实木地板缺陷形态学分割与SOM识别

针对实木地板的活节、死节、虫眼、裂纹缺陷在线检测速度慢及准确率低的问题,提出在提取R分量图像基础上,利用数学形态学优选缺陷种子点,设计缺陷图像快速增长策略,完成图像缺陷的快速分割;给出了以缺陷面积、边缘灰度均值、内部灰度均值、长宽比为特征的特征提取方法与步骤;构建了基于自组织映射(SOM)神经网络的缺陷辨识模型。实验结果表明:R分量可以准确表征缺陷信息;基于形态学的缺陷分割与SOM网络的缺陷辨识具有快速性和准确性,缺陷分割用时18.8 ms,缺陷分类用时4 ms,平均辨识准确率在89%以上,可以满足木地板缺陷在线检测的速度和准确率要求。     

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。     

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。     

基于超像素分割的快速移动阴影检测方法

针对快速移动车辆阴影检测问题,提出了一种基于超像素分割的移动车辆阴影检测方法。首先基于简单线性迭代聚类方法对原始图像进行同类质超像素分割处理,并将分割单元作为检测集合,在HSV色度空间内完成移动阴影的初步检测;接着,基于局部二值模式(LBP)纹理不变性消除误检像素,并采用区域生长方法实现边缘像素的修正,保证移动阴影干扰车辆的检测正确性和完整性。实验结果表明,在高速公路快速移动车辆的阴影检测中,具有较高的检测精度。     

基于边缘检测和种子自动区域生长算法的铝铸件图像分割

本文提出了一种基于边缘检测和种子自动区域生长的分割算法,由于被检测物件是圆形,故先采用susan算子进行边缘提取,得到边缘像素点,再利用灰度直方图选取种子点,采用迭代法选取阈值,最后实现种子的区域自动生长,分割出缺陷。实验结果表明,该算法几乎分割出全部缺陷,提高了分割效率。     

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。