电动汽车充电站钢结构停车棚焊接节点裂纹识别

钢结构停车棚焊接区域图像噪声影响到了裂纹识别精度,所以提出了电动汽车充电站钢结构停车棚焊接节点裂纹识别方法。通过磁光成像法获得钢结构焊接区域图像,对采集到的焊区分段图像进行灰度处理。经过灰度处理后,使用双边滤波器去除焊接区域图像所有噪声,结合局部阈值的多目标分割与卷积神经网络,得到裂纹判断阈值,利用该值识别焊接节点裂纹。试验结果表明,该方法在缺陷类别识别和检测效果上均优于其他方法,能够识别出各种钢结构焊接细小裂纹,应用价值较高。     

基于双阈值图像区域生长法的冲压件划痕检测

当冲压件划痕缺陷区域的灰度值与背景的灰度值差异不大时,使用传统的图像分割方法易出现噪声较多或划痕特征无法提取的情况。为此,提出了一种基于动态阈值分割的双阈值图像区域生长法。首先,对采集的冲压件图像进行两次不同阈值的动态阈值分割,得到两个不同阈值的二值图像;其次,结合两个不同阈值的二值图像使用区域生长法得到优化二值图像;最后,对生长完成后的优化二值图像通过面积和结构因子特征参数进行区域筛选,提取划痕缺陷。实验结果表明,使用本方法检测冲压件划痕缺陷,能够满足工厂检测要求,具有检测效率高、准确性高的优点。     

改进的Otsu法在焊接图像分割中的应用

为把焊缝区域准确地从焊接图像中分离出来,以便进行焊接质量的在线分析,本文针对焊接图像灰度级多、信息量大、对比度低、图像部分细节模糊等特点提出了一种新的改进的Otsu法,在考虑类间方差和类内方差对图像分割效果影响的基础上,用方差信息代替均值信息,构建了焊接图像分割阈值算法,用以提高焊接图像的分割质量和图像实时处理的速度.实验结果表明,本文所提出的算法达到了很好的焊接图像分割效果,图像分割耗时短,相对于目前的图像分割方法具有明显的优越性,是一种有效的焊接图像阈值分割方法.     

X射线线阵实时成像焊缝缺陷检测方法

针对X射线线阵探测器实时成像的焊缝图像,提出了降噪处理、焊缝图像分割及缺陷检测的方法.通过自适应中值滤波方法对焊缝图像进行滤波降噪,利用类间、类内方差比分割法和数学形态学方法进行焊缝图像分割,对焊缝部分应用高频加强变换提取焊接缺陷.结果表明,采用自适应中值滤波能够有效去除噪声的同时保留焊缝和缺陷的边缘细节;类间、类内方差比分割方法与数学形态学方法并用能准确地将图像分割为焊缝与母材区域;高频加强变换能使焊缝中心部位灰度变化突显进而实现缺陷检测.     

管道焊缝检测视觉图像处理的研究

为了可靠跟踪焊缝,对管道的焊接缺陷检测,视觉传感器采集的焊缝原始图像需要进行预处理,以消除噪声的影响,提出了管道焊缝视觉图像处理方法。首先采用邻域均值滤波进行平滑处理,最大方差阈值法自适应选取阈值分割图像,将图像二值化,然后采用标记法去除小区域噪声,获得清晰的焊缝图像,水平投影图法进行焊缝图像识别并确定焊缝的位置。试验...     

基于Fourier拟合曲面的X射线焊缝缺陷检测

针对在强噪声、低对比度及复杂背景特征下X射线焊缝图像的缺陷检测问题,提出了去噪处理、焊缝边缘分割及缺陷检测的方法.用快速离散Curvelet变换和循环平移相结合的方法,对焊缝图像进行滤波去噪,同时对图像列灰度曲线用最大类间方差法提取焊缝区域.在图像预处理后,采用三阶Fourier曲线对图像列灰度曲线进行拟合并扩展到三维空间,构造出自适应阈值面,最后利用原图像与构造曲面三维灰度图的灰度值差异,准确分割背景与缺陷区域.结果表明,与传统缺陷检测算法相比,该方法能准确提取出焊缝缺陷,漏检率和误判率低,准确率可达95%.     

基于分形和数学形态学的MAG焊熔池图像分析

焊接过程产生的烟尘、孤光以及飞溅导致焊接熔池图像中存在大量的噪声,运用对噪声敏感的图像处理方法很难准确地提取熔池图像的信息.提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中离散分数布朗随机场理论得到按分形维分布的熔池灰度图像后,采用常规的图像处理方法提取图像边缘,然后利用数学形态学中开运算和闭运算,得到图像的强连通边界,并利用二值形态学中的连通域检测去除噪声得到目标图像.试验结果表明该方法能够快速、准确地检测到熔池的边缘、高度、宽度以及面积等信息.     

管道焊接熔池图像处理与特征提取

提出了一种管道焊接熔池成像系统,能够有效克服弧光干扰,获取焊接熔池在焊缝坡口内图像.采用基于统计的鲁棒图像处理方法,对熔池图像进行预处理,抑制飞溅等噪声.在图像自适应分割和边缘提取基础上,根据熔池图像和焊缝坡口图形特点,分别提取熔池图像在焊缝内的灰度分布特征以及焊缝坡口图形特征,得到熔池相对焊缝坡口的动态偏移量,以及熔池振动幅度和频率,为焊缝跟踪和焊接质量控制提供了视觉信息反馈.进行了焊接过程实时图像处理和特征提取试验,试验结果验证了熔池成像系统和图像处理方法的有效性和可靠性.     

基于二维信息熵图像分割的缺陷识别方法

为了提高无损检测的工作效率及可靠性,研究超声图像中缺陷目标的自动识别方法.根据超声D扫描图像的特征,在背景杂波抑制及噪声抑制的基础上,采用基于KSW二维信息熵的阈值分割方法对图像进行二值化处理.结果表明,由于不能兼顾图像各处的细节信息,基于二维信息熵的全局阈值图像二值化方法会产生欠分割.当图像尺寸较大时,全局阈值方法会丢失许多像元数目不多的集群,造成小目标的漏检.基于二维信息熵的局部阈值法充分考虑了图像的局部区域特征,能有效地识别图像中的缺陷目标,从而提高缺陷检出率.     

基于视觉传感的薄板对接焊缝特征提取方法的研究

在薄板焊接过程中,由于环境光干扰、物体表面反射和激光散射等因素的影响,采集的图像中噪声密度过大,造成焊缝中心难以准确提取。针对上述问题,提出了一种基于视觉传感的薄板对接焊缝特征提取方法,设计了一种基于线激光的视觉传感系统,实现对薄板表面激光条纹图像的快速采集。针对复杂环境下激光条纹图像的灰度特征,采用图像二值化和自适应中值滤波算法去除图像中的噪声,利用重心法和统计列像素点个数方法选取ROI区域;通过对ROI区域图像进行阈值分割、开运算和提取重心得到激光条纹中心线;最后采用二阶差分法和极值搜索法得到对接焊缝特征。实验结果表明,该方法能够有效去除噪声干扰,准确提取焊缝中心及对接焊缝宽度。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现.     

数字射线图像降噪中的线性滤波方法

数字射线成像(DR)系统中,图像中的噪声是影响图像质量的重要因素之一,给图像分析和缺陷(尤其是微细瑕疵)识别带来了困难。为了提高图像的信噪比,对图像降噪方法的研究是十分必要的。对DR系统中噪声的来源及其产生的影响进行分析后,比较了几种常用的线性滤波方法对射线图像的降噪效果,介绍了近年来提出的一些较新颖的降噪方法。     

基于小波变换的超声信号自适应消噪方法研究

超声检测中，特定的缺陷回波信号一般都有一定的相关性，因而可利用自适应噪声抵消来增强缺陷回波信号。针对最小均方（LMS）算法自适应噪声抵消的缺点，提出了基于小波变换的自适应噪声抵消方法，通过Matlab软件将该算法应用于超声缺陷信号的仿真处理。结果表明，该算法大大提高了缺陷回波信号的信噪比，且具有较高的缺陷定位精度和纵向分辨率。     

Research on the CT image reconstruction of steel tube section from few projections

Most parameters of steel tube can be acquired from the computer tomography (CT) image of its section. However, a large number of projections are needed to reconstruct the image, so the collection and calculation of the projection data consume too much time to inspect steel tube online. For the purpose of solving the problem, we adopt the CT system that can collect the projection data without mechanical scanning motion and propose a modified penalized exponential EM (PEEM) algorithm to reconstruct the steel tube section from only three projections. In the method, the image area is restricted and the pixel value is binarized in order to decrease the number of projections needed and accelerate the convergence speed. At last, the problems of flaw inspection, influence of the restricted area and spatial resolution are discussed. The experiment results show that the accuracy and the reconstruction time of the algorithm meet the requirements of online inspection of steel tube, so it might be possible to be used in practical production.     

Multi-stage adaptive noise cancellation for ultrasonic NDE

Adaptive noise cancellation techniques are ideally suited for reducing spatially varying noise due to the grain structure of material in ultrasonic nondestructive evaluation. Since grain noise is generally uncorrelated, in contrast to the correlated flaw echoes, adaptive filtering algorithms exploit the correlation properties of signals in a C-scan image to enhance the signal-to-noise ratio of the output signal. In this paper, a multi-stage adaptive noise cancellation method is proposed for enhancing flaw detection in ultrasonic signals. The overall method is based on the use of an adaptive least mean square error filter with primary and reference signals derived from two adjacent positions of the transducers. Results of implementing the proposed algorithm on ultrasonic signals obtained from hard-α inclusions in titanium will be presented.     

基于Haralick算法的超声图像边缘特征提取

详细介绍了Haralick算法的特点和步骤。利用Haralick算法对方孔航空工件C扫描图像进行了边缘特征提取。信号处理结果表明,Haralick算法可以有效抑制超声C扫描图像的噪声,获得较好的边界特征。     

基于信息熵的X射线弹药图像自适应局部模糊增强

针对X射线弹药图像对比度较低、缺陷边缘模糊的特点,提出了一种基于信息熵的自适应局部模糊增强算法。该方法先对弹药射线图像进行动态归一化处理,并运用梯度算子获取感兴趣区域,OTSU算子自动选取最佳渡越点gc,从而得到模糊增强算子的渡越点cμ,再使用改进的隶属函数对cμ两侧的像素灰度进行模糊域的非线性处理,从而得到增强后的弹药图。试验结果表明,该算法能明显提高弹药图像的对比度,突出疵病并降低背景噪声。     

计算机图像处理和模糊技术在确定晶粒度级别中的应用

运用计算机图像处理技术对金相图像进行二值化处理后,采用图像跟踪算法可使单个晶粒面积的精确求取变得十分容易。将模糊综合评价应用于定量金相的面积法当中,所得结果客观、准确,克服了通常的晶粒度级别确定方法的麻烦且不可靠的缺陷,有利于推动材料的研究和生产。     

基于机器视觉的多螺孔检测系统

提出了一种基于机器视觉的内螺纹检测算法,并在此基础上设计了一套多螺纹孔检测系统.首先从CCD获取的图像中提取出ROI(region of interest)区域,然后利用中值滤波去除图像表面噪声,通过形态学开闭运算对所得图像进行处理,最后计算螺纹图像沿螺孔母线方向的灰度曲线极值得到螺纹牙数,进而对于螺孔合格与否进行判断...     

基于BP神经网络的钢轨闪光对焊接头灰斑面积预测

针对钢轨闪光对焊的特点,根据GAAS80/580焊机记录的压力、电流和动端位移随时间而变化的曲线,从中提取了10个主要影响接头灰斑面积的特征参数作为BP神经网络预测模型的输入量,建立了钢轨闪光对焊接头的灰斑面积预测模型.采用粒子群算法优化了BP神经网络的权值和阈值,并利用优化后的BP网络模型对接头灰斑面积进行了预测.结果表明,提取的特征参数能较好地反映焊接接头灰斑情况,粒子群算法优化的BP神经网络预测模型能较准确地预测出焊接接头灰斑面积.