基于图像处理的输电线路绝缘子缺陷检测

由于绝缘子一般处于输电线路铁塔顶端,检测环境复杂,人工检测效率不高,危险程度较高。针对这一问题,本文提出采用直升机搭载智能检测工具的方法,对离地较高的绝缘子进行智能检测,通过对绝缘子进行全方位扫描,智能发现缺陷部分,并进行标识,自动识别出玻璃绝缘子损伤的区域。采用图像处理的智能方面,降低了人工检测的危险性,并且提高了检测速度,通过实际绝缘子的图像处理,验证了该方法的有效性和实用性。     

基于嵌入式图像处理的玻璃缺陷在线检测技术研究

在玻璃生产过程中,由于种种原因会产生一些缺陷,例如气泡、结石等,这些缺陷会严重影响玻璃品质,必须对玻璃缺陷进行在线检测。本文设计了一个基于嵌入式图像处理技术的在线检测系统,以TMS320C6711—150DSP和EPM1270GT144C5CPLD芯片为控制核心,加上外围功能模块,构成了系统的硬件部分;再按目前流行的数字图像处理技术来设计软件流程。本系统对于提高玻璃缺陷在线检测的工艺水平、灵敏度、精度等级以及提高产品质量、生产效率和自动化水平,降低投资及运行成本都将有着极其重要的现实意义。     

图像处理在安全壳缺陷检测中的应用

由一台轮式负压吸附型爬壁机器人携带一台高清摄像机和无线发射器在安全壳外柱面移动,安装在爬壁机器人上摄像机将拍摄的安全壳墙面视频信息经由无线发射器发送至位于地面的无线接收终端,无线接收终端再将视频信息传送至上位机。安装在上位机上的监控测量处理软件系统对接收到的图像进行分析处理和显示,并将存在缺陷的图像发送至缺陷测量模块进行缺陷信息测量,最终测量所得到的缺陷参数和对应图像会存入后台数据库进行存储管理,方便在线或离线浏览历史数据,监测安全壳外壁缺陷的动态变化情况。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于YOLOv5的砂纸表面缺陷检测方法研究

针对目前工业生产过程中存在砂纸表面缺陷人工质量检测精度低和检测效率低问题,提出一种基于YOLOv5网络模型融合CA注意力机制的砂纸表面缺陷自动检测方法。首先对砂纸生产过程中的砂纸表面图像进行采样,将收集到的砂纸表面缺陷图像分成脱砂、堆砂、划痕和褶皱4种缺陷类型来制作砂纸表面缺陷数据集;其次将YOLOv5主干网络中的C3模块与CA注意力机制结合,改进为CAC3模块;最后将改进前后的网络模型在自建砂纸表面缺陷数据集上进行训练和验证。实验结果表明：得到改进后的YOLOv5+CAC3网络模型,其P、R、mAP@0.5、mAP@0.5：0.95和S的数值分别为96.2%,92.9%,95.8%,65.0%,16.8 ms,相比于改进前的YOLOv5网络模型分别提高了1.1%、2.2%、0.6%、1.7%、4.5 ms。该方法在砂纸表面缺陷检测中精度高、速度快、检测稳定,符合砂纸生产过程中砂纸表面缺陷检测的要求。     

基于机器视觉的线扫描弹簧表面缺陷检测系统的研究与实现

针对传统的弹簧人工检测存在效率低、检测精度不高等缺点，本文通过对几种方案的对比论证，构建了一个基于机器视觉的线扫描弹簧缺陷自动检测系统，并在Visual C＋＋2005平台下开发了系统软件，对图像进行一系列的分析和处理，最终实现了对金属表面缺陷的自动检测识别，并还能够得到精确的尺寸测量结果。通过测试，结果表明系统能够实现既定的要求和目标。     

基于STM32微控制器的表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有深度学习视觉检测大多基于云端服务器,存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心,提出了一种基于轻量化网络的表面缺陷视觉检测方法,采用轻量级SSD作为缺陷检测模型,利用MobileNetV1替换原有的骨干网络VGG-16以减小网络规模;采用INT8量化的训练后量化方法对模型进行计算加速,生成的TFlite模型仅有578 KB,运行占用RAM仅为288.29 KB,并在STM32微控制器中实现了模型的移植和部署。实验测试结果表明,该方法能实现锂电池表面划痕和凹坑两种缺陷的边缘侧准确检测。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

结构化矩阵分解的网状织物缺陷检测方法

针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。首先,通过Retinex算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并对两个部分进行特征融合,实现缺陷显著性增强。通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值分割算法分割缺陷显著图,从而得到缺陷检测结果。利用公开数据集TILDA和BASLER工业相机采集到的网状织物缺陷图像验证了算法的性能。研究表明,与其他算法相比,本文算法的识别准确率达到94.25%,召回率达到92.48%,分类准确率达到90.12%。     

磁力探伤中断的缺陷显示方法——缺陷显示板

介绍了一种新的磁力探伤显示装置－－显示板的原理及其应用,说明其可代替现有的磁粉和磁悬液,灵敏度高于干磁粉,接近磁悬液,Ａ型试块可清晰显示。     

基于多光谱图像融合的光学表面疵病检测

为了实现对精密光学元件表面疵病的高精度测量,提出了一种基于多光谱图像融合的光学元件表面疵病检测方法。通过使用不同波长的光源入射到光学表面,在显微暗场成像系统中获得了450nm,532nm,650nm单波长光源照明时光学表面疵病的检测结果,并将采集到的图片通过加权平均法、拉普拉斯金字塔变换法和小波变换法三种方法进行图像融合后,再进行图像处理获取疵病尺寸信息。由实验结果对比可知,相较于单波长原始图像的疵病检测结果,多光谱融合图像的检测结果更加精确,并且通过对比三种融合方法结果,其中以拉普拉斯金字塔变换融合的效果最佳。     

基于图像处理技术的火焰检测算法研究

针对传统火焰检测方法可靠性不高、准确性不够的问题。本文提出了一种基于图像处理的火焰检测算法,通过计算火焰图像相关区域像素的数值,来直接对火焰燃烧的＂有＂、＂无＂做出判别。根据火焰在正常燃烧下分为初燃烧区、完全燃烧区和燃尽区的特性,设计了相应区域的火焰检测算法,并给出了详细的检测流程。在实际环境下,对算法在燃烧器不同火焰燃烧状态下进行了验证。结果表明,所设计的的火检算法具有较高的可靠性和准确性,可以满足火焰检测的需要。     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

基于深度学习的航拍图像绝缘子缺失检测方法研究

为解决目前人工处理分析无人机巡检图像效率低、检测结果受人为因素影响较大的问题,提出了一种图像识别的绝缘子缺失识别方法.首先,对无人机拍摄的图像样本进行了处理,扩充样本集.其次,搭建了绝缘子的检测模型,完成各层网络结构的选择和设计,使用CNN算法实现对绝缘子缺失的检测.随后,构建了绝缘子检测网络,并对各层检测网络参数进行...     

基于三值图像的车牌定位算法

针对复杂场景中光照不均匀情况下的车牌定位问题,提出了一种新的定位方法。该方法首先对彩色图像进行三值化,然后利用车牌字符之间颜色的一致性,通过定位字符间隔线反推字符区域进行车牌定位,解决了定位难的问题。实验结果表明,本文算法可以准确定位车牌,对车身颜色和外界颜色的影响有很好的鲁棒性,有效剔除打印字符等纹理簇照成的干扰,同时弥补了在光照不均匀等情况下车牌区域进行二值化可能导致的信息缺失,为后续字符分割、识别处理提供更有利的信息。     

基于改进 Faster R-CNN 的棉布包装缺陷检测的 方法研究

由于传统检测算法对棉布包装缺陷检测不够准确、对小目标缺陷识别率不够高,所以提出改进的Faster R-CNN深度学习网络,对棉布包装存在的破损、污渍、孔洞、杂质、线头等5种缺陷进行检测。通过对图像进行预处理实现图像增强,然后改进Faster R-CNN中的RPN和ROI结构,为加强小目标缺陷的检测能力,在主干网络中融合特征金字塔网络结构,最后对ROI进行双线性插值以解决多次量化引起的像素偏差问题。实验表明,改进后的网络对棉布包装表面缺陷检测的平均精度均值mAP为91.34%,与传统算法相比,mAP值提高了9.08%。     

基于L-GMSD的图像通道检测技术

图像通道作为电视吊舱的主要模块是联系制导导弹和飞机之间的通信桥梁,是吊舱检测过程中的主要检测点。为实现图像通道的快速准确检测,采用模块化的设计思想,设计出一种方便快捷的图像通道检测系统。硬件系统以工控机为主控制器,基于PCI总线技术,实现图像信号的发送与采集,并提出一种基于梯度相似度偏差和亮度相结合的全参考客观图像质量评价算法(L GMSD),将其嵌入到检测系统中,通过计算得出相关的质量评价参数与预先设置的阈值进行对比,来判断图像通道的好坏。实验结果表明,该系统能够很好实现对图像通道的检测,提高了测试效率,满足了测试需求。