基于主结构提取与签名算法的织物缺陷检测

为解决目前基于图像处理的织物缺陷检测算法中,因织物组织纹理结构复杂、花型繁多造成的检测效果差的问题,提出一种基于主结构提取与图像签名算法的纹理织物缺陷检测方法。首先,使用改进的总变差模型去除织物纹理提取主结构;其次,利用高斯变换对待检测图像进行多尺度分解,构建高斯金字塔;然后根据视觉注意力机制提取颜色特征,通过图像签名算法对疵点进行显著性检测,最后利用自适应阈值的方法分割得到疵点区域。实验结果表明,算法可有效地提取各种织物的主结构,实现不同纹理织物图像的缺陷检测。     

基于红外热点的电力缺陷检测方法

针对直升机电力巡检拍摄到的实时红外视频序列,寻找定位高温点并实时反馈给控制系统,首先对其进行Hough变换检测输电线,然后采用Otsu自适应阈值算法对红外图像中的热点区域进行分割,提取出缺陷区域,接着利用SIFT特征匹配识别红外图像中的绝缘子,最后对缺陷进行分类和分级。实验证明该算法发热点定位准确率较高,可智能识别缺陷,减轻了人工作业负荷。     

基于区域生长的电路板图像分割算法的研究

在印刷电路板质量检测中,自动光学检测应用越来越普遍。其原理是采集印刷电路板的图像,运用数字图像处理技术对图像进行分析,由计算机对电路板制造中产生的缺陷进行自动识别。在实际中,由于电路板材质不均匀的特点,采集到的图像包含很多背景噪声,难以进行缺陷识别。本文介绍了一种基于区域生长的电路板图像分割算法。经实验证明,运用该方法对电路板图像进行分割,可以完整地保留电路板的特征,而有效的除去背景噪声。     

一种基于数学形态学的灰度图像边缘检测方法

图像边缘包含图像的绝大部分有用信息,因而图像识别、匹配等具有很大的研究价值。传统的边缘检测算法去噪能力差、边缘定位能力低,而一般数学形态学算法提取的边缘清晰度不高,且不够平滑,难以满足图像处理的需要。采用序列多尺度结构元素分别对图像进行滤波,再灰度累加取均值,有效滤除噪声的基础上,尽量突出有效的边缘信息,去掉无效的细节信息。通过仿真验证,边缘定位精度高且平滑连贯,效果良好。     

基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

基于深度学习的输变电设备异常发热点红外图片目标检测方法

随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的Faster RCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。     

电缆终端漏油缺陷红外图像自动识别算法

高压电缆终端漏油缺陷往往通过红外图像的方式进行检测,而人工评估既耗时又费力,因此通过图像处理算法对所采集的电缆终端红外图像进行自动计算,评估终端是否存在漏油缺陷.首先通过有限元算法分析漏油终端表面温度的特点,然后通过滤波算法对图像进行降噪预处理,并通过边缘提取算法对图像中的电缆终端进行图像区域分 割,最后基于分割图像的灰度值曲线进行漏油评估.现场试验验证了所提图像处理方法的有效性.     

基于方差分析的绝缘子红外热像特征选择方法

利用红外成像技术检测绝缘子污秽等级的关键在于获取分类性能优异的红外热像特征,文章提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度,人工截取绝缘子盘面图像区域;通过平滑后的图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像和背景图像,提取2者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征;应用单因素方差分析甄别特征优劣,实现特征选择。瓷绝缘子人工污秽试验结果表明：文中提出的红外热像特征选择方法和图像分割算法简单有效。     

基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法

为了准确快速地识别出交直流复合绝缘子的缺陷类型,本文提出一种基于红外图像分割和麻雀搜索算法(SSA)优化支持向量机(SVM)的交直流复合绝缘子缺陷检测方法.首先,制作复合绝缘子短样,并设置四种不同类型的模拟缺陷,分别施加交流电压和直流电压,采用红外热像仪测量得到正常和缺陷复合绝缘子的红外图像样本;然后,利用最大类间方差法对图像进行阈值分割得到绝缘子区域,由此计算红外特征量,并使用Fisher准则进行特征选择;最后,采用SSA优化的SVM模型实现对绝缘子缺陷类型的识别.结果表明,实验室条件下该方法对交直流复合绝缘子的缺陷类型识别正确率达87％以上,且对现场交流复合绝缘子缺陷的初步识别效果良好.     

基于Faster RCNN变电设备红外图像缺陷识别方法

变电设备红外检测能够及时有效的发现设备过热缺陷,预防设备故障的发生。传统人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,而目前红外图像缺陷识别大都基于传统机器学习算法,识别准确率低、泛化能力差,因此本文提出了基于深度学习的变电设备红外缺陷识别方法。首先基于Faster RCNN算法对变压器、套管、断路器等七种变电设备进行目标检测,实现设备的精准定位、识别,然后基于温度阈值判别法对设备区域进行缺陷识别。使用现场采集红外图像进行测试,七种设备检测平均精度均值达到90. 61%,缺陷识别准确率达到81. 33%,实验结果表明本文方法的有效性和准确性。     

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。     

基于图像处理的微通道流道板表面缺陷检测方法研究

针对工业自动化生产中微通道流道板复杂结构表面缺陷自动检测的需求,提出了一种基于图像处理的流道板表面缺陷检测方法。该方法针对流道板CV孔和膨胀阀孔中常见的凹坑缺陷和破损缺陷,首先通过霍夫圆检测提取ROI区域剔除背景区域干扰,利用高斯滤波对ROI图像进行滤波处理,并使用二值化和形态学腐蚀运算对干扰噪点进行过滤从而凸显缺陷特征,之后使用Two-Pass算法和种子填充法计算连通域实现凹坑缺陷的检测;使用圆查找找到孔端面内外圆进行圆环展开并采用Canny边缘检测算子查找缺陷轮廓,筛选轮廓面积实现破损缺陷的检测。通过对比实验,验证了本文方法相较于传统表面缺陷检测方法,在流道板缺陷样本的检测中有更高的检出率。本文方法经验证,对流道板表面缺陷检出率稳定在92%以上,且算法处理速度快、鲁棒性强,实现了快速、非接触式的高精度检测,满足了工业自动化需求。     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

基于强度-梯度映射与多方向中值滤波的红外弱小目标检测算法

为了能够在复杂环境下准确定位出弱小目标,依据目标的高斯形状特性,设计了强度-梯度映射耦合多方向中值滤波的 红外弱小目标检测算法。 首先,根据红外图像在 4 个不同方向的强度均值,对经典的中值滤波进行改进,以有效抑制复杂背景 中的噪声。 再基于弱小目标的中心像素,获取整个红外图像的强度信息。 将红外图像沿着半径方向分割为 4 个子块,并建立每 个子块的极坐标系统,以计算其对应的梯度值。 依据最大与最小梯度值的比率,得到整个红外图像的梯度信息。 再将强度与梯 度信息实施融合,得到背景抑制图像,以增强红外弱小目标。 最后,利用强度-梯度映射中的非零像素均值来计算阈值,对背景 抑制图像实施分割,准确定位弱小目标。 测试数据显示,与已有的红外弱小目标检测方案相比,所提算法具备更高的检测准确 性,可完整地识别出目标,呈现出更为理想的 ROC(receiver operating characteristic)曲线。     

基于改进SSD的变压器套管红外图像油位智能识别方法

为解决现有基于红外图像识别变压器套管油位存在的过于依赖温度信息、人工处理效率低下等问题,文中结合目标检测技术提出了一种基于改进单次检测器(SSD)的套管智能油位识别方法。通过引入SSD目标检测方法,检测红外图像中的套管区域,加入损失函数以改进SSD算法从而提高套管检测准确率,并进一步通过简单线性迭代聚类(SLIC)的应用实现了不依赖红外图像温度信息的油位检测。对比文中提出的基于红外图像的油位识别算法检测结果与人工油位检测结果,表明文中提出的算法不仅在效率上领先于传统的温度检测方式,且其误差较小,仅为0.08%。对比结果验证了所提算法在保证检测精度的情况下可大幅度提高检测效率,有效提升套管故障诊断效率和智能化水平。     

基于最小熵解卷积的轨面缺陷漏磁信号处理

钢轨表面缺陷的漏磁检测会受到巡检速度等因素的影响,导致背景噪声增大,检测灵敏度降低。为了增强缺陷信号特征,提高漏磁信号的信噪比,提出了一种基于最小熵解卷积的漏磁信号处理方法。通过目标函数法,计算得到最优的逆滤波器参数,对采集到的漏磁信号进行滤波处理。为衡量最小熵解卷积算法滤波效果,将处理得到的缺陷信号和背景噪声信号的峰峰值与小波变换法和中值滤波法进行对比。实验结果表明,最小熵解卷积算法对缺陷信号起到了明显的增强作用,且其效果优于小波变换和中值滤波。     

基于LoG算子的双滤波边缘检测算法

边缘检测是图像处理中的重要步骤,为了有效抑制噪点并保留边缘信息,分析了高斯滤波不具有自适应性的缺陷,根据噪声灰度值不连续的特性,在改进传统均值滤波的基础上,提出了一种加权系数自适应的均值滤波,并通过与LoG算子相结合,得出一种基于LoG算子的双滤波边缘检测算法。通过实验对比发现,该算法可有效的消除噪点的干扰,又能保证获取边缘的准确性,并且与LoG算子、Canny算子等算法相比较,在保持检测速度基本不变的情况下具有更好的检测精度。     

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。     

基于改进YOLOv3算法的钢板缺陷检测

针对目前钢板缺陷检测精度和速度的不足,提出了一种改进的YOLOv3检测算法。首先使用小波-中值滤波处理缺陷图像,清除图像里的噪声使图像更平滑。然后在原有网络中的密集连接网络(Darknet-53)上增加一个尺度输出增强算法对小目标缺陷的识别能力。最后为了增强算法模型的准确性对算法原有的损失函数进行优化,得到改进版的YOLOv3算法模型。改进的算法在测试集上的mAP值可以达到64.31,比原有的YOLOv3网络提高了7.9,结果表明了改进算法在钢板缺陷上具有较好的检测效果。     

基于高精度温度传感器的多股碳纤维导线潜伏性缺陷检测方法

为提升多股碳纤维导线的质量,研究基于高精度温度传感器的多股碳纤维导线潜伏性缺陷检测方法。利用布里渊光时域反射技术设计高精度温度传感器,并将单根光纤植入多股碳纤维导线中,通过注入窄谱光源来实现温度采集。采用外差检测法对窄谱光源进行处理,获取多股碳纤维导线的温度采集结果。采用平均处理方法滤除温度数据内部的噪声。基于滤波后的温度数据,建立多股碳纤维导线的温度场逆问题模型,并利用牛顿迭代法对模型进行求解,从而得到多股碳纤维导线的热导率。实验证明,该方法能够有效地采集多股碳纤维导线的温度,并成功滤除99%的内部噪声。检测无缺陷多股碳纤维导线的热导率是235 W/m·k,基于此,该方法也能够根据与无缺陷导线的热导率的差异有效地检测导线的潜伏性缺陷。值得注意的是,当导线的负荷电流增加时,该方法的潜伏性缺陷检测效果更佳。