统计纹理的自动表面检测*

提出了一种用于砂纸、铸件和许多工业材料中的随机纹理表面缺陷的自动检测的全局方法.该方法不依赖于纹理的局部特征,它应用傅里叶变换进行全局图像恢复.应用逆傅里叶变换去除任何统计纹理中的周期性、重复性结构.在恢复图像中,原图像中的同质区域灰度近似一致,而缺陷区域被明显地保留下来了.对不同实际统计纹理的实验结果表明了该方法的有效性.     

基于频率谱处理的瓷砖纹理分类方法

针对瓷砖在线分类检测中,一些瓷砖品种的纹理难以定量化描述,且种间色差、亮度差难以区分的问题,提出一种基于频率谱处理的瓷砖纹理分类方法。首先采用基于高斯滤波的方法增强纹理并消除低幅值噪声,从而加强了对低质量图像的适应性。然后通过离散傅里叶变换得到频率谱图像,去除直流分量和高频成分后既可以突出纹理信息又抑制了高频噪声的影响。最后与预设模板库比较,采用图像匹配法计算距离,利用最小距离分类法实现分类,满足对各种纹理瓷砖的适应性以及在线分类快速性要求。实验结果表明,该方法对不同的瓷砖样本区分度高,对同类样本鲁棒性好,分类准确率高,在瓷砖在线分类检测中具有较高的实用价值。     

傅里叶重建图像法检测磁片表面刀纹缺陷

磁片在被切割为更小的片时表面上可能会出现缺陷,这些缺陷将严重影响磁性材料产品的性能和使用寿命,因此表面刀纹缺陷自动检测成为磁片生产中一个重要的任务。针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁片图像的缺陷的问题,提出一种基于傅里叶变换重建图像的磁片表面图像处理方法。用傅里叶变换获取磁片图像的频谱图像,缺陷在频谱图像中被显示为一条亮线。用霍夫变换检测亮线的角度,去除这条亮线的频率分量,使用傅里叶反变换得到去除掉缺陷的正常灰度图像。缺陷区域则可以通过评估原始图像和重建图像之间的灰度差来获得。对大量的磁片图像进行实验后表明,该方法可以准确、高效地检测磁片表面的刀纹缺陷。     

周期纹理背景中的表面缺陷检测技术

基于机器视觉原理的自动光学表面缺陷检测技术是当今工业生产中在线检测表面缺陷的一种新的技术方法,是精密制造与组装工业过程中保证零部件表面质量的重要检测手段.以液晶面板TFT阵列表面缺陷自动光学检测为例,介绍了表面缺陷自动光学检测的基本组成原理,阐述了周期纹理背景表面上的表面缺陷检测方法、缺陷信息处理的基本过程与实用算法.针对表面缺陷检测图像处理技术难题,详细论述了表面缺陷扫描图像中的周期纹理背景傅里叶变换频域滤波方法、缺陷分割双阈值统计控制法,并用实验结果给出了例证.     

织物表面纹理疵点自动检测

根据织物纹理和疵点频谱的不同分布,提出织物疵点检测的新方法。在织物纹理和疵点分类的基础上,通过傅里叶变换获得频谱图。设计频域滤波器抑制正常纹理频谱信息,通过重构对灰度图像进行分割,实现疵点与正常织物纹理的分离。实验结果表明该方法是有效的。     

基于Hough变换和FFT多投影精测的织物纬斜快速检测方法研究

织物纬斜角度检测是布料整纬的关键技术环节,如何快速、准确检测纬斜角度对提高整纬质量具有重要意义;针对现有布料图像整纬方法存在速度慢、精度不高的缺点,提出了基于Hough变换原理和快速傅里叶变换(FFT)多投影的织物纬斜图像快速检测方法;首先对采集到的织物图像通过傅里叶变换对图像进行频域滤波再逆变换,滤除图像中不表示纬斜方向的区域信息,其次使用Sobel边缘方向检测算子对图像进行卷积以得到边缘方向图,提取纬纱方向信息,利用形态学滤波得到纬纱骨架图,进一步精简纬纱区域以减少计算量,最后进行Hough变换和FFT多投影分析得到织物图像的纬斜角度;实验测试证明对于不同类型的织物图像,该算法的检测时间低于0.55 s,误差值低于0.2°,能够兼顾检测精度和检测速度,满足工程实际应用要求.     

硅太阳能电池纹理缺陷检测

为实现硅太阳能电池纹理缺陷检测,提出一种采用方向可变滤波器组并结合Hough变换的检测方法。通过方向可变滤波器提取图像边缘并采用Hough变换确定纹理方向,采用角度与纹理方向一致的方向可变滤波器滤波,实现消除规则直线纹理,保留纹理缺陷特征。对滤波后的纹理缺陷结果图像采用双阈值法,以确定纹理缺陷所在的位置。和Gabor滤波器及小波滤波器的比较实验结果表明：该方法比前两种方法能更有效地进行硅太阳能电池纹理缺陷检测。     

基于联合注意力的复杂纹理瓷砖缺陷检测方法

复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰,使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率,提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首先通过建模深浅层特征通道间关系设计了一种选择性特征融合方法,以提升模型对小目标缺陷的特征表达;其次,提出了通道与空间联合注意力模块,通过通道注意力和空间注意力来筛选关键特征通道和抑制纹理区域,使模型着重于学习缺陷特征以增强模型辨别缺陷与纹理的能力;最后,在复杂纹理瓷砖表面缺陷数据上进行了实验验证。实验结果表明,相较于AFF(attentional feature fusion)和CBAM(convolutional block attention module)方法,选择性特征融合方法和通道与空间联合注意力模块使模型检测性能分别提高了5.3 AP、6.32 AP。最终,实验证明了该方案分别优于现有的瓷砖检测方法YOLOv5和纹理织物缺陷检测AFAM方法1.32 AP、2.12 AP。     

一种基于相位变换的布匹疵点检测方法

为了实现布匹瑕疵检测的准确性和实时性要求,通过对纹理结构的分析,针对织物表面的疵点检测,提出了一种简单快速有效的方法.该方法首先采取中值滤波,并利用离散傅里叶变换(DFT)对布匹采取单相位的变换方法,去掉图像中任意大小尺度的规则性纹理,从而只剩下那些被看成是疵点的不规则部分.然后再利用标准的统计方法,根据实验所得的阈值,最后进行反变换给出疵点信息.该方法易于代码实现,并有很高的运行效率,可满足实时性要求.不同对象之间只需要根据几次实验,得出相对合适的阈值,就可以提高算法的检测精度.     

基于ButterWorth滤波的X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,基于X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想。针对这一问题,提出了一种基于ButterWorth滤波的钢管焊缝缺陷检测方法。首先利用傅里叶变换将图像的时域信息变换到频域,之后对图像的频域信息进行高通滤波,提取出图像中的高频缺陷信息,再对其进行傅里叶反变换,从而将缺陷信息凸出,最后利用阈值分割成功提取出缺陷,并对提取出的缺陷结果进行处理,有效地降低了漏检率和误检率。与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性。     

瓷砖图像的纹理特征分类研究

在已有的瓷砖图像分类系统中,仅靠颜色特征和简单的纹理边缘信息只能对无花纹的单色砖或简单花纹的瓷砖进行有效分类,对复杂图案的瓷砖存在识别率低的问题。针对此种情况,结合瓷砖图像的灰度共生矩阵和统计几何特征,将这些特征输入支持向量机进行特征分层分类。采用基于径向基核函数和[K]交叉验证法所得到的最优参数构造支持向量机,解决瓷砖纹理特征具有非线性的分类问题。用瓷砖生产线上采集的大量图像进行实验表明,该方法准确率高,分类效果好。     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。     

傅氏变换的自配准性质及其在纹理识别和图象分割中的应用

图象按纹理一致性进行辨识和分割是图象分析中的一个重要问题 ,有着广泛的实际应用 .讨论了傅氏变换应用于纹理识别的机理 ,并基于此提出了一种图象分割算法 .图象中的纹理线条呈现出很多方向 ,并随机地分布在图象的各个位置 ,然而对于它的傅氏变换幅度谱来说 ,相同方向的线条无论其位置如何 ,它们的贡献会被叠加在一起 ,集中地反映在通过频谱中心垂直于原线条方向的条带上 .这一现象被称为傅氏变换幅度谱的自配准性质 .首先对这一性质进行实验个例的研究和理论分析 ,然后设计算法将其应用于图象的纹理辨识和基于纹理的图象分割实验 ,取得了较为满意的效果 .实验证明 ,得益于自配准性质 ,傅氏变换方法不失为一种有潜力的纹理分析和图象分割方法 ,值得进一步扩展更多的图象应用领域     

基于频域滤波的织物疵点检测

根据织物纹理和疵点的频谱不同分布,提出了织物疵点检测的新方法。首先在研究织物纹理分类的基础上,通过傅立叶变换获得频谱图像;然后设计频域滤波器抑制正常纹理频谱信息,通过重构灰度图像,把灰度图像分割成若干子窗口;最后将统计子窗口方差作为特征值与设定的阈值比较,从而判别是否存在疵点。实验结果表明该方法是有效的, 检测正确率达到90%以上。     

基于Log Gabor滤波的指纹纹理匹配*

分析了Log Gabor滤波器的性能,详述了用于指纹识别的Log Gabor滤波器的构造方法,在此基础上提出了基于Log Gabor滤波器的指纹纹理匹配算法。首先采用了一种快速有效的参考点定位方法,在确定有效区域并归一化后,通过傅里叶变换把指纹图像转换到频域,在频域进行Log Gabor滤波,最后在滤波图像中提取特征,并与传统方法作了比较。实验结果表明,所提出算法的性能优于基于Gabor滤波的纹理匹配方法和基于细节点的方法,提高了指纹识别的准确率。     

Efficient Anti-Glare Ceramic Decals Defect Detection by Incorporating Homomorphic Filtering

Nowadays the computer vision technique has widely found applications in industrial manufacturing process to improve their efficiency. However, it is hardly applied in the field of daily ceramic detection due to the following two key reasons: (1) Low detection accuracy as a result of ceramic glare, and (2) Lack of efficient detection algorithms. To tackle these problems, a homomorphic filtering based anti-glare ceramic decals defect detection technique is proposed in this paper. Considering that smooth ceramic surface usually causes glare effects and leads to low detection results, in our approach, the ceramic samples are taken in low light environment and their luminance and details restored by a homomorphic filtering based image enhancement technique. With relatively high quality preprocessed images, an effective ceramic decal defect detection algorithm is then designed to rapidly locate those out-of-bounds defects and further estimate their size. The experimental results show that the proposed scheme could achieve its desired performance.     

基于PLC的瓷砖平整度在线检测系统研究

为实现瓷砖平整度的自动在线检测及分级,设计了基于PLC、组态软件和激光位移传感器的瓷砖平整度实时检测分级系统。系统由传送、检测和分级三部分组成。该检测系统采用光学三角法检测技术,通过编码器及PLC的高速计数器功能对移动中的待检测瓷砖的采样位置进行精确定位,使用激光位移传感器对瓷砖表面进行信息采集,经AD转换后在PLC内部按照特定的算法进行平整度运算,以PLC为核心实现瓷砖的分级处理和对设备的整体控制。实验表明该检测系统高效、稳定、可靠。瓷砖平整度检测精度为±0.1 mm,多次同方向检测精度为±0.05 mm,检测速度为每分钟40片,检测准确度可达到95%以上,适用于当前瓷砖生产过程的质量控制。     

A supervised approach for automated surface defect detection in ceramic tile quality control

Surface defect detection is very important to guarantee the quality of ceramic tiles production. At present, this process is usually performed manually in the ceramic tile industry, which is low efficiency and time-consuming. For small surface defects detection of high-resolution ceramic tiles image, an intelligent detection method for surface defects of ceramic tiles based on an improved you only look once version 5 (YOLOv5) algorithm is presented. Firstly, the high-resolution ceramic tile images are cropped into slices, and the Bottleneck module in the YOLOv5s network is optimized by introducing depthwise convolution and replaced in the whole network. Then, feature extraction is performed using the improved Shufflenetv2 backbone, and an attention mechanism is added to the backbone network to improve the feature extraction ability. The path aggregation network (PAN) and Feature Pyramid Networks (FPN) neck are used to enhance the feature extraction, and finally, the YOLO head is used to identify and locate the ceramic tile defects. The multiple sliding windows detection method is proposed to detect the original ceramic tile image which is faster than the single sliding window detection method. The experimental results show that compared with the original YOLOv5s detection algorithm, the parameters of the model are reduced by 20.46 %, the floating point operations are reduced by 26.22 %, and the mean average precision (mAP) of the proposed method is 96.73 % in the ceramic tile image slice test set which has 1.93 % improvement in mAP than the original YOLOv5s. Compare with other object detection methods, the method proposed in this paper also has certain advantages. In the high-resolution ceramic tile images test set, the mAP of the proposed algorithm is 86.44 % by using the multiple sliding window detection method. The ceramic defect detection experiment has verified the feasibility of the method proposed in this paper.