基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法

传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低。针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法。扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利用稀疏成像,修正特征参数,对参数进行BP神经网络训练,进而识别金属次表面缺陷类型。选取钢管的凹坑、划痕和擦伤次表面缺陷,进行对比实验,结果表明,此次方法提高了缺陷检测识别准确率,更加符合检测方面的要求。     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。     

基于匹配追踪的L模态超声导波检测复合 绝缘子芯棒缺陷研究

传统的复合绝缘子缺陷检测方法主要集中在芯棒外部结构的缺陷上,并不能有效发现芯棒本身中的缺陷,为此提出了一种针对芯棒本身缺陷且能定量估计缺陷大小的检测方法:基于匹配追踪的L模态超声导波检测。通过建立芯棒模型分析了L模态超声导波在芯棒中的传播特性,确定了导波检测的频率范围。基于理论分析,以10周期40 k Hz的导波为激励信号,选取芯棒缺陷轴向长度为8 mm和2 mm,进行了有限元仿真和实验。仿真和实验结果表明:L模态超声导波能准确地检测出复合绝缘子芯棒中的缺陷,且通过Gabor原子构建波形字典,运用匹配追踪算法估计出芯棒缺陷轴向长度的相对误差分别为5. 4%和16. 35%。理论分析、有限元仿真和实验一起验证了该方法的可行性、有效性,为复合绝缘子芯棒缺陷的检测和定量分析提供了一种新的思路。     

基于自注意力的排水管道缺陷检测方法

排水管网是城市的生命线。人工检测的方法,费时费力,效率低下。传统计算机视觉算法和机器学习算法仅分析了少量缺陷特征,无法满足排水管道检测准确度要求。针对以上问题,本文提出了一种基于自注意力的排水管道缺陷检测方法。该方法采用自注意力机制代替了卷积神经网络作为特征提取器,通过多层感知机和Softmax函数为缺陷图像预测分类标签,提高了排水管道缺陷检测的准确度。对比经典的卷积神经网络算法,本模型的准确度最高。以上研究证明了自注意力算法在排水管道缺陷图像分类领域的可行性,提高了检测的准确度,为排水管道检测提供了一种新思路。     

采用自适应搜索范围的多介质立体匹配算法

摄像机在水下拍摄时,成像光线经过不同介质会发生折射,空气中极线约束条件不再满足,区域匹配无法在此极线上搜索。针对此问题,提出一种采用自适应搜索范围的多介质立体匹配算法。首先对双目摄像机进行标定得到相关参数;然后针对每一像素点推导出曲线极线,并计算出与原极线的上偏差与下偏差,确定该点的最优搜索范围;再用区域算法SAD算法在每点对应的最优搜索范围中进行多行搜索并匹配。经过两组实验对比,该算法的匹配精度分别为72.4%、76.8%,而SIFT匹配算法的匹配精度分别为71.1%、74.7%。该算法的匹配精度达到了特征匹配的精度,可以用于整幅图的稠密匹配,解决了原极线搜索策略无法应用于多介质环境的问题,成功将区域匹配算法应用于多介质中的立体匹配。     

基于机器视觉的螺纹缺陷检测方法

针对目前螺纹缺陷检测方法效率低,在线检测较难实现等问题,提出了一种基于机器视觉的螺纹缺陷检测方法。通过工业CCD相机来采集螺纹的缺陷图像,对图像进行灰度化、增强、二值化和去噪处理。去噪方法选择的是数学形态学运算。数学形态学的腐蚀、膨胀、开运算和闭运算操作能够有效地保留螺纹形状特性,并且有效地保留螺纹的边缘信息。通过投影的方式定位螺纹主要部位,将螺纹的顶部和底部去掉,减少误操作。该算法通过使用减法运算定位螺纹的缺陷,从而检测出螺纹缺陷位置。实验结果表明,该算法具有较强的识别和检测缺陷的能力,满足了基本的设计需求。     

基于机器视觉的异型滤嘴检测系统设计

针对现有检测设备对滤嘴上带有凹陷图案的异型烟无法准确检测的缺陷,本文设计了一种基于机器视觉的异型烟检测系统。该系统通过工业相机对异型烟滤嘴侧进行图像采集,运用图像处理技术对图像数据进行分析,并向控制系统发出剔除信号,在相应位置将不合格烟包剔除。该系统灵敏度高,交互性强,满足异型烟检测的需要。     

基于探地雷达的工程竹缺陷检测研究

基于探地雷达开展工程竹缺陷检测研究,主要检测柱槽、螺孔和长方体缺陷,通过电磁波幅值剖面确定缺陷深度。研究结果表明,柱槽、螺孔和长方体缺陷部位电磁波幅值与完好部位电磁波幅值差异较大,可用于工程竹缺陷判别;在检测距离内存在多个类似于螺栓孔洞的缺陷时,探地雷达对距检测表面较近的缺陷较敏感;探地雷达对螺孔、长方体缺陷深度具有较好的检测精度,检测误差绝对值17.6%,满足工程精度要求。     

基于BIM技术的桥梁拉索表面缺陷检测仿真

桥梁拉索表面缺陷检测是预防桥梁腐蚀、损伤、断裂、老化等病害的一个重要课题。为了解决当前人工检测方法存在检测精准度不高、查全率较低,获得的桥梁拉索表面缺陷图像拼接效果不佳,效率低下的问题,提出了基于BIM技术的桥梁拉索表面缺陷检测方法,该方法采用BIM技术实现了桥梁自动化三维建模,基于该模型,采用4个CCD摄像机组成的图像采集阵列获取桥梁拉索表面一周的图像,并设计了一个3×3窗口的快速中值滤波算法对该图像做预处理,同时采用灰度对比度增强方法有效减小了缺陷图像对光源光照强度的敏感性;在此基础上,采用高斯差分函数提取桥梁拉索表面缺陷特征点,计算每个特征点的梯度幅值和方向,生成特征描述符;采用加权平均融合法完成桥梁拉索表面缺陷图像完整拼接,实现缺陷检测。实验结果表明,所提方法能够实现桥梁拉索表面缺陷检测,提高了检测精准度和查全率,且得到的桥梁拉索表面缺陷图像拼接效果较好,拼接效率较高。     

基于涡流C扫描成像的缺陷量化检测技术研究

提出了基于涡流C扫描成像的缺陷检测方法,以直观准确地识别与量化缺陷参数。首先搭建涡流C扫描成像检测装置,用以测量不同尺寸和深度的裂纹试件,得到目标区域的C扫描图像;然后利用主成分分析方法提取缺陷的位置信号特征;最后在位置识别的基础上,采用Sobel算子获取缺陷轮廓,并应用污染区域与裂纹实际长度值之间的线性关系对参数估计值进行修正,提高缺陷尺寸检测精度。实验结果表明,所提出的方法可以快速识别缺陷位置、缺陷轮廓,识别精度在5%以内。