基于熵率聚类分割和环带差分的油封缺陷检测

针对油封工件表面啃伤缺陷与背景对比度较低,检测区域灰度分布不均,区域分割与缺陷提取困难等问题,提出了基于熵率聚类分割和环带差分的油封缺陷检测方法。首先将油封图像进行超像素分割,分割为多个检测区域。根据油封灰度值轴向差异大、环向分布均匀的特点,采用环带均值背景差分方法检测啃伤缺陷。实验选择黑色橡胶骨架油封测试,结果证明,该检测算法能够有效实现油封区域分割和表面啃伤缺陷检测,区域分割正确率约98%,缺陷检出率可达95%。     

基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法

目的 设计一种钢轨表面缺陷检测方法,对钢轨表面存在的缺陷进行快速、准确地检测。方法 首先,利用图像的灰度均值构造灰度均衡模型,对钢轨表面图像中像素点的灰度值进行修正,以克服光照不均的影响。然后,利用图像的谱残差模型与相位谱增强钢轨表面图像中的缺陷部分,引入ostu阈值分割法对增强后的图像进行二值化,对图像中的缺陷区域进行准确地分割提取。最后,利用Gabor滤波器,将二值化图像中的噪声进行滤除,并保留缺陷区域的边缘等细节特征。结果 与对照组方法相比,所提方法的检测效果较好,精确率以及召回率都有所提高。直观测试结果显示,所提方法能够较为完整地检测出钢轨表面缺陷。客观测试实验结果显示,所提方法的精确率为90.11%,召回率为93.41%,且平均耗时为45.17 ms,相对对照组方法而言,耗时最少。结论 所提钢轨表面缺陷方法不仅能够准确地对钢轨表面缺陷进行检测,而且还具有较高的检测效率。     

应用误差分离理论对轴（孔）类工件表面缺陷进行涡流检测的研究

提出了一种应用误差分离理论对轴（孔）类工件表面缺陷进行涡流无损检测的新方法,建立了基于该理论的提取轴（孔）类工件表面缺陷信息的数学模型,并以此为理论依据,设计了轴（孔）类表面缺陷涡流检测实验系统。从实验结果可以看出,被测工件表面的缺陷信息被明显地提取出来,从而验证了系统的正确性。     

轴类工件表面视觉自动检测系统

表面物理损伤检测是轴类工件质量检测的重要环节,为提高表面质量检测的自动化水平并建立相关行业标准,设计了一套机器视觉检测系统来实现生产中轴类工件的表面检测。采用黑白线阵CCD相机通过暗视野前向照明方式获取合适的图像;经过图像增强、滤波等预处理后采用最大类间方差法对图像进行阈值分割;经过形态学处理,提取缺陷轮廓信息;以轮廓的长宽比以及面积作为评价准则,提取主要轮廓;计算缺陷重心坐标,即定位点坐标;单片机通过与上位机通信,控制打码笔标记出缺陷的位置。采用该系统在不同轴类工件上进行试验,结果表明:缺陷检测系统误检率在5%以下,漏检率为0,能满足轴类工件表面在线实时检测的要求。     

基于改进BiFPN的微特电机电枢表面缺陷检测方法

针对现有微特电机电枢表面缺陷检测方法存在检测精度不高,特别是对相似性工件容易误判等问题,结合深度学习的方法,提出一种基于改进BiFPN的电枢外观缺陷检测方法。工业相机采集到的电枢图像通过匹配算法经过裁剪得到ROI,将ROI输入到EfficientNet结构,进行基础特征提取;采用通道注意力机制增强改进的BiFPN结构,对提取出的不同维度特征进行融合,并对特征进行筛选;使用分类器输出最终检测结果。结果表明：该电枢外观缺陷检测方法检测准确率优于ResNet和EfficientNet等深度学习检测方法,其检测准确率高达98.42%。研究结果对相似性较大的微特非标工件的检测性能提升有积极意义。     

基于漏磁图像的焊接接头缺陷识别

在提出基于灰度-梯度共生矩阵焊缝缺陷聚类分析方法的基础上,为进一步识别焊缝缺陷,以焊道上分布圆柱体缺陷、焊道上分布矩形槽缺陷、热影响区分布矩形槽缺陷漏磁图像为试验对象,将灰度-梯度共生矩阵提取上述3种缺陷的漏磁图像特征量传递给层次聚类,利用k-均值聚类方法分析层次聚类选取的特征量。结果显示,这3种焊缝缺陷的识别率在93.33%以上,试验结果验证了该方法在不同类型与不同位置焊缝缺陷识别分析的可行性,焊缝不同位置相同类型缺陷的识别较焊缝相同位置不同类型缺陷识别容易。     

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.     

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％。     

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。     

基于改进谱残差的工件表面缺陷检测方法研究

在零件加工过程中,能够及时的发现加工工件的表面缺陷,可以保证加工质量。针对由于刀痕影响工件表面缺陷不易检测的问题,提出一种基于谱残差视觉显著模型的工件表面缺陷检测算法。首先,对工件表面图像预处理,使用同态滤波方法消除工件表面光照不均匀的影响;然后提出改进的谱残差视觉显著模型,大致定位缺陷;随后使用视觉显著性和超像素分割相结合的算法来进一步确定缺陷的位置;最后使用形态学运算,得到最终的检测结果。在现场采集图片库上客观实验评估表明,该算法具有很高的准确率且检测速度快。     

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。     

基于Fourier拟合曲面的X射线焊缝缺陷检测

针对在强噪声、低对比度及复杂背景特征下X射线焊缝图像的缺陷检测问题,提出了去噪处理、焊缝边缘分割及缺陷检测的方法.用快速离散Curvelet变换和循环平移相结合的方法,对焊缝图像进行滤波去噪,同时对图像列灰度曲线用最大类间方差法提取焊缝区域.在图像预处理后,采用三阶Fourier曲线对图像列灰度曲线进行拟合并扩展到三维空间,构造出自适应阈值面,最后利用原图像与构造曲面三维灰度图的灰度值差异,准确分割背景与缺陷区域.结果表明,与传统缺陷检测算法相比,该方法能准确提取出焊缝缺陷,漏检率和误判率低,准确率可达95%.     

焊缝表面缺陷激光扫描三维重构测量

为检测工件焊缝表面缺陷，采用点激光位移传感测距法和数据拟合技术进行焊缝表面缺陷检测试验研究. 首先采集缺陷表面轮廓数据点，利用高斯滤波对原始数据降噪处理. 再对处理后的数据点进行Delaunay三角剖分，使散乱点连接并结合其空间坐标重构出缺陷的三维模型. 结果表明，基于点激光位移传感测距技术及焊缝表面缺陷三维重构方法可以准确判断焊缝成形情况.     

Quantitative evaluation of die casting surface defect severity by analyzing surface height

It is necessary in factories to assess the severity of the surface defects of castings, as a slight surface defect will be taken as qualified when it brings no bad effect or it can be removed by the subsequent processing. In practical production, professional technicians visually inspect the surface defect severity according to their individual experience. Therefore, it is difficult for them to maintain the same standard and accuracy in the subjective, tedious and labor-intensive work. Recently, image processing techniques based on optical images have been applied to achieve better accuracy and high efficiency. Unfortunately, optical images cannot directly quantify surface depth, which works as a crucial factor in the practical assessment of surface defect severity. The surface roughness evaluation algorithm, which takes into account of both area and depth information of the assessed surface, was applied to directly characterize surface defect severity based on surface asperity rather than optical image. The results using standard casting pieces show that surface defect severity has no apparent dependence on surface roughness. However, the subsequent results show that the root-mean-squared-deviation (RMSD) of surface gradient of flow line defects positively correlates with the increase of defect severity. The other types of defect do not present such tendency. Thus, practical workpieces with flow line defects on the surface were used to verify the universality of this tendency. The results show that surface roughness of an unqualified workpiece is larger than that of a qualified workpiece after surface slope adjustment, but presents no obvious coincidence before the adjustment. In contrast, the RMSD of an unqualified workpiece, no matter before or after the adjustment, is larger than that of a qualified one.     

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。     

图像边缘提取在工件内部缺陷识别中的应用研究

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测.为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法.首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像.仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性.研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义.     

基于机器视觉的热转印胶片缺陷检测

为了解决热转印胶片在生产中存在的若干种缺陷问题,并替换当前较为低效且可靠性低的人工检测方法,提出了一种基于机器视觉的热转印胶片的缺陷检测方法。首先介绍缺陷检测系统的整体构成,然后重点研究了其中的视觉算法流程,包括了通过仿射变换、图像配准等方式进行的目标区域定位,通过改进的ViBe算法、形态学处理等方法进行的图像缺陷检测。最后用包含了合格品胶片与各种缺陷的不合格品胶片样本集合进行实验检测,实验表明,算法缺陷检测能力良好,达到0.5%的漏检率和0.6%的误检率,平均检测耗时为663ms,满足检测速度需求。