基于深度学习的铝合金轮毂铸件图像缺陷检测

基于传统X射线图像的铝合金轮毂铸件缺陷检测方法存在人工检测效率低、误检率高、检测精度较差等问题,提出一种基于深度学习的铝合金轮毂铸件图像缺陷检测方法。通过引入直方图均衡化方法,实现533组铝合金铸件X射线图像缺陷特征增强;同时基于Mosaic数据增广策略随机生成含有多尺度不同缺陷类型的新图像数据,提升图像的复杂度;修改了YOLOv5主干网络,引入SENet注意力机制模块对输入特征图的重要通道进行特征提取增强。结果表明,该方法对铸件缺陷平均检测精度(mAP)达到了99.6%,对比YOLOv3、YOLOv4以及YOLOv5主流算法,平均检测精度分别提升了9%、5.1%、4.2%。相较于原网络模型,常见的4种类型(气孔、缩松、裂纹、夹杂)铸件缺陷平均检测精度提升了10.83%。该方法具有更好的泛化能力,可实现铸件多类型缺陷的自动检测,能够满足工业实际需求。     

阀门铸件射线检测中表面缺陷对检定的影响及对策

概述了铸件的特点和一些常见缺陷,指出射线检测过程中对铸件表面缺陷应该注意的问题.指出射线检测前对铸件表面应进行初次检查,以避免表面缺陷影响检测结果,造成不必要的经济损失.对底片上的疑似表面缺陷,应对铸件表面进行复查,减少缺陷的误判和漏检.进一步说明了铸件表面缺陷对缺陷检定的影响,并为此提出了相应的应对措施.     

基于超声杂波抑制的缺陷检测

超声TOFD(time of flight diffraction,衍射时差)法检测的D扫描图像中,作为背景杂波的侧向波与近表面缺陷波会发生混叠,致使近表面缺陷不易于检测. 针对这一问题,提出一种基于杂波抑制的缺陷检测方法. 该方法通过图像能量分布统计,确定背景杂波分量并予以去除,从而分离出与其混叠的缺陷信号,实现近表面缺陷的检测. 建立了的超声TOFD法检测信号的数学模型,阐明了基于图像能量分布的杂波抑制原理. 制作了人工缺陷试块及实际焊缝试块,并对其检测获取的图像进行了杂波抑制处理. 结果表明,提出的方法可有效去除图像中的非缺陷目标、提取近表面缺陷波,从而提高系统的有效检测范围.     

基于分形理论及数理统计的压铸件内部孔洞缺陷定量分析

对分布不规则的压铸件内部孔洞采用分形理论与数理统计的原理进行了分析.根据铸件切面的孔洞金相照片,采用计算机图像处理方法得到了反映孔洞缺陷分布均匀性的分形维数、孔洞面积的百分比、孔洞半径分布方差、孔洞的平均半径4个定量的参量.利用这4个定量参数可以综合的反映铸件内孔洞位置的分布状态和孔洞大小及分布状态.通过不同压铸工艺镁合金铸件内部气孔的分析,对计算和分析结果进行了验证.     

大型精铸结构件表面荧光显示分析

采用精密铸造方式生产的大型结构件,在荧光检查过程中时常出现表面点状显示缺陷.对缺陷部位进行光学显微镜和扫描电镜分析,对型壳及铸件表面采用便携式X射线荧光光谱进行面层成分分析.结果显示,铸件表面的荧光缺陷部位为孔洞类缺陷,夹杂物为不同于基体颜色的黑色不规则块状物.能谱分析表明,缺陷部位Al、Si、O含量均较高,X射线荧光...     

熔模精密铸件荧光自动检测技术研究进展及智能化发展趋势

熔模精密铸件表面缺陷严重降低铸件的服役可靠性。工程上,铸件表面缺陷的检测通常采用荧光检测方法。然而，由于荧光检测的图像复杂、检测员水平参差不齐和长时间检测引起的视觉疲劳等原因，降低了荧光检测的精度和效率，严重影响航空航天重大装备服役安全。近年来，荧光自动检测技术逐渐发展起来。本文系统总结了国内外荧光自动检测系统的研究现状，给出了基于传统处理法建立荧光自动检测系统的主要步骤，梳理了近年来新出现的基于深度学习法的荧光自动检测方法，并对未来荧光缺陷智能化检测的发展趋势进行了展望。     

水基保护层涂料855W在铸件生产中的应用

采用醇基石墨涂料虽然能满足一般铸件表面要求,但是在厚大铸件(印刷机墙板和飞轮件)的放置冷铁部位却不能达到要求.如在放置冷铁部位表面产生形状不规则孔洞,冷铁与铸件粘合在一起等缺陷.通过水基保护层涂料与醇基石墨涂料的对比试验及实际应用表明,用水基保护层涂料取代传统涂料可以解决铸件冷铁部位的缺陷问题.     

铸件缺陷焊补前的准备工作

在实践中证明,修补铸件缺陷最可靠和最正碓的方法之一是焊接。焊接可用于修补铸件的各种缺陷,其中包括:1.表面的和穿透的裂纹,其整个长度为焊接所能达到的;2.气孔、缩孔、砂眼、渣眼以及铸件表面的其他缺陷,在机械加工之前或机械加工     

海外文献速报

<正>20120501川田良晓,加藤宽.铝合金压铸件表面附近内在人工缺陷的超声波检测.铸造工学,2011,83(4):181-187.表面及表面附近的铸造缺陷对铸件力学性能的影响比铸件内部深处的缺陷更大,因此开发表面及表面附近缺陷的无损检     

基于计算机视觉的微小轴承表面缺陷检测

提出了一种基于计算机视觉的轴承表面缺陷检测的新方法,采用A102fCCD数字摄像头作为图像传感器,利用数字图像处理技术对轴承表面缺陷进行检测,其主要步骤包括:图像的采集;采用边缘保持滤波器进行滤波、降噪;采用阈值法将图像二值化,并进行边缘检测;采用差影方法对有缺陷表面进行识别.试验证明,用该方法进行轴承表面缺陷检测是可行的,并具有方法简单、定位准确、抗噪能力强、计算速度快、实时性好等优点.     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

基于模式识别的零件表面瑕疵图像提取的设计与实现

针对精密零件表面瑕疵处理问题,将计算机视觉技术用于精密零件表面瑕疵图像的提取和分析,提高了生产中机械零件自动识别的实时性和分拣的准确率,并结合嵌入式系统进行控制。设计了一个基于机器视觉的零件表面瑕疵图像自动识别系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵图像的提取,为零件表面瑕疵的处理做好了准备工作,达到了对许多加工件和产品表面质量进行快速检测的目的。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

一种非线性扩散与图像差分的金属表面缺陷检测方法

目的为检测金属产品表面缺陷提供一种有效的方法,希望可以对金属产品表面质量进行监控。方法首先,引入自适应中值滤波方法对原始图像中的噪声进行滤除,以提高金属表面缺陷的检测正确度。然后,利用图像梯度的倒数对传统的P-M非线性扩散模型中的扩散因子进行改进,使得金属表面图像中梯度值较大的区域得以平滑,同时保持其他区域的平滑度不变。将金属表面的原始图像与经过非线性扩散后的图像进行图像差分运算,以消除光照度对金属表面图像的影响,获取均匀背景的金属表面图像,使得缺陷区与非缺陷区的对比度得以增强。最后,通过差分图像中图像块的标准差构造自适应二值化模型,对差分图像进行二值化,以提取金属表面的缺陷区域,实现对金属表面缺陷的准确检测。结果通过对具有划痕、裂纹、缺口以及锈斑缺陷的图像进行检测表明,该方法能够对金属表面缺陷进行准确的检测。结论所设计的方法能对金属表面缺陷进行检测,并且检测精度也优于当前其他金属表面缺陷检测方法。     

An efficient image-based damage detection for cable surface in cable-stayed bridges

Since cable members are the major structural components of cable bridges, they should be properly inspected for surface damage and inside defects such as corrosion and/or breakage of wires. This study introduces an efficient image-based damage detection system that can automatically identify damages to the cable surface through image processing techniques and pattern recognition. The damage detection algorithm combines image enhancement techniques with principal component analysis (PCA) algorithm. Images from three cameras attached to a cable climbing robot are wirelessly transmitted to a server computer located on a stationary cable support. To improve the overall quality of the images, this study utilizes an image enhancement method together with a noise removal technique. Next the input images are projected into PCA sub-space, the Mahalanobis square distance is used to determine the distances between the input images and sample patterns. The smallest distance is found to be a match for an input image. The proposed damage detection algorithm was verified through laboratory tests on three types of cables. Results of the tests showed that the proposed system could be used to detect damage to bridge cables.     

基于计算机视觉的铁轨表面缺陷检测系统

计算机视觉技术是计算机科学的一个重要分支,它涉及到图像处理、模式识别、人工智能、光学等多个领域。基于计算机视觉技术的基本理论,设计了铁轨表面缺陷检测的软硬件平台,并运用该方案对铁路现场采集到的铁轨缺陷图像进行处理。试验结果表明,该方案能够正确识别出铁轨表面缺陷的大小和位置,具有一定的实用价值。     

基于PSO-SVM的FPC焊盘表面缺陷检测研究

针对柔性线路板(FPC)焊盘表面的缺陷检测,建立了一种利用粒子群算法(PSO)进行参数寻优的PSO-SVM分类识别模型。首先通过OTSU法将焊盘从原始图像中分割出来,然后对其5种表面缺陷从形状、灰度、纹理三个方面提取了14维特征,接着用粒子群算法方法对支持向量机的参数优化以获得较高的识别准确率,最后对缺陷样本进行分类识别,并将其与GS-SVM和BP神经网络分类性能进行对比。实验证明了该方法可以对焊盘缺陷进行准确的分类识别。     

Infrared thermal image segmentations employing the multilayer level set method for non-destructive evaluation of layered structures

This paper describes the multilayer level set method for identification of surface defects within a material. This method relies upon the examination of temperature variations within the material. Even though several image processing techniques have used thermal images for detection of surface defects. Detecting and locating surface defects from thermal images is difficult. Mumford and Shah proposed to divide an image in a set of homogeneous sub-regions such that the energy contained in the image can be minimized. Based on this minimization of the energy, the multilayer level set method implicitly presents the regional boundaries as several nested level lines. By increasing iterations and pre-selected level values, these lines evolve close to the level boundaries based on the energy minimization. In this paper, two kinds of tests are employed to evaluate the performance of the algorithm: the first is that the artificial defects are buried behind the tiles; the second that the artificial defectors are buried behind and near the surface of a structure covered with carbon fiber reinforced plastic (CFRP). With a set of halogen lights used to heat the structure, a thermal camera with temperature resolution 0.1 °C is employed to record the temperature changes. The experimental results show that, according to the predefined level values, the multilayer level set method can successfully detect regional boundaries of the buried defects by identifying temperature changes within their neighborhoods using infrared thermal images.     

基于Faster R-CNN的刨花板表面缺陷检测研究

为了克服刨花板表面缺陷人工目视检测的局限性,实现对多种缺陷准确、实时检测,提出一种基于Faster R-CNN的检测方法。运用从工厂生产现场获取的各种表面缺陷图,制作成一个包含3566张刨花板表面缺陷图像数据集,其中主要包括胶块、水印、砂痕、杂物、粗刨花5种缺陷类型。通过用该数据集对Faster R-CNN在ZF、VGG16和ResNet101不同特征提取网络下的不同锚点(Anchor)设置模型分别进行训练、验证和测试,并对比了不同参数对检测精度的影响。结果显示,该方法能有效检测刨花板表面缺陷,且模型在ResNet101作为特征提取网络时准确率最高。在对训练好的Faster R-CNN模型的鲁棒性进行评估和验证中,模型对122张新图像的5种缺陷类型进行检测,测试的5种缺陷类型识别率分别为92.31%、91.84%、90.57%、96.88%和95.24%,平均检测率为93.37%,测试结果表明该方法能为基于机器视觉刨花板表面缺陷检测系统提供良好支撑。