基于激光线光源的钢轨表面缺陷三维检测方法

将结构光三维检测方法应用于钢轨生产过程中的表面缺陷三维检测,通过在钢轨四周安装4台激光线光源和8台面阵CCD摄像机实现钢轨四个面的检测。对摄像机采集到的激光光带图像进行光带中心提取、光带中心线矫正、光带中心线与基准线的差值等步骤,得到钢轨表面深度的变化值,并将沿钢轨长度方向和高度方向的深度变化值用深度分布图表示,通过两维图像识别的方法检测缺陷所在的区域,从而实现钢轨表面缺陷的自动检测。该方法已经实现在线应用,可以达到的最大检测速度为1.5m/s,深度检测分辨力为0.2mm。     

热轧带钢表面缺陷在线检测的方法与工业应用

热轧带钢表面的温度高,辐射光强,并且存在着水、氧化铁皮、光照不均等现象,与冷轧带钢的表面存在着很大的差别.将线阵CCD摄像机作为图像采集装置,用绿色激光线光源作照明,通过窄带滤色镜滤除钢板表面的辐射光,从而提高了缺陷对比度.根据热轧带钢表面的特点提出新的缺陷检测与识别算法流程,通过增加4种不同类型的缺陷检测步骤,去除了大量由水、氧化铁皮等造成的伪缺陷,在保证缺陷检出率的同时,减小缺陷的误识率.经在线应用,该方法可以满足在线检测的要求,缺陷的检出率达95%以上,识别率达85%以上.     

基于语义分割的纸质包装产品表面缺陷检测

针对工业生产中纸质包装产品表面缺陷检测主要依赖人工，效率低下且检测精度无法保证等实际问题，采用一种基于深度学习中语义分割任务的表面缺陷检测方法。以包装纸盒表面缺陷图像数据为例，根据分割任务需求，从结构上改进Unet算法，并基于OpenMMLab开源计算机视觉算法体系中mmsegmentation语义分割工具箱模块，配置DeepLabV3+、Unet、改进Unet三种图像分割算法环境，分别训练迭代相同次数，对比分析分割检测结果以及对验证集图像的预测效果，可以证实改进Unet算法分割性能得到提升，能更好地检测出纸质包装产品表面的深度划痕缺陷；而DeepLabV3+算法性能相对最优，能更好地检测出纸质包装产品表面的破损缺陷，这对于实现纸质包装产品表面缺陷的自动检测具有一定意义。     

MAS小波的钢板表面缺陷边缘检测的研究

针对钢板表面缺陷与背景的对比度差、边缘复杂、采光不均、噪声较大等特点,应用一种基于MAS小波变换进行钢板表面缺陷边缘检测。该方法由Lipschitz指数阐明了图像的边缘几何结构,通过分析图像中不同类型的奇异点,并结合尺度独立算法区分了目标图像中不同类型的边缘,有效的提取了钢板表面缺陷图像的边缘。实验结果表明,基于MAS小波算法可以有效提取图像中阶梯型边界,检测到的缺陷边缘轮廓较为清晰,且去噪能力较强,检测效果优于传统的同类方法。     

基于单幅图像的三维视觉测量与缺陷检测技术研究

研究了一种基于明暗恢复形状的三维视觉测量方法,可以通过单幅灰度图像获取表面三维形貌信息,进而对工件表面加工质艇或缺陷进行检测.本文采用了轴承表面质量进行检测分析,实验证明该三维测量方法能够精确获取工件表面的深度信息,并可以检测出轴承工件的表面缺陷区域的深度信息.同时,该方法具有操作简单,硬件成本低,处理速度快,精度较高的特点,能够用于工业在线检测.     

PNN与BP神经网络在钢板表面缺陷分类中的应用研究

针对钢板表面缺陷图像信噪比低、特征复杂多变而导致现有的钢板表面缺陷模式识别与分类方法存在的实时性差、精度低、适应性差等问题,研究了基于人工神经网络的分类器,以实现对钢板表面缺陷进行实时有效的分类识别。根据钢板表面划痕、麻点、夹杂、锈蚀、辊印5类缺陷的特点,从缺陷图像信号中提取了几何特征、灰度特征和Hu矩特征,选取了能够比较全面表征缺陷特征信息的13维特征向量作为神经网络的输入数据,为缺陷识别和分类提供了依据。分别构造了概率神经网络PNN和BP神经网络分类器,对钢板的表面缺陷进行了分类测试,并对测试结果进行了对比分析。实验结果表明,PNN和BP神经网络的识别率分别为87%和81%。PNN在识别准确率、训练速度、追加样本的能力等几方面的综合性能优于BP神经网络。     

基于机器视觉的镍基高温合金表面缺陷检测系统开发

在镍基高温合金棒料表面缺陷检测中，为避免人工目检方法的缺点、提高检测的效率和准确度，设计了一套基于机器视觉的镍基高温合金棒料表面缺陷检测系统。首先，采用工业相机采集棒料表面图像并采用高斯滤波方法进行图像降噪；其次，采用自适应二值化及形态学方法（如膨胀和腐蚀）对图像进行预处理，有效提取缺陷区域；然后，采用Canny边缘检测、轮廓查找等方法，对缺陷区域的边缘轮廓进行精准识别，并得到相应坐标；最后，系统通过与STM32的串口通讯，实现对相机移动和棒料旋转的节拍控制及相机位置和棒料转角的获取，并通过其与缺陷在视场中坐标的整合，最终得到棒料中所有缺陷相对于棒料原点的坐标信息。实验证明，的系统能较为准确地检测得到棒料表面的缺陷坐标信息。     

基于深度学习的表面缺陷检测技术研究进展

随着计算机视觉技术的快速发展,基于深度学习的表面缺陷检测技术实现了爆发式的应用,并逐步成为了主流发展方向。基于深度学习的缺陷检测技术可以近似为计算机视觉任务中的分类、检测、分割等任务,其主要目的是找出物体表面缺陷的类别和所在位置,相较于传统图像处理方法,深度学习在特征提取能力和环境适应能力上优势明显。以缺陷数据标签类型为依据,对近年来基于深度学习的表面缺陷检测技术进行梳理划分,总结目前技术的优点与不足,重点阐述了监督学习下的三种缺陷检测方法。探讨了表面缺陷检测技术面临的小样本以及不平衡样本等关键问题：对于小样本问题目前有结构优化、数据增广、迁移学习等解决方法;针对不平衡样本问题,介绍了近年来热点的无监督、弱监督与半监督学习模型。随后介绍了常用的工业表面缺陷数据集并展现了近年来提出的算法在NEU数据集上的应用效果。最后对进一步的研究工作提出展望,希望能给缺陷检测研究提供有意义的参考。     

基于平衡电磁技术的钢板表面裂纹深度检测方法

针对钢板表面横纵两方向裂纹深度的检测问题，提出了基于平衡电磁技术的检测方法。通过电磁场分析建立了平衡电磁技术检测横纵裂纹的感应电压模型，并理论分析了检测电压的变化趋势；采用有限元方式分析了平衡电磁技术检测电压与裂纹深度的具体变化规律。通过设计等间距采样的平衡电磁技术检测平台，对钢板表面1～6 mm深的横纵向裂纹进行检测能力验证实验。结果表明：随着横纵向裂纹深度的增加，检测电压幅值线性增大；相同深度的横向裂纹检测电压幅值约为纵向裂纹检测幅值的2倍；该方法具备对钢板表面横纵向裂纹深度定量检测的能力。     

基于Tetrolet变换的热轧钢板表面缺陷识别方法

通过Tetrolet变换将热轧钢板表面图像分解成不同尺度和方向的子带,提取子带的Tetrolet高通系数矩阵特征,得到一个高维的特征矢量。利用核保局投影算法对高维特征矢量进行降维,将降维后的低维特征矢量输入支持向量机,从而实现热轧钢板表面缺陷的分类识别。对现场采集到的热轧钢板表面图像样本进行试验,包括横向裂纹、纵向裂纹、横向划伤、纵向划伤、结疤、麻点、网纹、压痕等8类常见热轧钢板表面缺陷,以及氧化铁皮和无缺陷等样本。试验结果表明基于Tetrolet变换方法对样本图像的识别率可达97.38%,比基于Curvelet变换、Contourlet变换等方法得到的识别率提高1%左右。     

脉冲涡流信号检测与分析

为了对较厚钢板进行缺陷检测,采用对低压大功率的电源进行斩波的方式产生大电流脉冲,设计圆柱形探头,采用激励线圈缓慢放电的方式检测钢板表面缺陷;设计矩形探头,采用激励线圈瞬间放电的方式检测钢板亚表面;对脉冲涡流瞬态感应电压信号进行小波滤噪和幅值归一化处理。实验结果表明,小波滤噪可以提高检测精度,对信号幅值进行归一化处理可以更直接地反映不同深度缺陷产生的曲线间的相互关系,大电流激励的脉冲涡流信号幅值能反映较厚钢板表面和亚表面缺陷深度。     

基于TOFD周向扫查图像特征的管道缺陷超声检测

利用超声衍射时差法(Time-of-flight diffraction,TOFD)对管道进行周向扫查检测时,直达纵波传播路径与管道表面不平行,需分别对直达纵波上下区域内缺陷进行识别和定位检测。特别地,管道结构导致TOFD近表面盲区增大,缺陷衍射波与直达纵波发生混叠。针对上述问题,理论分析极坐标系下的管道TOFD周向扫查图像中缺陷衍射波特征,借此确定缺陷与直达纵波的相对位置。在此基础上,对盲区外缺陷进行定位检测,并结合自回归谱外推方法计算盲区内缺陷深度。试验结果显示,对于外壁半径100.0 mm,壁厚30.0 mm碳钢管道,在5 MHz中心频率和不同探头中心距(Probe center separation,PCS)的检测条件下,埋深4.0 mm的上表面开口槽与埋深16.0 mm的下表面开口槽均可检出,且定位误差不超过0.36 mm。缺陷衍射波特征与PCS直接相关,对管道进行周向扫查检测时应合理调整参数。     

Detection of buried reference structures by use of atomic force acoustic microscopy

The miniaturization of micro- and nanoelectronic components requires new methods for the inspection of buried inner structures at the nanoscale. We used the atomic force acoustic microscopy technique (AFAM) to image subsurface defects. This technique combines high lateral resolution with the capability to determine local elastic properties of materials near the surface. As the structures buried near the surface change the effective tip-sample contact stiffness it is possible to detect them. For the verification of the detection capabilities of AFAM we fabricated well-defined buried void structures with different geometries and dimensions. Large, thin, plate like structures of silicon nitride with a local filling were our first test samples. Then, sets of nine small, square, thin plates with thicknesses increasing stepwise from 30 to 270 nm were etched in a thinned silicon wafer. The last two samples contained wedge structures of widths varying between 1.6 and 10 μm. Our results showed that it was possible to detect buried void structures at depths between 180 and 900 nm. We also observed that the depths at which the buried defects can be detected by the use of the AFAM method depend on the defect dimensions and geometry, and on the mismatch in the elastic properties of the sample and the defects. The experimental results obtained for the groups of small, thin plates were verified by quantitative analysis via finite element method (FEM) simulations.     

基于双平行平面相机模型的钢板尺寸视觉测量

提出基于双平行平面相机模型的视觉测量方法,用于测量生产线上运动钢板的尺寸。该方法采用数据驱动的方式计算像点在标定平面上投影点的世界坐标;采用k近邻(k-NN)方法生成目标在标定平面上的无畸变投影图像,并建立投影图像与世界坐标系的直接关联。提出了双平行平面模型下相机光心位置标定算法,利用线结构光进行板材厚度测量;在无畸变的投影图像上利用钢板边缘间的平行和垂直性进行钢板边缘特征提取,通过边缘直线的世界坐标方程求取长宽尺寸。最后,给出了针对大尺寸钢板测量的多相机测量系统框架。提出的方法为单目视觉测量方法,相比于其他方法具有现场安装简单和标定工作量小的特点。通过图像分辨率为640×480的相机对尺寸为80mm×50mm×15mm的标准铝块进行了测量,结果显示:厚度测量误差为0.1mm,长度和宽度的误差在0.2mm以内。实际应用中测量精度远高于加工精度,能够满足产品计量的要求。     

形态滤波在中厚板表面裂纹在线检测中的应用

用面阵CCD摄像机采集中厚板表面图像，对采集到的图像进行形态滤波的Top-Hat变换，并结合阈值处理及连通区域搜索等算法，可以在线检测中厚板的各种表面裂纹缺陷，包括横向裂纹、纵向裂纹、星状裂纹等。根据从生产线上采集到的图像分析了中厚板裂纹缺陷的典型特征，并对形态滤波中的结构元素选取进行了研究。该算法已用在中厚板生产线的表面缺陷在线检测系统中。     

钢板表面微裂纹的超声锁相热像检测技术研究

为了提高超声锁相热像技术(ULT)的检测效率并获得最佳检测结果,对超声波调制、热图序列处理和检测参数选择进行了研究。阐述了超声锁相热像技术的检测原理,进行了理论分析;建立了ULT的检测系统,采用幅值方波调制的超声波对试件进行激励,利用红外热像仪记录热图,通过锁相处理得到试件表面热波的相位图和幅值图,利用幅值图和相位图实现钢板表面微裂纹的检测。结果表明：对于A3钢板材料,调制频率选择0.5Hz,接触压力仅需保证激励试件时激励头与试件接触不脱离,约0.25kN,激励头与表面微裂纹的距离对检测结果几乎无影响,激励位置可根据试件结构而确定。研制的超声激励装置组成的检测系统可数秒内即可完成对钢板表面微裂纹（微米级）的准确检测。     

船用钢板多点成形试验研究

使用多点简易模具对不同材料、厚度的各种规格船用钢板多点冷成形过程进行试验研究。试验结果表明：船用钢板能够通过多点冷成形的方式成形;船用钢板在多点成形过程中的主要缺陷为压痕和起皱;船用高强钢板比低强度钢板更容易产生褶皱缺陷。在钢板上面加垫聚氨脂弹性垫,在钢板下面加垫B级钢板可有效抑制压痕及起皱缺陷的产生。     

压力容器用大幅面爆炸焊接不锈钢复合板缺陷形成机理

在爆炸焊接宽2600 mm、长10000 mm以上的大幅面金属复合板中,常常发现在对角线附近,离开板角1000~2000 mm处,出现条状不结合缺陷,缺陷宽度一般在80~200 mm,长度为400~600 mm,最大长度可达2000 mm。这种缺陷的出现,严重影响了复合板的整体质量,增加了产品制造成本,限制了爆炸焊接更大面积的金属复合板产品。通过分析界面空间的排气路径,合理地解释了爆炸焊接大幅面金属复合板,特别是不锈钢复合板时,这种缺陷的形成机理,从而采取有效方法和措施来减小和消除这类缺陷。     

An experimental assembly for precise measurement of thermal accommodation coefficients

An experimental apparatus has been developed to determine thermal accommodation coefficients for a variety of gas-surface combinations. Results are obtained primarily through measurement of the pressure dependence of the conductive heat flux between parallel plates separated by a gas-filled gap. Measured heat-flux data are used in a formula based on Direct Simulation Monte Carlo (DSMC) simulations to determine the coefficients. The assembly also features a complementary capability for measuring the variation in gas density between the plates using electron-beam fluorescence. Surface materials examined include 304 stainless steel, gold, aluminum, platinum, silicon, silicon nitride, and polysilicon. Effects of gas composition, surface roughness, and surface contamination have been investigated with this system; the behavior of gas mixtures has also been explored. Without special cleaning procedures, thermal accommodation coefficients for most materials and surface finishes were determined to be near 0.95, 0.85, and 0.45 for argon, nitrogen, and helium, respectively. Surface cleaning by in situ argon-plasma treatment reduced coefficient values by up to 0.10 for helium and by ～0.05 for nitrogen and argon. Results for both single-species and gas-mixture experiments compare favorably to DSMC simulations.     

炭/炭复合材料在空间光学遥感器热控制中的应用

提出在金属表面粘贴炭/炭复合材料来解决空间光学遥感器光机结构材料导热率低、温度梯度较大的问题.概述了炭/炭复合材料的基本特点并建立了钢板表面粘贴炭/炭复合材料的热传导数学模型.对钢板的裸板和单面分别贴0.5mm和2 mm复合材料的3种状态进行了理论分析与温度测试试验,获得了钢板在3种状态下的等效热导率.利用IDEAS-TMG有限元软件对模型进行了仿真分析并对钢板在上述3种状态下的传热性能进行了比较.对比结果显示,粘贴炭/炭复合材料能很好地改善钢板的传热性能.最后,将0.5 mm厚的炭/炭复合材料应用于低热导率的星敏感器安装支架(材料为TC4)的热控,并对星敏感器支架粘贴炭/炭复合材料前后两种情况进行了温度测试试验.试验结果显示,表面粘贴炭/炭复合材料后,星敏感器支架测点温差由28℃减小为5℃,提高了星敏感器支架温度均匀性,表明该措施对改善空间光学遥感器上低热导率结构件的温度梯度很有意义.