共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
光照条件是大尺寸机柜表面缺陷检测的重要影响因素。当光照分布不均匀或光照强度不足时,采集得到的机柜表面图像质量低,造成缺陷检测误差。为此,提出一种融合卡通纹理分解和最优双曲正切曲线的图像增强方法。首先,采用导向滤波将机柜表面图像分解为卡通图和纹理图,利用高斯尺度空间理论建立光照模型,实现不均匀光照去除;其次,研究图像的双曲正切曲线性质,通过图像加权拉伸实现低亮度图像增强;最后,采用对比度、亮度和灰度方差乘积对图像增强效果进行评价,同时对增强前和增强后的图像进行缺陷检测,进行对比分析验证。实验结果表明,该方法能实现光照不均且低亮度的机柜表面图像增强,机柜表面缺陷检测的准确率显著提升,召回率提高了29%,F值提高了21%。 相似文献
3.
嵌入式图像处理系统在工件表面缺陷检测中的应用 总被引:1,自引:0,他引:1
阐述了嵌入式图像处理系统用于工件表面缺陷检测的原理。并以汽车发动机连杆破口缺陷检测为例,讨论了所研制的检测设备的系统设计、参照物标定法和测量流程。显现了嵌入式图像处理系统方案较之于传统基于PC的图像处理方案,在特定生产现场环境条件下具有更广泛的灵活性。 相似文献
4.
李昕 《机械工程与自动化》2014,(5):200-201
在太原市热力公司一电集中供热系统的运行管理中,采用均匀性调节,利用有线和光纤网络传输方式将集中供热热力站的相关参数连接到中央监控层,实现了系统的自动调整运行。对系统的用户维护功能、控制模式设定功能、联网运行方案设定功能、一次网电动调节阀及二次网变频循环泵的时间表设定功能、数据排行功能、获得历史数据快照功能等做了详细说明。 相似文献
5.
热轧带钢表面缺陷在线检测的方法与工业应用 总被引:16,自引:4,他引:12
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. 相似文献
6.
为有效解决冷轧带钢表面缺陷在线视觉检测系统中图像处理的瓶颈问题,本文提出了一种新型冷轧带钢表面缺陷检测与识别算法流程。首先介绍了阀值中值滤波算法及迭代阀值分割算法;接着对这两种算法的计算流程进行了分析;最后采用Xilinx公司的System Generator模块在Simulink中完成缺陷图像的中值滤波变换及迭代阀值分割任务。实验结果表明:Slice Flip Flops使用率28%,4 Input LUTs使用率10%,Occupied Slices使用率34%,FPGA图像处理技术可以解决图像信息实时处理这一关键问题。FPGA图像处理技术基本满足在线检测的稳定可靠、精度高、抗干扰能力强等要求,且能较好的满足实际生产线上的处理速度要求。 相似文献
7.
8.
针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。 相似文献
9.
10.
由于在工业产品质量监控中不可比拟的优势,基于视觉感知的表面缺陷检测近年来得到了很多研究者的持续关注,且已广泛应用于不同工业领域,包括汽车工业、半导体加工、玻璃制造、钢铁冶金等。AI学习算法与视觉传感技术的飞速发展为表面缺陷检测研究带来了新的机遇与挑战。综述了基于视觉感知的表面检测研究中的主要方法与进展,重点介绍了图像处理、几何深度学习、面向目标检测的深度学习等方向的研究现状,这些研究有望为表面缺陷智能检测技术的发展带来突破。讨论了工业图像检测与识别在钢铁冶金、大气污染监测以及航空发动机缺陷检测3个领域的应用。最后,提出了值得研究的挑战性问题。 相似文献
11.
12.
透明材质广泛用于航空航天及光学设备等领域,但由于其镜面特性及透射、多重反射等光学性质,针对其微小缺陷的高效自动检测方法是领域难点,主要表现为缺陷成像对比度极低。为得到高缺陷对比度图像,现有方法需要采用复杂的系统结构或是反复的角度调试。本文基于缺陷形态对结构光的调制作用,提出结构简单的高缺陷对比度图像成像方法,且该方法对相机角度不敏感。在不同厚度缺陷试件中的实验结果表明,相较于当前的暗场照明方法,本文方法采集的图像对于冲击损伤、划痕、擦伤缺陷对比度有平均27.58%,最高37.41%的提升。本文方法从成像角度提高缺陷对比度,包含了更丰富的缺陷特征信息。在使用多种深度学习检测算法进行对比实验时,当前最佳的暗场照明方法的平均精度均值(mAP)最大仅为34%,而本文方法均接近80%,有显著的提升。 相似文献
13.
14.
15.
基于亮度特征的PTZ视频能见度检测算法及实现 总被引:3,自引:0,他引:3
为解决现有视频能见度检测方法的不足,提出一种基于亮度特征的PTZ视频能见度检测算法:提取路面的兴趣域,获得所选像素的高度一致性;利用基于Nagao滤波的区域增长算法得到精确路面区域,去除路基、车辆的影响,获得所选像素的亮度一致性;在路面区域中,提取反映路面亮度变化的对比度曲线,找寻亮度曲线特征点,通过消光系数计算图像中人眼可分辨最远像素;结合摄像机标定换算出最大能见距离.实验结果表明,该算法与人眼观测效果一致,准确率达到96%以上,检测误差在10 m以内,与能见度的对比度算法相比较,操作简单、抗干扰强、准确率高. 相似文献
16.
现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。 相似文献
17.
针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题,本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN(AD-CPN)的级联卷积神经网络,实现了图像中螺栓及二维关键点的检测,可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷,通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对,最后对检测点对三维重构,并计算出螺栓的实际长度,从而判断螺栓是否错装。实验结果表明,相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率,有效保障了航空发动机的安全运行。 相似文献
18.
Ruifang Ye Chia-Sheng Pan Cheng An Chiang Jacque Lynn Gabayno 《International Journal of Optomechatronics》2018,12(1):1-10
A high-resolution automated optical inspection (AOI) system based on parallel computing is developed to achieve fast inspection and classification of surface defects. To perform fast inspection, the AOI apparatus is connected to a central computer which executes image processing instructions in a graphical processing unit. Defect classification is simultaneously implemented with Hu’s moment invariants and back propagation neural (BPN) approach. Experiments on touch panel glass show that using 100 training samples and 1000?cycle iterations in BPN, the accurate classification of surface defects for a 350?×?350 pixels image can be completed in less than 0.1 ms. Moreover, the inspection of a 43?mm?×?229?mm sample that yields an 800 megapixel raw data can be completed remarkably fast in less than 3?s. Thus, the AOI system is capable of performing fast, reliable, and fully integrated inspection and classification equipment for in-line measurements. 相似文献