异种材料连接界面弱信号缺陷的提取与量化

采用基于形态学增强和面积重构预处理的分水岭变换方法,对异种材料连接界面的超声检测图像进行了自适应分块阈值化分割处理.为了验证无损检测处理结果的可靠性,根据铜钢堆焊界面检测图像特征,对堆焊接头进行抽样破坏检测.结果表明,通过形态学增强和面积重构的预处理可有效抑制经典分水岭算法的过度分割,实现了检测图像按缺陷的分布特征进行自适应分块,进而通过阈值化分割,达到了超声弱信号缺陷的有效提取与量化的目的.经破坏性试验验证,该方法具有较高的检测可靠性.     

基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

纽扣电池表面缺陷检测算法的研究

在电池的生产过程中,不可避免地会生产出一些次品,因此有必要依托信息技术设计出一套合理的算法来自动完成不合格次品的检出。利用图像采集设备采集纽扣电池表面图像,对采集的图像依次进行混合噪声滤除、OSTU最佳阈值分割、图像字符定位分割、缺陷模式提取、BP神经网络缺陷分类,每一步在满足检测精度的前提下,以算法简洁、高效作为衡量标准,为算法移植到生产实践中的实时检测奠定基础。     

基于BP神经网络的铸造缺陷图像识别技术研究

研究了采用高斯滤波、模糊增强、阈值分割和特征提取等数字图像处理技术对采集的铸造缺陷图像进行处理,获得带有各种铸造缺陷特征的图像样本,并用BP神经网络对样本进行训练,最终获得具有较高识别精度的BP网络。实验结果表明,利用该BP网络可以实现对铸造缺陷图像类型的快速、准确判断。     

基于机器视觉的枪弹外观缺陷检测系统研究

为了实现枪弹外观缺陷自动检测,研究了基于机器视觉技术的枪弹外观缺陷检测系统.首先针对枪弹外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了枪弹外观缺陷快速、准确分割;然后通过分析枪弹外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了枪弹外观缺陷特征;最后选择BP神经网络作为缺陷分类器,根据经验和实验确定了神经网络结构及参数,并分析了传统BP算法在枪弹外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了神经网络分类效果.实验表明,枪弹外观缺陷检测系统能够实现缺陷自动分割、识别与分类,正确识别率达91.7％,表现出较好的准确性和鲁棒性.     

基于SIFT特征与多层BP神经网络的钢板缺陷检测算法

为了解决当前钢板表面缺陷在对比度弱、边缘复杂和光照不均干扰下易导致检测能力较低的问题,文章提出了基于SIFT特征与多层BP神经网络的钢板缺陷检测算法。首先,引入高斯差分和Hessian矩阵,对钢板图像进行空间尺度函数计算,统计SIFT深度向量特征,完成缺陷特征的检测与收集。然后,基于神经网络原始模型,计算其第五层输出结果,优化缺陷检测结果,并最小化输出层与期望值的差异平方,滤除伪SIFT特征的干扰,建立多层BP神经网络拓扑分析算子,准确识别钢板缺陷。最后,基于软件工程,设计检测系统软件,对文中算法的缺陷检测精度进行测试。实验测试结果显示:与当前主流钢板缺陷检测技术相比,文中算法拥有更高的准确性与鲁棒性。     

图像识别技术在电解铝生产中的研究与应用

针对阳极钢爪表面黏附物测量难度较大这一问题,将黏附物的体积与阳极钢爪体积之比定义为阳极钢爪的黏附指数,并通过分析数学模型将阳极钢爪的黏附指数转化为与黏附物直径相关的物理量,通过分析常用的灰度图阈值分割方法的局限性,设计一种基于RGB三通道的阈值分割方法。算法处理结果对比表明,基于RGB三通道的阈值分割方法具有较分明的二值化处理效果。给出了图像采集系统的设计、图像处理流程以及系统软件编写流程,并利用编程平台完成视觉处理算法设计。试验结果表明,该方法可以准确测量阳极钢爪黏附指数。     

基于时频域混合分析的太阳能硅片缺陷检测方法

针对太阳能硅片的水印缺陷,提出一种基于时频域混合分析的检测方法。在此基础上,设计太阳能硅片表面缺陷检测硬件系统。对采集的硅片图像,首先在时域进行图像预处理,然后利用实数快速傅里叶变换得到频率谱图像;在频域里,设计高斯滤波器滤波,再通过傅里叶逆变换获得重构图像,转换到时域,进行差分得到差分图像;最后通过阈值化和形态学操作获得缺陷区域。实验结果表明:此方法对包含水印缺陷的太阳能硅片样本进行缺陷检测的准确率高,具有较高的实用价值。     

基于LABVIEW的焊缝表面缺陷智能检测系统研究

利用LABVIEW软件,开发了焊缝表面缺陷采集以及感兴趣区域(ROI)截取、阈值分割、中值滤波、形态学处理以及图像的细化等程序。在此基础上,采用多模板几何匹配模式,对采集的图像进行了匹配和识别。该缺陷检测系统的开发为视觉检测技术替代人工检测奠定了基础。