表面缺陷及其评定

在执行GB 1031—83“表面粗糙度、参数及其数值”过程中,如何正确理解表面粗糙度和表面缺陷的含义,合理区分与评定它们,是一个很重要的问题。表面粗糙度是指加工表面上具有较小间距和微小峰谷所组成的微观几何特性。在加工表面上,通常表现为刀具切削留下的刀痕;砂轮磨削形成的磨     

机械加工零件表面纹理缺陷检测

由于机械加工零件对零件表面的表面质量和加工精度要求很严，在一些对机械加工零件要求较高的自动化工业中，需要对机械加工零件表面的纹理缺陷进行有效的、可靠的分析和检测，这样很大程度上提高了自动化生产加工水平。所以，正确监测机械加工零件表面文理缺陷，对零件质量有着非常重要的影响。本文对机械零件表面进行监测分析进行论述，对监测系统进行了一定分析，并为工业生产提供有力的支持。     

零部件表面缺陷的机器视觉检测模式

在以批量生产方式为特征的汽车、摩托车、内燃机等行业，准确、快速地识别和检测重要零部件关键部位的表面缺陷，直接关系到产品质量，若不及时剔除不合格品，将会带来严重的质量隐患。以汽车发动机连杆为例，在采用了先进的分离大小头的胀断工艺后，其结合面有可能会产生破口，因此，必须进行100％的探测，具体的质量评定标准为：     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。     

机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

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.     

关于压力容器壳体上存在凹坑缺陷评定方法的探讨

压力容器壳体上因为多种原因而形成凹坑缺陷,影响压力容器的正常工作及寿命,对凹坑缺陷的正确评定,可以避免事件的发生,节省费用。作者结合工作体会,对凹坑缺陷的评定方法进行了综合评价。     

基于YOLO与DMPHN的汽车法兰表面缺陷检测

针对流水线动态检测汽车法兰表面缺陷效率较低的问题,提出一种基于改进YOLOv3算法和DMPHN算法的汽车法兰表面缺陷检测方法。在图像预处理阶段使用DMPHN算法,可以解决汽车法兰表面缺陷图片模糊、失真的问题。目标识别网络使用YOLOv3算法,将DarkNet53替换为轻量级模型MobileNetV3,并进行改进,用于检测去模糊后的图像。这一方法的平均精度均值为97.74%,比改进之前提高1.03个百分点,检测速度达到每秒6.8帧。与传统表面缺陷检测方法相比,这一方法通过优化网络结构,解决了特定情况下模糊图像的检测精度问题。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量,该文引进了机器视觉技术,以某机械生产制造单位为例,设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求,搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置,采集零件表面图像;对采集的原始图像进行均值滤波处理,去除图像中可能对缺陷区域的判别造成干扰的因素与噪声;采用阈值分割的方式,提取并划分机械加工零件表面的微缺陷区域;采用提取图像边缘算子的方法,计算零件表面原始图像与待检测图像之间的像素相关性,通过对零件表面微缺陷灰度性质点的匹配,完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷,还可以检测到具体的缺陷类别。     

机械加工表面形貌评定的多尺度分析方法

机械加工表面形貌是加工工艺信息和零件功能信息的载体.分析表面形貌进而表征是实现现代制造系统闭环工作的一种潜在方法.本文介绍了机械加工表面形貌评定的多尺度分析方法的起源和发展.在简单地回顾多尺度分析理论后,应用离散二进小波变换对一个数值例子进行了分析.结果表明,多尺度分析方法适用于传统的表面计量评定.在随后的讨论中可以看到,在多尺度分析理论框架内建立新的评定标准也可克服传统方法的种种缺陷.     

凸轮轴凸轮表面缺陷检测与诊断方法的研究

凸轮轴是高速运转的复杂轴类零件,是发动机五大核心部件之一.由于凸轮异形,在智能制造中采用视觉检测技术时,其磨削后凸轮面反光,对检测系统的设计带来挑战.本研究提出一种凸轮视觉检测方法,利用拍摄凸轮图片进行阈值二值化,提取凸轮轮廓,得到凸轮表面选定区域,再进行缺陷轮廓提取,得到缺陷轮廓,对表面缺陷的大小和周长进行筛选后实现...     

关于压力容器的标准与缺陷评定

压力容器的安全技术涉及到很多方面,本文结合当前国内外情况谈一些对压力容器标准与缺陷评定的认识,这是涉及压力容器安全技术的两个极重要的方面。从1988年9月在北京召开的第六届国际压力容器技术会议上宣读的论文与讨论情况看,也充分反映了国际上对这两个问题的重视。     

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。     

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。     

含表面缺陷离心机转鼓底的安全评定

利用表面裂纹理论，通过三维有限元计算和疲劳裂纹扩展速率的测定，首次分析了含表面缺陷离心机转鼓底疲劳断裂问题，给出了具有安全裕量的设计疲劳曲线，可作为离心机设计和使用的依据。     

铸件加工表面缺陷的修复

1．概述 铸钢件加工完成后，其表面经常会出现各种裂纹、砂眼和气孔等铸造缺陷，这些缺陷直接影响产品最终的表面质量及使用寿命，为此需要对其进行修复处理。由于此时零件的各部分尺寸已加工到位，给零件缺陷的修复造成了困难。以前我们曾采用先进行大面积堆焊，然后上机床进行再加工的工艺，不仅造成很大的台时浪费，     

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。     

冷轧带钢表面相似线性缺陷检测

针对现有冷轧带钢表面的相似线状缺陷检测精度与识别率差的问题,提出一种局部二制模式LBP直方图特征与支持向量机SVM相结合的检测算法。通过对采集的大量划伤与夹杂的带钢表面缺陷图进行预处理,获得感兴趣区域,再进一步利用LBP等价模式获得目标区域的LBP直方图信息,结果显示可以很好地分辨缺陷与非缺陷,并描述的各种缺陷具有可分辨性。采用核函数为径向基函数核的SVM分类器训练识别,结果表明：该方法对划伤和夹杂的缺陷检测准确率达98%。     

一种高反射曲面表面缺陷的反射条纹检测方法

针对高反射曲面表面缺陷的检测,提出了一种基于计算机视觉的反射条纹检测方法。该方法根据该表面的高反射性和曲面特性,对曲面反射的照明光源内壁附着条纹的完整性进行检测,从而判断曲面表面是否存在缺陷。反射条纹检测系统由计算机、相机和照明光源组成。实验中,照明光源采用内壁附着同心圆条纹的穹顶漫射光源,相机通过照明光源的观测孔对曲面进行拍摄,将拍摄的黑白条纹图像送至计算机进行判别。实验结果表明,基于本方法的检测装置对某钢球生产厂家直径为0.8 mm的钢球缺陷的有效判别率为96.7%,其中G10等级及以下的钢球均被检出,满足其G10等级钢球的检测需求。本方法能够对高反射曲面表面的常见缺陷进行有效检测和判别。