齿面干涉图像的相位解包裹算法对比研究

齿面干涉图像具有局部散斑、边缘杂散条纹、疏密不均和条纹粘连等噪声特征。为了寻找适用于处理齿面干涉图像噪声特征的解包裹算法,选取枝切法、相位导数偏差法的质量图引导法、最小二乘法、傅里叶变换轮廓术以及傅里叶变换的质量图引导法等 5 种算法,分析其对齿面干涉图像噪声处理的解包裹特点,通过对比分析解包裹相位图以及结果图中相位数据曲线,得出相位导数偏差的质量图引导法相比于其他算法解包裹精度高,能较好地抑制因噪声严重导致的解包裹相位突变、连续波动等问题。     

齿面干涉测量系统的成像畸变分析与光路优化

针对由物体光路误差导致的齿面像形状畸变现象,利用精确光线追迹算法分析了可能导致齿面像形状畸变的三种因素,明确了齿面像形状畸变的主要误差来源,建立了齿面像形状畸变的判断模型,确立了齿面像形状畸变和齿轮轴线倾斜之间的映射关系,提出了基于齿面像形状畸变特征的物体光路优化方法。最后进行了实验验证,结果表明误差控制在2%左右,证明了所提方法的合理性与正确性。     

基于Faster R-CNN的织物表面打印导电线路中微滴目标检测

针对织物表面打印导电线路中传统的微滴目标检测通用性及智能化程度低的问题，使用深度学习模型实现了微滴形态的实时检测。通过对训练图片进行预处理，使用Labelimg工具标记不同形态的微滴灰度图像目标区域，生成相应的数据信息库，为后续的训练和测试提供数据集。利用深度学习目标检测模型训练标记好的数据集，得到最优检测模型。实验结果表明：相比于传统目标检测方法，深度学习检测模型对不同形态的微滴具有很好的适用性；相比于其他深度学习模型，Faster R-CNN模型的精度更高，对正常微滴和不良液滴检测的平均精度均值为84.89%。该研究为后续织物表面导电线路的精确成形提供了参考。     

基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中，由于齿面高度差较大，采集到的干涉图像中难以避免存在条纹密集区域，容易出现局部条纹粘连、错切等现象，增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律，提出了一种基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先，利用小波变换分解出包裹相位图中常表现为高频信号的噪声，采用软阈值去噪滤除部分高频噪声；其次，根据包裹相位图频域特征，结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理；最后，设计了相关实验，通过与经典的滤波方法进行对比，所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声，而且更大限度地保留了图像细节信息，证明了所提方法的有效性和正确性。