基于局部轮廓视觉特征提取的铜金属的杂质检测方法

采用计算机视觉图像处理技术实现铜金属的杂质检测,提高检测精度,提出一种基于局部轮廓视觉特征提取的铜金属的杂质检测方法。对采集的铜金属原材料图像进行局部轮廓视觉特征提取,对图像进行小波阈值滤波,采用Harris角点检测方法进行图像的杂质成分点标记,实现对图像的杂质噪点优化检测。仿真结果表明,采用该方法进行图像处理和铜金属杂质检测,精度较高,图像的平滑性较好。     

一种金属铜破损图像纹理特征提取方法研究

对金属铜破损图像纹理特征点的快速定位,提高破损故障信息分析能力。提出一种基于纹理超像素边缘分割的金属铜破损图像纹理特征提取方法。对采集的金属铜破损图像进行边缘检测和图像融合处理,对降噪提纯后的图像采用自适应纹理密度量化估计方法进行图像的深度超像素特征分割,得到图像的显著性主颜色分量特征信息,计算图像向量量化区域的图像超像素级视觉特征,实现不同像素级深度内的特征匹配和融合,实现图像纹理特征提取优化。仿真结果表明,该算法能准确识别金属铜破损图像纹理特征信息参量,从视觉对比和量化分析角度能实现对破损区域的轮廓分割和检测,性能优越。     

基于计算机图像处理技术的铜金属杂质检测方法研究

随着当前图像处理技术的不断发展,其在各项领域当中的应用逐渐突出。而目前采用图像处理技术进行铜金属杂质检测的准确性以及可靠性尤为突出。为此本文对图像处理技术进行研究得出采用局部轮廓视觉特征提取技术以及红外图像检测技术可以对目前的铜金属杂质进行检测。并且对这两种技术应用金属杂质检测进行详细的分析,通过仿真实验得出采用这两种技术都可以对当前的铜金属含有杂质进行有效的检测。     

基于图像的金属成分有效性鉴定方法研究

对金属成分的有效鉴定,在进行金属制品的识别以及检验中具有重要的应用价值。传统方法采用能谱检测方法进行金属成分鉴定,在射线的激发态跃迁过程出现质谱偏移,导致检测性能不好,提出一种基于图像轮廓特征提取的金属成分有效性鉴定方法。采用光谱成像方法进行金属图像的采集,然后进行图像降噪处理,提取边缘轮廓特征进行图像特征识别,进行图像的特征筛选,实现对金属成分的对比和鉴定。实验结果表明,该方法进行金属成分鉴定准确性高,图像结构对金属成分的特征反映准确。     

基于向量的带钢缺陷检测算法

介绍了用计算机视觉检测系统中的图像处理技术检测带钢的边裂以及孔洞。首先识别带钢图像的轮廓,得到带钢边部、孔洞的轮廓曲线向量编码,然后利用向量的点积计算轮廓的弯曲程度,据此作为判断条件,检测边裂与孔洞缺陷。实验结果表明：该方法应用到实际检测系统中,能够可靠地检出带钢的边裂。     

基于数字图像处理技术的金属表面防伪图案识别算法

提出一种基于数字图像处理技术的金属表面防伪图案识别算法,首先对金属表面图像进行增强处理,对增强图像进行防伪信息特征分割,提取金属表面防伪图案的轮廓特征信息,采用Harris角点检测算法实现防伪特征标定,完成图案防伪识别。仿真结果表明,采用该算法进行金属表面防伪图案识别,准确度较高,抗干扰能力较强。     

基于图像处理的金属铜构件疲劳裂纹缺陷识别方法研究

金属铜构件是金属加工中的重要基础材料,应用范围比较广泛。传统的金属铜构件疲劳裂纹缺陷识别主要依靠人工肉眼进行检测,检测效率低,且易出现差错。为此,提出一种基于图像处理的金属铜构件疲劳裂纹缺陷识别方法,从疲劳裂纹图像序列和PCNN图像特征方面进行识别,通过对疲劳裂纹的缺陷预处理,将采集金属铜构件图像进行加权,提高金属铜构件灰度值,优化PCNN参数并确定识别迭代次数,减少计算时间。仿真实验表明,基于图像处理的金属铜构件疲劳裂纹缺陷识别方法检测速度快,误差率小,对金属铜构件疲劳裂纹缺陷识别分析全面,具有广泛的应用价值。     

基于智能识别的金属加工过程监测

采用计算机视觉图像智能识别方法进行金属加工过程监测,降低金属加工瑕疵生产率。提出一种基于虚拟像素经验模态分解的金属加工过程视觉图像识别方法,进行了金属加工过程的视觉图像采集和像素特征分析,然后进行虚拟像素经验模态分解,进行轮廓特征的分水岭分割,实现金属加工视觉图像的智能识别。仿真结果表明,该方法进行金属加工过程的视觉特征分析,图像细节的识别性能较好,过程监测效果较优。     

基于图像处理的焊缝待焊点像素位置自动提取

提出基于图像处理的焊缝像素位置自动提取方法,采用PYTHON软件和Open CV库进行焊缝像素位置自动提取。对工业相机采集到的焊缝图像利用中值滤波处理,得到去除噪音的焊缝图像;利用Otsu算法自适应阈值分割方法对滤波后的焊缝图像进行处理,得到二值化的焊缝图像;利用开操作对二值化处理后的焊缝图像进行形态学处理,去除图像中除目标像素外的小连通区域;通过骨架提取方法对形态学处理后的焊缝图像进行处理,获得单像素条纹;最终利用Hough变换进行直线检测,得到特征点位置。并借助pyqt5库开发出跨平台的应用程序,实现了焊缝位置坐标的自动提取,为实现焊缝的实时跟踪奠定基础。     

基于机器视觉的镍硫金属铁含量检测系统

针对镍转炉吹炼过程中环境恶劣、操作人员判断出炉时间有差异等问题，应用机器视觉技术研发一套镍硫金属铁含量在线检测系统。首先，使用工业相机采集镍硫金属样本的断面图像并进行图像分割与预处理。然后，利用图像纹理信息中的对比度和熵值进行样本选择。最后，提取图像颜色特征信息，利用灰度值特征和实测铁含量数据建立基于线性回归的一次模型与二次模型并进行对比，用评价指标进行评估。试验结果表明，铁含量检测二次模型拟合程度较好，准确率较高，且检测精度满足金属组分含量检测中最大相对误差小于5%的精度要求。     

高温铸坯表面缺陷自动检测算法研究

采用光学成像技术及图像处理算法对高温铸坯表面缺陷进行在线自动检测。通过特殊设计的绿色激光线光源和高分辨率线阵CCD摄像机获取清晰的高温铸坯表面图像;提出基于多尺度几何分析的图像特征提取方法,通过轮廓波变换和剪切波变换对图像进行分解,对分解后得到的系数子带提取统计特征量,然后用基于核保局投影KLPP的非线性降维方法去除特征间的冗余信息。用现场采集到的测试样本进行实验,结果表明,轮廓波变换、剪切波变换结合KLPP降维的特征提取方法对高温铸坯表面缺陷样本库的整体分类正确率均达90%以上。     

基于机器视觉的蜡质巢础的破损检测系统

[目的]采用机器视觉技术,对蜡质巢础片进行破损检测.[方法]首先对采集到的巢础片图像进行二值化、中值滤波和图像增强等预处理,然后采用区域生长法提取破损区域.根据破损区域的面积剔除破损巢础片.软件系统编写采用Labview及Imaq vision.[结果]经试验,破损区域的捡出率可达到98.4%.[结论]采用机器视觉技术进行巢础片的破损检测,系统平均响应速度快、检测精度高,完全满足巢础自动化生产的要求.     

基于视觉显著性的钢管焊接区域气泡缺陷检测

在X射线图像中,钢管焊接区域的气泡缺陷在视觉上具有显著性特征,因此利用一种基于图的视觉显著性计算方法,从X射线图像中进行焊接气泡缺陷的检测。首先从焊接图像中提取出颜色、亮度与方向三种特征矩阵;然后采用马尔科夫随机场算法,通过特征矩阵计算出稳定状态下的马尔科夫矩阵,再归一化得到每个特征的显著图;最后将各个特征对应的显著图线性组合,并通过高斯平滑,得到焊接图像总的显著图。特别引入绝对显著性以判断焊接图像中气泡缺陷的有无。实验结果证明,本文的方法能够从钢管的X射线图像中有效地检测焊接气泡缺陷。     

相位信息遥感图像边缘检测方法的实例检测分析

边缘作为高分辨率遥感图像分析的重要特征,主要用于定义高分辨率遥感图像中不同地面物体之间的边界。边缘检测作为遥感图像处理中最为重要的手段,业界已经出了许多的边缘检测方法,但在实际检测过程中面对复杂的高分辨率遥感图像,提取其边缘特征往往是较为困难的。针对该问题提出了一种利用相位信息的高分辨率遥感图像边缘检测方法,通过对遥感图像进行傅里叶变换,利用FFT得到幅度谱图;然后对频谱图像采用半径采样和角度采样进行分析,并且根据分析结果设计了二维对数Gaber滤波器;最后将傅里叶变换的结果与滤波器之间的点积进行傅立叶逆变换,从而得到遥感图像的最终检测结果,结果证明该方法较好的对高分辨率遥感图像进行了边缘特征的检测。     

CISDI-智能生产机器视觉技术

正CISDI智能生产机器视觉技术已在八钢钢卷库和湛钢少人化码头等工程应用,研究内容包括工业对象图像特征提取及分类技术、转炉炼钢火焰智能识别系统、基于3D视觉数据的工业对象测量技术、智慧重载仓储机器视觉系统等。市场需求根据工业对象特点快速、准确提取其边缘轮廓、形状等特征,可应用于汽车制造中面板、车门等冲压件表面划痕、压痕检测;     

金属图像中的破损特征分割方法研究

采用图像分割方法对金属铸造物进行破损检测,提出一种基于小波尺度分解的金属图像中的破损特征分割方法。首先进行金属图像的纹理分析和识别,采用Harris角点检测方法对图像的破损区域进行角点标定,采用小波尺度分解方法实现破损特征提取和分割。仿真结果表明,该方法进行图像破损区域的特征分割准确度较高,信息提取能力较强。     

基于机器视觉和SVM的AOD炉终点预测方法

针对AOD炉冶炼中低碳铬铁合金工艺过程终点判别依靠人工看火操作的难题,提出了利用机器视觉技术模拟传统人工看火过程进行终点判别的方法。利用灰度级提取AOD炉口火焰特征,采用支持向量机（SVM）算法实现图像特征的训练和测试,对比了3种核函数的测试精度。实验结果表明,采用机器视觉技术提取火焰图像特征并与支持向量机结合的方法能够有效识别冶炼终点,并具有较好的识别精度。     

高炉无料钟炉顶布料料流轨迹检测与三维图像重建

针对高炉无料钟炉顶布料时无法直接观察炉内料流轨迹、获得料面形状等信息的问题,对料流轨迹进行检测和重建.首先根据高炉工况确定激光发生器合理的光谱范围,建立极坐标光学栅格,确定料流轨迹的特征点,然后采用三角法原理,引入模式识别中的立体视觉技术进行轨迹检测后,采用专业图像处理模块对料流轨迹图像进行分析,对料流轨迹图像进行三维重建,直观地获得布料过程中料流轨迹的三维信息.实际应用表明,极坐标栅格技术和立体视觉技术能够保证料流轨迹的准确获得.     

基于图像处理的贵金属破损识别方法研究

贵金属破损识别在质量鉴定和修复等领域具有应用价值,采用图像处理方法进行贵金属破损的视觉特征识别,提高识别准确性。提出一种基于角点检测和纹理跟踪的贵金属破损识别算法。首先对贵金属成品图像进行降噪处理,然后进行纹理特征提取,采用角点检测和纹理跟踪识别方法实现图像分割,实现图像识别。仿真结果表明,该识别方法精度较高,稳健性较好。     

基于多激光线的钢轨表面缺陷在线检测方法

用多激光线代替单激光线应用于钢轨表面缺陷在线检测,解决了单激光线模式下由于钢轨跳动造成"伪缺陷"的问题.对相机采集到的多激光线单幅图像进行了中心线提取、差值算法检测、缺陷判别及缺陷图像拼接等处理,实现了缺陷的在线检测,并获得缺陷的完整区域图像.该方法利用多激光线单幅图像光带间的互相关和自相关深度信息提取图像的特征区域进行检测,避免了单激光线模式的深度拼接步骤,从根本上解决了由于钢轨跳动造成的"误检"问题.该方法已经在线应用于钢轨轨底的表面缺陷检测,相对于单激光线检测具有更高的准确率.