基于菌群算法的纸病检测系统光源优化控制

针对纸病检测系统中线性LED光源照射效果不均匀以及光源控制中的耦合问题,介绍了以被检测纸病图像灰度的均匀度为优化目标,在拟合LED点光源照度分布函数的基础上,利用菌群算法对光源系统参数进行寻优运算,并根据寻优结果对光源系统进行结构优化,同时对各LED点光源进行功率控制。实验结果表明,优化后光照均匀度在95%以上,该方法实现了照明系统对纸张缺陷均匀照射的效果,成像质量显著提高。     

基于机器视觉的纸病诊断系统光源设计方案研究

光源是基于机器视觉的纸病诊断系统中重要的部件之一。本课题围绕纸张的光学特性和光源特性开展研究,分析二者的特点,探索二者之间最佳的配合关系,并通过实验及系统运行表现确定相匹配的光源模块。结果表明,本课题设计的光源,在对低速窄幅纸机进行图像采集时,系统采集到的正常纸张图像背影灰度均匀、目标对比度较高。     

基于模糊逻辑的纸病检测动态阈值数学方案规则与实现

为验证并提高动态阈值数学算法在纸病检测工作中的通用性,基于模糊逻辑通过实验法获取了不同时段待检测纸张图像灰度数据;对检测纸张图像灰度变化规律进行了总结,使用Visual Studio 2018进行编程并验证。研究结果表明:基于模糊逻辑的纸病检测动态阈值数学方案,能够很好地适应纸病检测流程中的实际光线变化,能够显著提升待检测纸张纸病检测系统的鲁棒性,从而保证该数学算法方案在纸病检测工作中的通用性。     

基于两次二维Daubechies小波变换的纸病在线辨识方法研究

针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识。实验结果表明,该方法可以显著提高纸病辨识精度。     

基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法

对于纸病检测中纸张图像背景不均匀以及图像灰度特征不明显等造成纸病测量精度低的问题,建立多尺度冗余字典,采用正交匹配追踪算法(OMP)对纸病图像进行稀疏分解,并根据纸病背景图像和纸病图像不同形态特征,对背景进行补偿,从而增强纸病特征。实验表明,该方法能够有效地重构并补偿纸病背景图像,突出灰度特征较弱的纸病,提高纸病检测的准确性。     

基于频闪成像的纸病检测系统光源优化技术

近年来,基于机器视觉的纸病检测技术可以在纸张的生产过程中完成对纸张质量的监测和纸病信息反馈,所以一直是国内外相关领域的研究热点。但是随着纸机车速的加快和纸张幅宽的加大,尺寸小的纸病很难被检测出来,而且采集到的纸张图像质量差。针对在采集纸张图像过程中出现的横向波纹现象。通过香农采样定理的逆向分析,总结出横向波纹产生的原因;结合频闪成像技术,利用速度传感器、A/D转换电路和LED频闪电路设计了一种适用于纸机车速、相机扫描频率和LED光源频闪同步控制系统,借助纸病检测装置,通过采集纸机不同车速下的纸张图像,进行控制系统有效性的验证。结果表明该控制系统可以有效地提高纸张的成像质量,为纸病检测和识别奠定良好的基础。     

改进Hough变换在纸病检测系统中的应用

通过对褶皱纸病的分析研究,提出一种基于改进Hough变换的检测方法.利用边缘检测对纸病信息进行去噪和简单提取,采取Hough变换的方法将纸张从图像灰度空间转换到参数空间,从变换后的参数空间中提取纸病图像中的褶皱特征并进行识别.实验结果表明,此方法识别率高、计算速度快、检测效果好.     

基于FPGA和CCD相机的纸病检测系统的设计与实现

针对高速纸机纸病检测时,图像数据处理量大和实时性的要求,文中采用FPGA(Field Programmable Gate Array)和线阵CCD(Charge-coupled Device)相机技术,介绍了一种高速纸病检测系统的设计。利用FPGA并行性和高速运算能力的特点,控制线阵CCD实现高速下图像采集和进行纸病图像预处理,抓取出纸病图像并上传到上位机,然后利用灰度阈值分割和二值图像分型盒维数的方法确定纸病类型。结果表明,该设计有效提高了纸病检测速度,降低了成本。     

基于几何及灰度特征的纸病检测算法研究

针对当前纸病在线检测系统实时性强和信息量大的特点,提出了一种高效、灵活的基于几何及灰度特征的纸病检测算法.首先采用邻域均值法对纸病图像去噪,然后根据灰度直方图选取合适阈值将图像二值化,并运用边界跟踪法检测出纸病边缘,最后提取出纸病的几何及灰度特征并分析其特征量将纸病分类.按照该算法依次对常见5种纸病进行检测,结果表明,基于几何及灰度特征的纸病检测算法能够准确地检测并分类常见纸病.     

纸病图像检测与分割的二阶段方法

提出了纸张表面纸病检测与分割的二阶段新方法.通过对纸张微观结构中纤维分布的分析,由统计学分析原理建立了纸病图像的二阈值分割法,利用质量控制图结合具体纸样进行了纸病特征的提取,利用数学形态学操作对二值图像进行了滤波和分割检测.结果表明:二阶段分割阈值检测方法对纸病图像的分析十分简单、有效.     

应用聚类神经网络的异纤检测多类光源优化设计

为使电荷耦合元件（CCD）精确采集处理异纤图像并对多类异纤进行检测,提出了一种基于模糊聚类神经网络的异纤检测多类光源优化设计方法。通过分析CCD成像与入射光能量的关系,推导出多类异纤检测的光源量,建立了CCD靶面曝光量函数,确定光源的最佳检测位置,通过图像参数方程,分析CCD背景板图像的光线分布及平均灰度,通过模糊聚类分析,综合考虑输入值的全部信息建立了多类光源的模糊聚类神经网络,对光源进行优化设计。设计结果表明,最佳检测位置是异纤处于中心位置,在光源数量为10,两侧距离为3mm,神经网络的收敛误差均达到预期值,异纤检出率达到94.79%,符合企业异纤检测实际生产的要求。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于B样条小波的零件缺陷图像边缘检测

针对零件图像直方图多峰的特点,设计了自动阈值分割与B样条小波相结合的缺陷图像边缘检测方法.采用多次迭代方法自动选取区域图像的阈值,从而将特定区域从图像中分割出来.分析小波边缘检测的原理,构造B样条小波函数,通过B样条小波模极大值实现了零件缺陷图像的边缘检测.实验结果表明,此方法优于传统的边缘检测效果.     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。