基于图像像素级分割与标记映射的工件表面微小缺陷检测算法

为了解决当前工件表面微小缺陷在边缘模糊和特征不明显的情况下,导致其检测不准确的问题,文章提出了基于图像像素级分割与标记映射的工件表面微小缺陷检测算法。首先,利用工业显微镜采集工件图像,获取显微缺陷图;根据高效原则,以整数代替浮点运算,位移代替乘法运算,设计位移亮度滤波算子,进行平台数据转换,基于像素亮度阈值的标记映射,获取显微图像的像素亮度分布的二值图像。然后,耦合高斯平滑滤波与形状滤波,增强图像边缘轮廓特征,进行连通区域标记,准确识别与定位微小缺陷。最后,对缺陷目标进行特征计算和标注显示,完成微小缺陷的自动检测和定量计算。实验测试结果显示:与当前工件表面缺陷检测算法相比,文中检测技术拥有更高的识别精度。     

形态学滤波窄裂纹检测与目标识别

荧光磁粉探伤是工件表面缺陷的一种非接触式检测手段,传统的基于人工视觉检测裂纹的方法耗人力、耗时、不精确、花费高、可靠性无法保证。现代工业检测技术要求工件表面缺陷检测自动完成,而工件表面状况、真伪裂纹缺陷、工况条件等使得现有的检测识别方法难以满足工件表面缺陷自动检测识别的需要。分析了工件表面荧光磁粉图像特征及裂纹缺陷特征;研究了基于分块阈值的数学形态学梯度算子图像边缘检测算法;根据裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹缺陷识别方法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于火车轮轴检测线实时检测,裂纹缺陷的有效检出率达90％。     

模板匹配优化耦合图像校正的旋转工件目标定位算法

为了解决当前工件定位算法难以有效识别带有旋转角度的目标,且计算复杂度大等不足,文章设计了基于Canny检测与SIFT特征的旋转工件目标识别算法。首先,对采集工件图像的RGB三通道完成权重分配,获取灰度化图像;并利用Canny边缘检测和霍夫直线检测处理灰度图像,计算出工件旋转角度;并基于几何变换,定义图像校正模型,消除工件旋转角度,对其完成复位处理,并采用模板匹配在图像中定位工件。最后分别提取模板工件与待识别工件的SIFT特征,计算欧式距离,以度量相似性,完成工件目标识别。实验数据显示:与当前识别算法相比,在面对带有旋转角度工件时,文中工件目标识别算法具备更高的准确性和鲁棒性。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

焊缝X射线数字图像的圆形缺陷识别计数方法

采用平滑操作,消除源图像噪声。通过直方图阈值处理,将数字图像二值化。利用梯度信息修正算法进行边缘检测,并用腐蚀和膨胀凸显气孔边缘特征信息,通过细化算法来抽取圆形缺陷图像的骨架。采用中心点标注统计圆形缺陷的数量并计算其平均尺寸。结果表明,基于Visualc＋＋程序设计算法得到的圆形缺陷轮廓清晰,数量统计准确。     

一种基于梯度直方图的焊缝边缘检测方法

焊缝边缘检测技术是图像分析、图像理解的最基本操作之一,也是焊接机器人实现焊缝跟踪的关键技术之一。基于梯度直方图提出一种焊缝边缘检测方法,将二维高斯滤波器分为水平和竖直方向的一维高斯滤波器对图像进行平滑处理,然后用一种改进的梯度计算方法来计算梯度和确定像素点梯度方向。最后采用梯度统计量进行阀值选取,并结合非极大值抑制得到单像素宽的边缘图像。将二维高斯函数和梯度的计算由二维降到一维,减少了计算量,同时由于不同的梯度值直接与相应的方向对应,因而在后续的处理中无须再进行梯度方向的计算,提高运算的效率,阈值选取具有一定的稳定性。运用MATLAB软件对图像进行处理,对比经各种算法处理的焊缝图像说明该算法具有较好的适应性和鲁棒性。     

基于机器视觉的升船机凸齿焊缝检测方法

为了获取精准的焊缝检测结果,文中提出一种基于机器视觉的升船机凸齿焊缝检测方法。建立基于机器视觉的X射线焊缝底片采集平台,通过需求确定采集方案进行图像采集。将采集的底片作为研究对象,以广义交叉验证准则为优化目标,通过序列二次规划算法优化处理非降采样轮廓波变换(NSCT)域的去噪阈值,获取最优去噪阈值。在确定阈值后,采用非线性阈值函数处理Contourlet系数,获取去噪后的图像。引入梯度方向直方图算法提取升船机凸齿焊缝图像特征,将二叉树支持向量机(SVM)作为分类模型完成特征学习及升船机凸齿焊缝检测。试验结果表明,文中方法不仅可以获取精准的焊缝检测结果,同时还能够提高焊缝检测效率。     

OpenCV耦合三目视觉的标准件目标定位研究与应用

在制造业自动化生产过程中,需要对标准件上某些目标进行定位,从而以此为依据对生产件进行校准。由于标准件为金属物品,且表面粗糙,打光成像后,目标背景复杂,而当前的图像目标定位算法不稳定。对此,文章提出了一个基于Open CV与三目视觉的标准件定位机制。首先基于三个Basler工业相机实现图像采集;然后基于形态学处理与阈值分割处理得到目标的大致区域,再通过轮廓匹配得到目标的精确坐标,轮廓特征有周长、长宽比、长宽差。最后引入特征判断机制,实现不良检测。最后测试了该机制性能,结果表明:与普通的图像目标定位算法相比,在图像目标特征不明显,且背景复杂时,该机制具有更好的定位与检测效果,准确定位出图像目标的轮廓。     

基于图像过渡区的CO2气体保护焊焊缝识别算法

利用过渡区图像分割技术实现CO2气体保护焊焊缝的识别.采集到的焊缝图像在目标区和背景区存在过渡区域,在直方图上表现为双峰之间的谷比较宽广且平坦.通过对原始图像进行高端剪切和低端剪切变换,利用不同灰度像素的梯度信息来确定过渡区,进而利用过渡区来确定图像分割的阈值.克服了图像中非目标区域的影响,可以抗噪声和干扰.算法简单,实时跟踪性也较好.结果表明,该方法边缘检测效果良好,是一种比较适合CO2气体保护焊焊缝识别的方法.     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

分水岭算法耦合感兴趣区域识别的智能机械手工件定位

为了解决基于图像处理技术的工件定位技术严重依赖机械定位与缺乏视觉功能而导致算法的自适应与定位精度不佳等不足,文章提出一种基于图像处理的智能机械手定位算法,并对其中的图像处理算法进行研究和实现。首先,根据经验值设定感兴趣区域,并实时计算像素灰度平均值,判断是否存在材料工件;然后将阈值控制嵌入分水岭算法中,避免过渡分割,凸显材料工件区域,计算出材料工件中心点坐标;并引入强度变化阈值和最小允许距离,基于Harris角点检测算法,刷选出最佳角点,定位材料工件的边角坐标,从而计算材料工件旋转角度。最后编程实现文中算法。实验测试表明:并与当前技术相比较,文中算法定位精度更高,可以应用于智能机械手的视觉定位系统。     

图像边缘提取在工件内部缺陷识别中的应用研究（英文）

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测。为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法。首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像。仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性。研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义。     

基于强定位与三点手眼标定的目标移载视觉引导算法

为了解决当前定位算法受目标背景干扰影响大,且其采用的物理接触标定技术易损伤工件表面的不足,提出了基于强定位与三点手眼标定的视觉引导算法。首先,利用高斯滤波处理Hessian矩阵,采用非极大值抑制法来确定特征点和方向,从而构造了surf特征点描述子,完成目标位置边缘和中心点的强定位,达到去除背景和环境光干扰,精确定位目标中心点与角度。然后提出三点标定法,计算缩放旋转矩阵和平移矩阵参数,完成Robot世界坐标与相机图像坐标的绑定映射。最后,编程实现算法和系统,实验测试结果显示:与当前工件材料移载系统相比,文中系统拥有更高的目标定位与标定移载成功率。     

图像边缘提取在工件内部缺陷识别中的应用研究

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测.为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法.首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像.仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性.研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义.     

基于改进阈值分割与形态学的螺钉目标检测算法

为了在外部环境干扰严重的条件下提高螺钉智能装配质量,文章提出了基于改进阈值分割与形态学的螺钉装配质量检查算法。首先,设计了融合最大方差与自适应阈值的分割算法,完成目标分割,防止欠分割与过度分割。其次,考虑去棱角与突出目标中心,改进了形态学结构分子,联合高帽运算,去除噪声干扰,进一步精确分割目标。然后提取目标纹理特征,通过标准特征值,完成螺钉目标检测。最后编程实现整个系统,并且在实际工程环境中使用。实验结果表明:与当前螺钉检测技术相比,文中算法拥有更高的检查正确率与稳定性。     

数字图像处理技术进行方形网格应变测量

针对板料成形中应用的方形网格系统,运用图像处理对变形网格进行参数测量和应变分析。运用邻域平均法进行滤除噪点,采用动态阈值法对拍摄的方形网格图像进行增强等像质改善处理;并通过细化算法得到网格线的简单线条,在分析方形网格交点的图像特征后,设计出相应的算法提取出方形网格的特征点,最后由特征点的空间坐标计算出方形网格的几何参数和应变,得到工件表面的应变分布。对球面胀形件进行了具体分析,并将测量结果与手工测量数据进行比较,结果表明,该方法可以达到一定的精度。     

基于网格运动统计的工件识别改进算法北大核心

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。     

基于显微成像与图像处理的工件表面漏光缺陷检测算法

为了解决工件表面微米级针孔缺陷特征不明显而导致其难以检出的问题,提出了基于显微成像与图像处理的针孔漏光缺陷检测系统。首先,对针孔缺陷检测精度、视野覆盖范围进行分析,完成视觉系统设计,达到对缺陷清晰成像的目的。然后利用Canny分割与膨胀处理图像缺陷目标,遍历轮廓提取面积、长轴特征,通过加入缺陷坐标系模型,完成缺陷定性判断。实验测试结果显示:与当前缺陷检测技术相比,文中算法拥有更高的缺陷检出率。     

基于二维属性直方图的铸件X射线图像的缺陷提取

针对铸件X射线图像对比度低、边缘模糊、噪声多等特点,提出了基于二维属性直方图的最大相关准则图像分割算法。首先利用最大熵法得到的阈值构造图像的属性集,然后由原始图像及其属性集构造二维属性直方图。通过最大化图像的二维属性直方图中目标和背景分布的相关量来选择阈值向量。同时,为了节省二维阈值算法的计算时间,给出了递推算法,此算法减少了大量的重复计算,有利于该算法的实时应用。对铸件中气孔、缩孔和杂质三种缺陷进行了分割,试验结果表明,该算法能够快速、准确地分割出铸件图像中的缺陷。     

基于工件自动识别的视觉点胶系统研究

针对传统点胶系统无法适应产品尺寸误差、生产效率低下、自动化及智能化程度不高等问题,设计一种基于工件自动识别的视觉点胶系统。首先,提取输入图像的HOG特征,通过已训练好的基于one-versus-one(OVO)的支持向量机获取工件类别信息,实现图像分割阈值的自适应选择;其次,自适应选择预设阈值指导图像分割、边缘检测,得到初步点胶路径;然后,利用局部加权线性回归方法(LWLR)平滑初步点胶路径,降低因机械系统抖动而导致的系统损耗;最后,提取点胶路径关键控制点,减少路径插补计算量,在保证分割精度的情况下,进一步平滑路径,生成任意复杂点胶路径,执行点胶任务。大量实验结果表明,系统能准确识别工件类别,同时,在保证分割精度前提下,有效平滑点胶路径,满足点胶系统的通用性、实时性、高精度性需求,延长了系统使用周期。