。 利用公开数据集 TILDA 和 BASLER 工业相机采集到的网状织物缺陷图 像验证了算法的性能。 研究表明,与其他算法相比,本文算法的识别准确率达到 94. 25%,召回率达到 92. 48%,分类准确率 达到 90. 12%。     

Vision system for on-loom fabric inspection

This paper describes a vision-based fabric inspection system that accomplishes on-loom inspection of the fabric under construction with 100% coverage. The inspection system, which offers a scalable open architecture, can be manufactured at relatively low cost using off-the-shelf components. While synchronized to the motion of the loom, the developed system first acquires very high-quality vibration-free images of the fabric using either front or backlighting. Then, the acquired images are subjected to a novel defect segmentation algorithm, which is based on the concepts of wavelet transform, image fusion and the correlation dimension. The essence of this segmentation algorithm is the localization of those events (i.e., defects) in the input images that disrupt the global homogeneity of the background texture. The efficacy of this algorithm, as well as the overall inspection system, has been tested thoroughly under realistic conditions. The system was used to acquire and to analyze more than 3700 images of fabrics that were constructed with two different types of yarn. In each case, the performance of the system was evaluated as an operator introduced defects from 26 categories into the weaving process. The overall detection rate of the presented approach was found to be 89% with a localization accuracy of 0.2 in (i.e., the minimum defect size) and a false alarm rate of 2.5%     

基于人工智能图像识别的输电线路巡检研究

为了准确、及时地发现输电线路中的缺陷,研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地,以人工智能图像识别技术为支持,借助K-means算法对立体巡检图像进行聚类处理,同时,采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试,在相同工作量下,未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d,平均每分钟进行2～3张图片的识别,图像识别速度为20～30 s/张;采用人工智能识别技术,识别速度高达0.25 s/张,仅需3.6 h便可以将识别任务完成。在弱光环境下,经过增强处理的图像边缘更加清晰,目标图像与背景实现明显分界,且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外,通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现,所有方法的重构误差均呈现出逐渐降低之势,最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性,有利于工作效率的显著提升。     

基于线激光扫描的零件三维表面检测系统研究

零件表面缺陷是造成零件生产损失的主要原因之一,现如今的表面缺陷检测大多集中于平面的表面缺陷检测,为了能更好地表达物体的三维表面信息以及针对其三维信息进行缺陷检测,提出了一种基于线激光扫描的零件三维表面检测系统。首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换。然后利用图像采集系统采集图像,对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换,得到零件表面的三维点云数据,最后将得到的数据与标准数据做差,根据差值与设定的阈值之间作比较,判断表面是否存在缺陷。该系统可得到零件表面的三维点云数据,进而可判断出零件表面是否有缺陷存在,从而减少由于缺陷而造成的损失。     

基于TOF相机的喷涂工件在线三维重建

喷涂生产线轨迹规划和喷涂机器人自编程技术大都以工件的在线三维测量为基础。近年来TOF相机作为一种高性价比的3D成像设备,被应用于工件测量。针对TOF相机成像视场有限、单次成像只能获取局部轮廓深度信息等问题,提出一种基于工件在位旋转和图形处理器(GPU)加速的TOF点云视频流三维重建算法。该方法在有向距离函数(SDF)点云融合基础上,采用空间散列表存储管理海量点云数据,同时引入快速视觉里程(FOVIS)算法用于姿态估计,以提高喷涂工件在位三维重建算法的效率和鲁棒性。喷涂生产线仿真平台实验表明,在线重建过程中平均帧数可达58 f/s,失败率≤2%,显存占用率25%,为随后的三维测量和喷涂轨迹规划提供完整的点云数据。