基于Stolt偏移算法与全聚焦(TFM)算法对板材缺陷成像研究

随着超声无损检测技术的不断进步与发展,其在检测精度方面的要求也逐渐提高。本文利用COMSOL Multiphysics软件对金属板材试件通孔缺陷进行超声无损仿真,通过将仿真得到的A扫结果导入Matlab软件中并应用Stolt偏移算法和全聚焦(TFM)算法进行优化处理,最终获得二维B扫图像,并在此基础上对B扫图像进行沿Y轴的空间叠加处理,以获得三维缺陷反演结果。与全聚焦(TFM)算法相比,Stolt算法具有更高的精确度,同时Stolt算法在傅里叶域中引入线性插值进行计算,计算速度较快,对于缺陷实时检测和准确性的评估具有重要意义。     

轴表面荧光磁粉检测缺陷图像的快速展开拼接

根据成像原理,分析出图像失真主要来源于径向畸变和透视失真;建立面阵CCD(电荷耦合元件)相机采集轴侧表面图像的专用成像模型,提出了快速展开拼接算法,获得检测图像和展开复原图像的坐标对应关系,采用双线性插值法对图像进行展开复原;利用相位相关法获得相邻图像的平移位置关系,将多张展开图像进行轴向和径向拼接,生成完整的侧面展开图。试验结果表明:将6幅轴的侧面缺陷图像展开拼接成分辨率为1 624像素!750像素的矩形图像所需时间为1.793 s,每幅图像展开的平均时间为0.090 s,展开拼接图像中缺陷几何特征参数的相对误差在3.9%以内。这满足了轴类工件表面无损检测对实时性和准确性的要求。     

钢板局部腐蚀的脉冲涡流热成像定量检测

钢铁腐蚀是威胁工业安全生产的重要原因之一,脉冲涡流热成像缺陷检测技术可以对钢板表面腐蚀进行检测和评估。结合数值模拟和实际腐蚀检测试验,对利用脉冲涡流热成像检测腐蚀缺陷的特点进行了分析,并提取了温度上升较大的高温区宽度和温度最大值为特征量描述腐蚀的宽度和深度。将试件表面沿线圈方向的温度轮廓作为LSSVM的输入,腐蚀的二维轮廓作为输出,由试验测量数据和有限元仿真计算得到的仿真数据组建样本库。建立了由缺陷的温度场信号到缺陷轮廓图像的映射关系,实现了腐蚀缺陷的二维轮廓重构。     

亚毫米波成像技术对工业排线的无损检测

利用亚毫米波准近场实时成像系统对三种常用的微小结构的工业电子排线进行检测,直接获得了样品在信号峰值处的强度图像。分别对样品中的金属、缺陷及包覆材料连接处抽取数据,并对其进行频谱及相位处理,在时域、频域及相位图中做了对比与分析。通过对原始图像进行图像处理后,分别得到振幅和相位图像,其中相位图像能更清晰地反映排线中隐藏的缺陷。结果证明,亚毫米波准近场成像系统可以用于具有细微结构材料的无损检测。     

超声相控阵矩阵阵列三维合成聚焦成像方法

掌握缺陷的三维形态信息,会更利于无损评估,因此将合成聚焦二维成像方法扩展,初步探索了三维合成聚焦成像方法,以直观得到缺陷的超声三维成像.将该方法在MATLAB平台编程实现,然后通过超声相控阵矩阵探头采集到的完备集数据后处理进行了验证.结果表明,通过三维合成聚焦处理后,得到探头下方空间的超声成像的三维图像数据,然后在此基础上使用等值面法将缺陷的三维图像分割出来.该图像能够清晰反映出反射体的真实位置及空间分布;在超声探头没有机械移动扫描的前提下能够得到缺陷三维图像.对于探头移动空间受限的检测位置获取缺陷三维图像有一定的理论意义及实用价值.     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

一种剥皮算法在工业CT图像分割中的应用

图像分割是工业CT三维重构的重要步骤之一,目前还没有一种有效分割各类图像的通用算法。针对同心圆层状结构工业CT图像的特点,提出一种剥皮图像分割算法。该算法首先检测图像的边缘,利用边界跟踪方法求出层边界,再对层边界图像进行剥皮处理,然后用所得到的模型去对原始图像掩模,最后得到的图像即为最终分割图像。该方法对层状结构的工业CT图像具有较好的分割效果。     

基于改进GWO-GRNN的管道焊缝三维重构测量

为提高双目相机不同位姿下焊缝的三维重构测量精度,提出一种基于立体视觉图像误差补偿的管道焊缝三维重构测量方法。采用改进灰狼算法(IGWO)优化广义回归神经网络(GRNN)补偿焊缝三维重构图像点的坐标误差。采用混沌映射、非线性收敛因子和最优记忆保存思想对GWO算法进行改进,通过8个标准测试函数进行仿真验证;利用优化后的GRNN模型对图像点坐标误差进行预测和补偿,计算三维坐标重构出焊缝点云,三维测量焊缝的焊宽、余高和长度。试验结果表明：该模型在双目相机不同的位姿状态下都能较准确地实现焊缝的三维重构,焊缝的三维测量相对误差在0.9%以内。     

基于迁移学习的ROV水下建筑物缺陷识别方法

水下建筑物缺陷检测是保障电厂长期安全稳定运行的关键。为解决检测任务繁重危险,提高检测效率,降低人工检测成本,提出一种基于水下机器人（ROV）的水下建筑物缺陷识别方法。针对水下成像环境复杂、噪声大、检测流程冗长等问题,设计了一种基于迁移学习的图像识别模型。首先,通过图像数据处理算法,提高水下缺陷图像质量,并对图像进行二值化处理,突出缺陷特征;然后通过卷积核提取图像中的突出特征,引入注意力机制对特征重要程度进行计算分配,提高模型特征提取效率;最后在训练过程中引入迁移学习,解决实际缺陷数据不足的问题,提高模型训练效率。结果表明,设计的迁移学习图像识别模型在标准数据集和实测缺陷数据集上准确率达到90%～95%,且迭代次数在30代以内,能够精确高效识别水下建筑物缺陷特征。     

高强钢焊接缺陷磁光成像分形特征检测

研究一种基于磁光成像原理的焊接缺陷无损检测新方法.以高强钢表面微小焊接缺陷为例,采用分形维数对焊缝磁光图像进行特征识别并估计最优尺度,根据Adabost分类算法对提取的焊接缺陷特征进行分析和训练,构建焊接缺陷特征量并对高强钢表面缺陷磁光图像进行自动识别.结果表明,运用磁光成像方法可以获取高强钢焊接缺陷特征,并通过图像分形维数分析可识别焊缝缺陷的位置、形状和类别.     

聚乙烯管道电熔接头的超声相控阵成像及缺陷特征

为了提高基于超声相控阵的聚乙烯管道电熔接头的图像特征识别和自动缺陷检测效率,提出采用K均值聚类算法和数学形态学相结合的图像处理方法,实现了对超声相控阵检测图像的处理. K均值聚类算法可以有效地实现图像的整体分割,数学形态学处理能够平滑图像边缘,得到相对完整独立的缺陷成像区域. 结果表明,所提出的方法不需要训练样本,只需根据数据本身的属性进行自我训练,可靠性较高. K均值聚类算法和数学形态学相结合能较完整地将多种缺陷信息从图像中分离出来,为聚乙烯管道电熔接头缺陷的自动评价提供了新方法,具有较好推广价值.     

卡尔曼滤波磁光成像计盒维数焊缝跟踪算法

在激光焊接过程中精确地识别和跟踪焊缝十分重要。采用磁光成像传感器能够获取紧密对接微间隙焊缝(0~0.1 mm)的磁光图像。由于磁光图像存在较多干扰,根据计盒维数算法和卡尔曼滤波算法综合处理焊缝磁光图像,可获取较准确的焊缝位置。对焊缝磁光图像进行滤波去噪,将图像细分成块并计算出每个图像块的分形维数,再选取合适阈值分割图像,提取出焊缝位置参数。建立基于焊缝位置参数的系统状态方程和测量方程。应用卡尔曼滤波算法对焊缝位置进行最优状态估计,得到最小均方差条件下的焊缝偏差最优预测值。试验结果表明,卡尔曼滤波与计盒维数融合方法能够提高焊缝跟踪精度。     

焊接缺陷的超声C扫描成像

应用宽视场脉冲超声显微镜（ＷＦＰＳＡＭ）对所制备的典型焊接缺陷试样进行Ｃ扫描成像试验,结果表明：利用超声显微镜的Ｃ扫描功能,可以获得焊拉然不同深度层面上的二维声学图像。从所显示的二维图像上可以肝观地看到在一定深度层面上焊接缺陷的形状、位置、分布及取向。根据缺陷图像和所选择的扫描参数可以得到缺陷在层面各个方面上的尺寸,包括长度、宽度及单个分散缺陷的大小,密集缺陷的分布范围等,利用计算机图像处理技术或     

铸件砂眼缺陷提取的图像处理算法

针对铸件砂眼缺陷的检测问题,提出一种图像形态学重构后的差分算法。Matlab读取图像,中值滤波对图像去噪减少干扰信息,再对去噪后的缺陷图像和合格图像分别进行增强和形态学处理;随后采用差分算法求出两幅图像之间的差异信息,得出图像中灰度值最大的区域即为砂眼所在的位置;最后求出砂眼所占区域的面积、周长、圆形度,累积砂眼特征库。     

一种基于梯度直方图的焊缝边缘检测方法

焊缝边缘检测技术是图像分析、图像理解的最基本操作之一,也是焊接机器人实现焊缝跟踪的关键技术之一。基于梯度直方图提出一种焊缝边缘检测方法,将二维高斯滤波器分为水平和竖直方向的一维高斯滤波器对图像进行平滑处理,然后用一种改进的梯度计算方法来计算梯度和确定像素点梯度方向。最后采用梯度统计量进行阀值选取,并结合非极大值抑制得到单像素宽的边缘图像。将二维高斯函数和梯度的计算由二维降到一维,减少了计算量,同时由于不同的梯度值直接与相应的方向对应,因而在后续的处理中无须再进行梯度方向的计算,提高运算的效率,阈值选取具有一定的稳定性。运用MATLAB软件对图像进行处理,对比经各种算法处理的焊缝图像说明该算法具有较好的适应性和鲁棒性。     

用DSP实现焊缝图像处理算法中的小波变换算法

利用模板匹配算法获取焊缝中心位置。该算法首先通过二维小波变换得到焊缝的模板,再将该模板在后续焊缝图像中平移,计算模扳平移到各位置的互相关系数,取互相关系数最大值对应的列为被测图像的焊缝中心位置。基于DSP在数字信号处理中的优势,使用TDS642EVM实现焊缝识别图像处理算法。文中分析了二维小波变换算法的原理,开发了用DSP（数字信号处理器）实现小波变换算法的程序,最后列出了用TDS642EVM处理管道焊缝图像实例。     

电磁层析无损检测系统中碳纤维复合材料缺陷重建的仿真

在电磁层析成像系统中,对带缺陷的碳纤维复合材料进行了图像重建仿真。分别建立了单方向和编织型材料的Ansoft Maxwell三维模型来显示碳纤维复合材料的方向性,仿真结果和试验基本符合。对于单方向的碳纤维复合材料,采用了简单比较法和线性反投影算法来确定缺陷的位置。结果表明,使用更加精确的重建算法的电磁层析无损检测技术可以用来探测碳纤维复合材料中的缺陷．     

轴类工件表面视觉自动检测系统

表面物理损伤检测是轴类工件质量检测的重要环节,为提高表面质量检测的自动化水平并建立相关行业标准,设计了一套机器视觉检测系统来实现生产中轴类工件的表面检测。采用黑白线阵CCD相机通过暗视野前向照明方式获取合适的图像;经过图像增强、滤波等预处理后采用最大类间方差法对图像进行阈值分割;经过形态学处理,提取缺陷轮廓信息;以轮廓的长宽比以及面积作为评价准则,提取主要轮廓;计算缺陷重心坐标,即定位点坐标;单片机通过与上位机通信,控制打码笔标记出缺陷的位置。采用该系统在不同轴类工件上进行试验,结果表明:缺陷检测系统误检率在5%以下,漏检率为0,能满足轴类工件表面在线实时检测的要求。     

基于PSO-LS-SVM的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中,用漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。提出应用最小二乘支持向量机对缺陷轮廓重构的方法,并利用粒子群算法来优化LS-SVM的参数及核函数参数。支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。训练样本由试验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与BP神经网络、GA-LS-SVM两种方法进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

相控阵三维全聚焦成像检测技术

由于全聚焦成像技术主要集中于使用一维线阵实现二维全聚焦成像,文中基于二维面阵将全聚焦算法扩展至三维,并利用现场可编程门阵列的高速并行运算能力实现硬件的全聚焦过程,检测图像的刷新率高达20帧·s-1,数据实时处理能力约为每秒2G字节,从真正意义上实现了实时三维全聚焦成像检测。通过仿真及系统试验表明,相比二维全聚焦成像结果,三维全聚焦成像结果更加直观,能够真实还原缺陷的整体结构。