钢轨在线超声波无损探伤的微机化研究

钢轨在线探伤系统采用超声波无损探伤原理，对整机控制，伤痕检测，判断报警由单片机８０Ｃ３１实现，微机化的钢轨在线探伤系统充分利用软件资源替代常规电子设备实现的功能，并解决了脉冲波发送装置，衰减量幅值等的精确控制和伤痕信息存贮等问题。     

电磁钢轨探伤仪器开发与现场测试

多频电磁激励电磁钢轨探伤仪器应用电磁感应原理可探测钢轨浅表层缺陷及裂缝,仪器系统包括电磁探伤传感器、电磁激励解调信号处理单元、仪器机械承载结构、通信模块和仪器监控计算机。仪器以FPGA为信号处理核心,实现了电磁激励信号的产生与放大、检测信号的调理与解调,并提取钢轨损伤信息通过以太网传输到监控计算机。监控计算机实现钢轨损伤信息的显示、存储和仪器设置。经现场测试,该仪器能够实时探测到钢轨浅表损伤,具有较好的现场应用前景。     

钢轨在线超声波无损探伤的微机化研究

钢轨在线探伤系统采用超声波无损探伤原理，对整机控制、伤痕检测、判断报警由单片机80C31实现。微机化的钢轨在线探伤系统充分利用软件资源替代常规电子设备实现的功能，并解决了脉冲波发送位置、衰减量幅值等的精确控制和伤痕信息存贮等问题。     

基于微处理器系统的FPGA在线配置方法

介绍基于SRAM的现场可编程门阵列FPGA器件的在线配置方法,给出了一种采用单片机AT89C51和Flash存储器对A ltera ACEX1K器件进行被动串行在线配置的实用方法。实践表明此方法易于实现,成本较低,可广泛应用于具有微处理器的系统中,完成对FPGA器件的在线配置。     

基于数字锁相放大算法的电磁传感器探伤研究

微弱的电磁涡流信号不易检测,限制了其在钢轨探伤领域的使用.基于电磁涡流检测的基本原理,设计了使用内参考的正交相敏检波器和数字化的低通滤波器级联构成数字锁相放大算法,并对其进行了仿真验证.利用NI-PXI控制器控制信号发生和采集板卡,设计了电磁探伤传感器和外围电路,结合数字锁相放大算法构成钢轨探伤平台,对有损伤的钢轨试样进行不同频率的实测,有效地检测出了钢轨损伤.     

基于FPGA的可重构系统的应用

基于FPGA的可重构系统的出现,引发了计算和数字逻辑样式的变革。作为逻辑仿真系统,它的仿真速度比软件仿真要快数个量级;作为用户计算机,它在多种类型的应用实现中获得高效率的系统性能;作为多模式系统,它节省了硬件开支,并提供了真正意义上的通用硬件。     

FPGA在工控系统中的应用

某发电厂的技术改造题目是将其原控制系统中各网络站点的数据，通过１个接口板与新控制系统构成互联，从而充分发挥新系统在数据处理、数据管理和数据图形显示功能上的优势。在技术改造过程中，采用ＦＰＧＡ以提高系统可靠性和缩短系统开发周期。     

基于FPGA实现的短波发射机自动调谐系统的设计

本文介绍了利用现场可编程门阵列实现对短波发射机回路调谐系统的控制，分析了系统的结构及特点，重点探讨了系统所涉及的多个宏单元实现的功能及实现的方法。本设计对短波发射机的技术改造有较高的参考价值。     

基于FPGA的自准直系统数据处理技术

提出一种基于现场可编程门阵列(FPGA)的CCD自准直测角系统.以FPGA作为系统处理核心;以自适应调节模块为CCD驱动发生器提供准确的波形时序;采用边缘检测算法获得图像的像元级边界;通过最小二乘拟合算法计算得到光斑圆心位置;利用VHDL语言以及MAX+plusⅡ软件完成了系统设计.系统测试和实验表明:所设计的片上系统具有高精度、高集成度的特点.     

基于计算机视觉的织物疵点自动检测

介绍了基于计算机视觉的织物疵点自动检测的工作原理;分析了织物疵点自动检测的功能结构和自动检测硬件组成框图;阐述了织物疵点图像的半阈值化处理、边缘检测和疵点特征求取方法;给出了织物疵点自动检测的程序框图、织物疵点的坯布图像及其疵点统计结果。     

基于线阵CCD的玻璃缺陷检测系统研究

研究的基于线阵CCD的玻璃缺陷在线自动的检测系统,以高速线阵CCD采集双CCFL冷阴极管透射玻璃带的光强信号,分析了典型缺陷的信号特征,给出了系统检测分辨率的确定方法,采用双DMA的数据传输方式和三值化处理方法,丢弃无缺陷的数据,仅保存缺陷数据的幅值和坐标.实验结果表明:系统检测分辨率为0.1mm,缺陷类型识别率为99...     

基于FPGA的高精度电磁信号采集系统设计

为了满足瞬变电磁探测中晚期电磁信号采集的要求,选择高性能24位模数转换器AD7762,以FPGA为控制核心实现信号的高精度采集,结合USB2.0接口芯片CY7C68013-A,将采集的数据高速传输至上位机,上位机采用LabVIEW作为开发平台,完成数据显示和分析功能。实验结果表明,基于FPGA的电磁信号采集系统具有良好的性能指标和扩展性,测量准确,能够满足电磁探测数据采集的要求。     

基于数字图像处理的玻璃缺陷在线检测系统

研究了一种基于数字图像处理的玻璃缺陷在线检测系统,实现了对玻璃缺陷的实时检测、识别和分类,在缺陷提取上运用的是一种改进的归一化互相关算法,该算法可以显著提高图像的匹配速率和缺陷检测效率,在检测效率上比传统的算法提高了25.7%;在缺陷的识别分类上研究采用的是一种改进的支持向量机算法,该算法在检测精度和效率上都有较大的提高,在缺陷种类的识别上,其准确率可达到95%。     

基于FPGA的红外接收头质量检测系统设计

介绍了一种基于FPGA的红外接收头质量检测系统。系统由红外发射、红外接收、A／D转换、FPGA检测和输出显示等部分组成。本系统能准确而迅速地给出检测结果,达到实时检测的目的。利用FPGA的并行特性,可根据需要进行多路同时检测,满足自动化生产的要求。     

基于FPGA的软硬件协同实时纸病图像处理系统

基于现场可编程门阵列(FPGA)硬件实现的纸病图像处理算法结构简单,不能满足复杂图像算法的需求,针对这一问题,提出了一种基于FPGA的软硬件协同实时纸病图像处理系统.采用FPGA芯片作为系统的核心,由CCD相机采集图像,通过DDR2SDRAM作为外部存储器来缓存图像数据,将SOPC作为控制核心,以此协调软硬件共同进行纸病图像处理,将易于硬件实现的图像处理模块用Verilog HDL语言编写,实现相应的图像处理功能;将硬件模块难以实现的功能交由SOPC中的CPU来实现.实验表明:系统实时性强,能满足纸病图像处理的速度要求,且可以进行复杂的图像算法运算,同时具有设计简单,成本低的特点.     

小波统计法的表面缺陷检测方法

针对铜带表面缺陷的特点,基于小波统计方法设计了对铜带表面缺陷检测的系统.首先把铜带表面图像分为互不重叠的子图像,再把子图像分为多个小波处理单元,对每个小波处理单元进行db4紧支集正交小波一级分解,在此基础上进行HotellingT2统计检测缺陷.最后利用支持向量机进行缺陷分类.实验中将基于小波的统计方法和基于灰度的差影法进行比较,结果证明本文提出的方法识别率高,特别对于用一般算法识别率较低的"起皮"缺陷达到96.7%的识别率.     

Automated defect inspection system for metal surfaces based on deep learning and data augmentation

Recent efforts to create a smart factory have inspired research that analyzes process data collected from Internet of Things (IOT) sensors, to predict product quality in real time. This requires an automatic defect inspection system that quantifies product quality data by detecting and classifying defects in real time. In this study, we propose a vision-based defect inspection system to inspect metal surface defects. In recent years, deep convolutional neural networks (DCNNs) have been used in many manufacturing industries and have demonstrated the excellent performance as a defect classification method. A sufficient amount of training data must be acquired, to ensure high performance using a DCNN. However, owing to the nature of the metal manufacturing industry, it is difficult to obtain enough data because some defects occur rarely. Owing to this imbalanced data problem, the generalization performance of the DCNN-based classification algorithm is lowered. In this study, we propose a new convolutional variational autoencoder (CVAE) and deep CNN-based defect classification algorithm to solve this problem. The CVAE-based data generation technology generates sufficient defect data to train the classification model. A conditional CVAE (CCVAE) is proposed to generate images for each defect type in a single CVAE model. We also propose a classifier based on a DCNN with high generalization performance using data generated from the CCVAE. In order to verify the performance of the proposed method, we performed experiments using defect images obtained from an actual metal production line. The results showed that the proposed method exhibited an excellent performance.     

激光淬火加工质量视觉检测系统研究

针对金属表面激光离散淬火质量检测的需求,基于OpenCV设计了一种淬火斑尺寸测量和表面纹理检测的视觉检测系统。深入研究了相关图像处理算法,对Canny边缘检测算法进行了改进,实现了图像轮廓的选择性提取,得到了激光淬火斑连通域的几何尺寸,采用灰度共生矩阵计算淬火斑纹理信息。并根据三种不同能量输入背景下进行激光离散淬火产生的淬火斑,提出了一种双阈值判定方法来实现其质量检测,平均检测用时为10.1ms,检测准确率在92.5%以上。