基于CV模型和数学形态学的木材表面缺陷分割方法

根据木材表面缺陷图像的特点,结合主动轮廓线模型的优点,应用CV模型对木材表面缺陷图像进行分割,并利用数学形态学对分割图像进行后处理.经实验验证,该方法能较完整的提取木材表面缺陷图像.     

基于自适应阈值分割和形态学的木材表面缺陷提取

木材在成材过程中,不可避免会产生缺陷,这些缺陷影响了木材的质量.文章对死节和活节木材表面缺陷进行缺陷提取.第一,对原图像进行前处理;第二,对前处理后的木材图像进行增强处理;第三,对增强后的图像进行自适应阈值处理;第四,采用形态学处理分割后的结果;第五,用区域描绘子去除伪木材缺陷;第六,利用木材缺陷区域对原图像的缺陷部分...     

基于支持向量机的油管内外表面缺陷识别方法

由于根据漏磁信号难以准确识别出油管内、外表面缺陷,为此提出了基于支持向量机(SVM)的油管内外表面缺陷识别方法。采用时频分析技术提取了用于区分油管内外表面缺陷的漏磁信号时域和频域特征量,然后将其作为油管内外表面缺陷识别SVM模型的样本数据,采用改进的云自适应粒子群(MACPSO)优化算法对SVM识别模型的参数进行优选,结合优选的模型参数和样本数据训练构建油管内外表面缺陷识别SVM模型。实验结果表明:该智能识别方法能够有效区分油管的内外表面缺陷,识别准确率高于90%。     

硅钢酸洗-冷连轧系统中表面缺陷识别方法研究

针对硅钢酸洗-冷连轧生产过程中钢带表面缺陷的特点,在提取钢带图像低层属性特征的基础上,采用决策树、SVM、BP神经网络等不同的模式识别方法对钢带表面缺陷进行分类研究,试验过程包含训练集与测试集的收集、特征提取、机器学习与分类、结果分析.该研究以提高硅钢冷轧生产过程的自动化水平为目标,依据试验结果提出缺陷识别的优化方法,并应用于武钢硅钢冷轧生产线,提高了自动化水平.     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。     

基于小波和灰度共生矩阵的带钢表面缺陷识别

提出了一种基于小波变换和灰度共生矩阵的带钢表面缺陷识别方法。采用小波变换分解缺陷图像并提取其低频子带信息。通过在低频子带上构造0°、45°、90°和135°四个方向的灰度共生矩阵,分别计算角二阶矩、熵、对比度和逆差矩4个特征值,共获得16个特征值,并将其输入支持向量机,完成对6类共1800张带钢表面缺陷图像的识别,总体识别精度大于96%。实验结果表明,小波变换与灰度共生矩阵结合能有效描述带钢表面缺陷纹理特征,具有较好的识别效果。     

基于改进U-Net的工件表面缺陷分割方法

针对当前深度神经网络模型在检测小缺陷目标时性能较差的问题,提出了一种基于改进U-Net的工件表面缺陷分割方法。该方法设计了一种仅下采样3次的U型网络,在保持图像特征分辨率的同时获得足够的感受野,有效解决神经网络多次下采样造成的小目标信息丢失问题;引入Dice损失和Focal损失组成的混合损失函数,通过增强分割损失权重并抑制背景信息来提高分割效果,有效解决小缺陷目标的低概率密度问题。通过在表面缺陷数据集上的大量实验和分析,结果表明该算法能够很好地细分出缺陷区域,并在分割精度与速度之间获得平衡。     

基于语义分割的纸质包装产品表面缺陷检测

针对工业生产中纸质包装产品表面缺陷检测主要依赖人工,效率低下且检测精度无法保证等实际问题,采用一种基于深度学习中语义分割任务的表面缺陷检测方法。以包装纸盒表面缺陷图像数据为例,根据分割任务需求,从结构上改进Unet算法,并基于OpenMMLab开源计算机视觉算法体系中mmsegmentation语义分割工具箱模块,配置DeepLabV3+、Unet、改进Unet三种图像分割算法环境,分别训练迭代相同次数,对比分析分割检测结果以及对验证集图像的预测效果,可以证实改进Unet算法分割性能得到提升,能更好地检测出纸质包装产品表面的深度划痕缺陷;而DeepLabV3+算法性能相对最优,能更好地检测出纸质包装产品表面的破损缺陷,这对于实现纸质包装产品表面缺陷的自动检测具有一定意义。     

基于图像处理的油封缺陷自动检测与分类识别方法

提出一种油封缺陷检测及分类识别方法.依据量化的油封表面质量定性判断精度指标要求,结合生产实际设计并构建油封缺陷在线视觉检测系统.采用伺服电机同步传动旋转机构等分采集油封环带图像,经图像预处理分割出不同检测区域.利用小波变换模极大值图像边缘检测算法实现油封缺陷检测;提取描述缺陷的特征参量并进行主分量选择,通过支持向量机M-ary分类策略对油封缺陷进行分类识别.实验结果表明,系统及方法切实可行,具有实用推广价值.     

冷轧带钢表面相似线性缺陷检测

针对现有冷轧带钢表面的相似线状缺陷检测精度与识别率差的问题,提出一种局部二制模式LBP直方图特征与支持向量机SVM相结合的检测算法。通过对采集的大量划伤与夹杂的带钢表面缺陷图进行预处理,获得感兴趣区域,再进一步利用LBP等价模式获得目标区域的LBP直方图信息,结果显示可以很好地分辨缺陷与非缺陷,并描述的各种缺陷具有可分辨性。采用核函数为径向基函数核的SVM分类器训练识别,结果表明：该方法对划伤和夹杂的缺陷检测准确率达98%。     

基于数字图像处理及DSP的木质板材缺陷图像处理系统

探讨了木材缺陷计算机视觉识别技术研究的现状,提出了基于DSP的木材缺陷图像处理系统的硬件结构以及图像处理的算法:系统的介绍了由TMS320C80为数字信号处理器的图像采集系统,概述了TMS320C80MVP并行处理器的系统结构与主要特点,并给出上述系统的处理结果.     

基于小波神经网络的木质材料缺陷模式识别

利用小波和神经网络对木质材料中密度纤维板的不同缺陷进行智能模式识别,研究采用Daubechies小波包对振动信号进行3层分解,计算信号在各频段所占的能量率,并以此作为样本对拓扑结构不同的BP神经网络进行训练,然后利用训练好的网络对缺陷的种类进行分类识别。结果表明,性质相近的两种贫胶缺陷应作为一类缺陷模式进行识别,单隐层和双隐层的BP网络对没有缺陷、鼓泡缺陷和贫胶缺陷3种模式的识别都很理想,但双隐层BP网络的推广性能较好,网络输出的波动性小。对中密度纤维板没有缺陷、鼓泡缺陷和贫胶缺陷智能识别的最佳网络是双层BP网络,网络第1隐层节点和第2隐层节点分别为20和6,对中密度纤维板缺陷模式识别的准确率为90％。     

基矛图像处理技术的烟包侧面热封缺陷分析

本文以MATLAB图像处理技术为基础,对GDX2包装机组生产的小盒硬包侧面BOPP热封缺陷进行图像识别,提取图像中的缺陷特征信息,并对提取的缺陷特征信息进行分析,确定小盒硬包侧面热封缺陷区域的面积和缺陷集中的区域,试验结果与小盒硬包侧面热封缺陷的实际分布情况基本吻合。利用图像处理技术对热封缺陷特征进行提取分析,采集具体缺陷特征的数据信息,为分析缺陷产生的原因及进一步改进GDX2包装机的热封系统提供了具体的理论依据。     

几种图像分割阈值选取方法的比较与研究

对几种常用的阈值选取方法进行了理论分析与比较，并以基于面结构光投影法的三维物体形状检测技术研究为背景，从实验角度对类间方差法、一二维最大熵法和模糊阈值分割法等图像阈值分割方法的性能进行了验证。     

铁谱图像的彩色纹理特征提取与识别

纹理是铁谱图像的特征之一,但大部分的铁谱图像的纹理研究是以灰度图像为基础的,这样就丢失图像的彩色纹理信息。对铁谱图像的彩色纹理特征进行了提取,运用支持向量机的方法,对铁谱图像的磨粒颗粒进行了识别,试验结果表明,所提取的特征值,有利于磨损颗粒纹理的识别。     

基于HSI三分量独立性木材缺陷图像分割

HSI模型的彩色图像分割方法具有传统的RGB彩色图像分割所不具有的出色的分量独立性和色彩的真实性,具备良好的易分割的特点。提出首先将图像转化为HSI图像,然后根据各分量的特点单独进行分割,最后融合处理后的分量,得到准确的缺陷图样。该方法克服了单纯使用灰度图像分割不能准确定位缺陷边缘的弊端,同时对于木材图像纹理等细节信息具有较好的鲁棒性。试验的结果表明该方法即时准确有效。     

PSO优化SVM在木材干燥建模中的应用

在木材干燥计算机控制过程中,基准模型化是此控制过程的必要环节。为提高此建模预测精度,针对SVM木材干燥基准模型的参数进行研究。利用粒子群优化算法中的粒子位置和速度优化此模型参数,并对木材含水率进行预测。仿真实验表明,PSO算法在优化SVM木材干燥基准模型参数方面表现出良好的性能,预测结果具有很高的精度,此模型具有较好的泛化能力和预测能力。     

心血管造影图像的分割与诊断

针对心血管造影图像,提出了一种新的血管分割方法,并实现了血管狭窄位置的自动诊断。血管分割中提出了基于Hessian矩阵多尺度增强的新血管函数,在增强的特征图上采用了种子点的自动化选取和双阶段区域增长的分割方法提取了血管轮廓。在此基础上进行了血管骨架提取,骨架点搜索和直径测量,实现了全自动的狭窄诊断。实验结果表明,新的血管分割方法能够提取出较精准的主分支轮廓,对细小血管也有良好的增强和分割效果,血管狭窄的自动诊断,计算速度快,诊断结果较准确,能够对医生的最终判断提供辅助参考和量化依据。     

灰度直方图和支持向量机在磁环外观检测中的应用

本文提出了一套基于灰度直方图和支持向量机的磁环自动分类系统。为了用低维的灰度信息来描述磁环的特征，提出了一套图像处理的算法。将图像从背景分离之后，进行灰度直方图处理来提取灰度特征。接着采用主分量分析法，将灰度统计信息由256维向量降低到20维向量，以这20维向量作为输入，用支持向量机进行分类。最后，经过训练得到最优分类函数，分类正确率达到97．3％。