形态学滤波窄裂纹检测与目标识别

荧光磁粉探伤是工件表面缺陷的一种非接触式检测手段，传统的基于人工视觉检测裂纹的方法耗人力、耗时、不精确、花费高、可靠性无法保证。现代工业检测技术要求工件表面缺陷检测自动完成，而工件表面状况、真伪裂纹缺陷、工况条件等使得现有的检测识别方法难以满足工件表面缺陷自动检测识别的需要。分析了工件表面荧光磁粉图像特征及裂纹缺陷特征；研究了基于分块阈值的数学形态学梯度算子图像边缘检测算法；根据裂纹缺陷的长宽比、圆形度等特征，设计了基于Fisher线性判别方法的工件裂纹缺陷识别方法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术，应用于火车轮轴检测线实时检测，裂纹缺陷的有效检出率达90％。     

基于机器视觉的焊缝表面下塌缺陷实时检测系统

针对工件焊缝表面下塌缺陷检测精度低、效率低的问题,设计了一种基于机器视觉的焊缝表面下塌缺陷检测系统,代替人工检测。利用QT5.9开发软件界面,通过配置CCD相机与辅助光源对焊缝图像进行实时采集,并提出了针对焊缝表面下塌缺陷增强、分割、提取、识别的组合算法。使用改进的GrabCut算法解决了焊缝下塌缺陷与背景分割的难题,实现了对焊缝下塌缺陷的快速精确识别。试验结果表明,系统测量精度为0.02 mm~2,可以对焊缝表面下塌缺陷实现实时、精准、稳定的检测识别。     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

基于机器视觉的锥形旋压件起皱缺陷在线检测方法

获取成形缺陷的快速、准确在线检测方法是实现旋压成形智能化的基础。通过对起皱特征和图像识别流程进行研究,提出了一种基于机器视觉的起皱缺陷在线检测方法,并将其应用于锥形件剪切旋压成形过程起皱缺陷的在线检测。构建旋压成形图像在线采集系统,实现成形时旋压件图像的实时获取;利用Halcon软件对图像进行ROI提取、直方图均衡化等预处理,能够获得高对比度的清晰图像;通过Otsu法改进传统Canny边缘检测算法,实现了根据图像梯度自动确定高低阈值,准确地提取出锥形件的图像轮廓。以锥形旋压件起皱后口部轮廓波纹个数及大小为特征,设计了起皱缺陷识别算法,成功检测出锥形件起皱缺陷;并通过剪切旋压实验进行起皱识别算法的可靠性验证。实验结果表明,该方法可以准确、快速地检测出起皱缺陷,平均响应时间为0. 225 s,能够满足实时检测的要求。     

基于人眼视觉特性的焊缝X射线图像辅助判读系统

目前，X射线焊缝检测主要采用人工判读X射线胶片的方式，可靠度差，效率低。介绍了一种焊缝X射线图像辅助判读系统，它采用基于人眼视觉特性的图像处理算法，对数字化后的胶片图像进行处理，增强其视觉效果，帮助评片，同时还增加了图像数据库存储检索功能。相关试验结果表明，该方法对难以识别的焊缝图像有较好效果，有助于焊缝缺陷的检测。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性，以及检测精度不高、准确率较低、检测过程繁琐等问题，提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中，运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足，防止因数据集过小导致系统测试模型出现过拟合现象，使用了对原图像进行数据扩增处理。检测网络模型设计时，采用非极大值抑制算法对缺陷图像进行候选区域筛选，构建了区域建议网络，实现网络多层特征的复用和融合，在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法，消除ROI池化取整而产生的系统偏差，实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进，利用双线性插值法获得原图的位置坐标，克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上，金属材料工件表面目标缺陷检测速度达22 帧/s，准确率达97.36%，召回率达 95.62%。结论 与传统的工件表面检测方法相比，改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度，能在复杂场景条件下，提升工件表面缺陷的检测性能。     

距离判别在超声探伤缺陷识别中的应用

提出了距离判别在超声探伤缺陷识别中的应用，提取时域空间特征量：上升时间（Tvp）、下降时间（Tdown）、波宽（Width）、上升角度（Angle）及峰度系数（KU）和波形下面积（S），通过计算检测缺陷与样本的马氏距离，比较马氏距离大小来对缺陷进行分类识别，识别率达到87．5％，对以后超声缺陷识别具有一定的理论指导意义。     

基于不变矩的带钢数字图像的缺陷检测算法

针对带钢数字图像特点设计了一种表面缺陷检测算法,能够基本解决带钢有无缺陷的初检工作。它从Hu不变矩的平移、旋转、比例不变性切入,结合二阶矩的物理特性,并考虑到无缺陷图像灰度过渡平缓,置乱前后不变矩差较小;而有缺陷图像的缺陷部分被破坏,其置乱前后不变矩差相对较大,据此设计并实现此算法。通过试验证实,该算法能够快速判别出有缺陷的带钢图像,使初检和缺陷类型识别能够实现并行处理,对提高带钢缺陷检测系统的整体效率具有重要意义。     

应用机器视觉的工件表面质量检测

工件在传输工程中不可避免地发生旋转和平移，快速准确地将检测工件与标准工件图像中的目标对准是应用的关键。为此，本文研究了应用机械视觉进行工件表面质量检测的方法，提出了以工件目标的角点为识别特征，结合遗传算法快速确定变换参数的目标对准算法，在此基础上建立了一个应用机器视觉技术的工件表面质量实时检测系统。检测结果表明，该方法能有效地从各种旋转、平移后的待检测图像中实时检测出缺陷工件。     

焊缝X射线实时成象自动分析系统

以射线实时成象检测系统为研究对象,根据射线实时成象的特点,对焊缝缺陷的提取及识别技术进行了研究,采用ＧＦＯ方法进行焊缝缺陷提取,取得了孤效果。制定了一套用于特征描述的参数,给出了具体计算方法,设计了其皇反向传播神经网络进行焊缝缺陷识别的方法,给出了相应的结果。实践证明,该方法比现有真有更好的可靠性和适应性。另旬,对图象的承处理及撮华析修正等均进行了介绍。本文所述方法已用于实际焊接缺陷的检测并取得了     

一种基于先验知识的弧焊机器人图像处理方法

在弧焊机器人视觉检测的CCD直接拍摄图像方法中,针对带有黑笔记号、划痕、并与焊缝交叉干扰的复杂对接焊缝图像,文中提出了一种实用的焊缝轨迹的识别方法,并对该算法中的骨架细化及边缘链的拆分、合并剪枝和基于先验知识的位置关系判断等关键问题进行重点阐述. 结果表明,该算法能有效地去除复杂焊缝图像中的黑笔记号、划痕和交叉干扰,最终自动提取焊缝轨迹. 该算法具有较强的适应性和可扩展性,稍加改进就可应用于其它复杂图像上. 如带电弧光或结构光等的图像. 该算法能为弧焊机器人视觉检测的智能化的进一步提高提供一定的技术参考.     

基于单视角图像处理的刀具磨损检测研究北大核心

针对现有刀具磨损检测存在检测速度慢、人工工作量大、经济效益低等问题,提出一种基于单视角图像处理的刀具磨损检测算法。使用CCD相机对刀具磨损前和磨损后的图像进行单视角提取,通过图像融合变换得到磨损前和磨损后的全景深刀具图像;将刀具磨损前后的全景深图像进行配准,得到磨损区域图像后,将磨损区域图像的像素转化成实际长度值,计算出实际磨损量。实验结果表明:该方案检测速度快,测量误差范围满足检测精度要求,可应用于实际加工。     

基于改正二维主成分分析的焊缝表面缺陷检测

机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷. 针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络( feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测. 首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像. 然后,利用MUI2DPCA在线提取局部块图像的模式特征. MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响. 最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息. 试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求.     

基于稀疏优化的织物缺陷检测方法

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。     

基于低秩矩阵的自适应边缘检测算法

针对传统边缘检测算法处理含噪图像存在边缘模糊、缺失等问题,为提高算法的抗噪性与边缘完整性,提出了一种基于低秩矩阵的自适应边缘检测算法。首先使用低秩矩阵理论将图像中稀疏噪声矩阵分离,在去除噪声的同时能完好保留图像边缘,再根据图像灰度采用迭代循环的方法进行阈值分割选取,最终提取出连续完整的边缘。实验结果表明,使用该算法在混合噪声情况下具有较好的抗噪声能力与算法鲁棒性,提高了边缘信息的完整性,在视觉测量的应用取得了较好的效果。     

应用于虚拟现实人机交互系统的手势检测与跟踪研究

随着虚拟现实技术的应用范围不断扩大,人机交互系统的重要性日益突出。在人机交互系统中较为关键的指标就是手势检测与跟踪的准确度。因此,提出了一种适用于虚拟现实人机交互系统的手势检测与跟踪算法。首先采用基于手势轮廓模型的检测算法来实现手势检测,有效提高了手势检测的鲁棒性。然后采用状态空间概率预测来实现手势跟踪。此外,采用了训练后的贝叶斯分类器对待检测手势图像进行分类。实验结果显示相比传统算法,提出的算法具有较高的实时性、准确性和鲁棒性,能够有效识别运动手势,满足了人机交互的要求。     

计算机视觉焊缝识别技术研究

对焊缝识别技术进行了深入研究,包括对焊缝图像的中值滤波以降低噪声干扰、对图像的最佳阈值化以获取焊缝信息以及对图像的数学形态学处理以消除焊缝周围孤立点的干扰.在此基础上,提取到较为清晰的焊缝图像,进而采用最小二乘法建立焊缝的轨迹方程,为焊接控制提供依据,提高焊缝跟踪精度及焊接质量.     

基于Steger算法的弯管图像中心线检测方法

在基于多视几何的弯管三维测量方法中,为了重构弯管三维模型,需要精确稳定的提取弯管图像中心线,文章研究了常用的弯管图像中心线检测方法的不足,结合张量投票算法与Steger算法,提出一种亚像素级的弯管图像中心线检测算法。通过实验验证该算法能够克服光照不均匀带来的影响,提取弯管中心线的精度在0.5像素以内。     

基于压缩传感技术的埋弧焊X射线焊缝图像缺陷检测

将压缩传感理论引入X射线焊缝图像缺陷判断,提出将判断X射线焊缝图像是否含有缺陷问题作为一个模式识别问题处理,将待检测图像视为样本图像的线性组合,通过求取系数向量来判断图像是否存在缺陷.为实现系数向量的稀疏化,提出利用罚函数的方法求解0范数最小问题的近似最优解,提出新的光滑可导的0-1惩罚项函数,使求0范数最优成为可能.在此基础上分别利用1范数最小和2范数最小求取系数向量,并利用混淆矩阵对所求结果进行分析.结果表明,综合考虑0,1,2范数最小化所得系数的识别算法灵敏度可达99%,特异度可达98%.     

基于信息融合优化搜索的X射线焊缝缺陷检测

提出一种基于信息融合优化搜索技术的X射线图像焊缝缺陷检测方法.在对X射线焊缝图像进行预处理的基础上,使用垂直焊缝方向投影的波形分析法进行焊缝区域分割,采用图像信息融合技术,综合不同判据获得启发式状态空间优化搜索的启发信息,对搜索过程进行优化,从而快速准确地检测出X射线图像中的缺陷区域.试验结果表明,提出的算法能够快速有效地检测出焊缝X射线图像中的缺陷,取得较好效果.