基于超声检测的无人机复合材料多特征提取研究

在超声检测无人机复合材料脱粘缺陷时,针对单一特征提取方法信息利用不充分、不同特征对识别重要程度不同的问题,分析超声回波信号特性,提出一种将小波包域和时域相结合的多特征提取方法。该方法首先对信号进行小波包分解,获得小波包域特征,并利用主成分分析法对该特征进行降维处理;然后结合复合材料特性提取信号的时域特征;最后将提取的不同域特征组合,并对组合特征向量进行加权处理。对处理后的特征向量运用类别可分性测度准则进行评价,结果表明提取的信号特征能较好地界定复合材料的脱粘等缺陷。     

基于神经网络的超声导波钢杆缺陷识别

利用基于BP神经网络的缺陷识别算法,从不同实验条件下获得的信号样本中抽取特征量,对钢杆中不同深度和位置的径向裂纹进行了识别。首先,采用频率为235kHz激励轴对称纵向模态导波对钢杆中的径向裂纹进行了检测。实验表明,在235kHz时获得的超声导波信号含较单一的L(0,2)模态,避免了用L(0,1)模态检测小尺寸缺陷时检测能力较弱的问题,又减少了用轴对称纵向高阶模态检测缺陷时模态较多不易分辨缺陷回波的现象。其次,利用算法对钢杆中的径向裂纹进行识别。结果表明,在已有实验样本数下,缺陷识别算法从整体上很好地识别不同深度和位置的裂纹,识别正确率稳定在87%。     

基于OCT成像的淡水无核珍珠内部缺陷自动检测方法

光学相干层析技术(OCT)作为一种高分辨率的无损光学检测手段,已被用于珍珠的内部质量检测。针对淡水无核珍珠质层内部缺陷检测的需求,提出一种通过光学相干层析图像实现淡水无核珍珠内部缺陷自动检测的方法。根据珠层灰度变化的特点,识别图像中缺陷区域的梯度特征和缺陷位置变化特征,并利用缺陷特征建立反向传播神经网络模型。实验中采集了内部无缺陷和内部有多种类型缺陷淡水无核珍珠的光学相干层析图像各20幅,对图像进行预处理并提取特征,利用K-means算法检测样本类型与所提取特征的匹配度,用特征与类型相匹配的样本特征训练反向传播神经网络模型,使用反向传播网络模型对淡水无核珍珠内部缺陷层进行分类识别。实验结果表明该方法提取特征的匹配度为92.5%,分类准确率达到100%,验证了该方法的可行性和有效性,提出的方法能够作为淡水无核珍珠内部缺陷识别和自动分类的有效手段。     

邻域自适应增量式PCA-LPP在齿轮箱故障诊断中的应用EI北大核心CSCD

针对流形学习算法的增量处理问题,提出一种邻域自适应增量式PCA-LPP流形学习算法,阐述了算法的基本原理以及增量样本处理方法。对新增样本的引入,首先根据已有样本对协方差矩阵和相似矩阵进行增量更新,而后结合已有样本降维结果对新增样本降维结果进行估计,最后采用子空间迭代法实现新旧样本降维结果的更新。采用齿轮箱故障信号特征向量对邻域自适应增量式PCA-LPP流形学习算法进行检验,结果表明,邻域自适应增量式PCA-LPP流形学习算法降维后特征具有良好的故障分类识别效果。     

基于EMD及主成分分析的缺陷超声信号特征提取研究

针对非线性、非平稳超声缺陷信号的特征提取问题,提出一种经验模态分解(EMD)和主成分分析(PCA)相结合的缺陷信号特征提取方法。对缺陷信号进行EMD分解得到本征模态函数(IMF),根据能量比率累积选取IMF,平均截取傅里叶变换后的各模态频谱得到能表征原信号的特征向量集;构建PCA模型,特征向量集降维得到低维特征向量,该过程可降低缺陷信号分析数据的复杂度和冗余度,以BP神经网络为缺陷分类器对缺陷特征进行识别与分类。实验结果表明该方法具有可靠的识别与分类效果。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

基于图像数据重排的产品表面缺陷检测算法研究

产品检测时许多无关图像信息增加了参与计算的图像数据量,为解决该问题,提出了一种基于图像数据重排产品表面缺陷检测算法.根据先验知识将产品表面结构明显且不会出错的特征作为产品成像后的周向位置特征,建立起样本周向位置特征库图像序列;同时提取每个周向方位下样本表面各个待识别子目标区域图像数据或变换特征进行有效数据重排作为产品的检测识别特征,建立起产品的检测识别特征库图像序列.检测识别过程中,提取产品位置特征寻找其在标准样本库中最优解确定产品的周向方位,然后提取产品不同方位下的多个待检测区域并进行相同的数据重排,最终完成快速检测识别.经过仿真验证,本文的算法可以大大节省缺陷检测所用时间.     

基于多域特征提取的气液两相流流型识别

针对气液两相流的准确识别问题提出了一种多域特征处理方案。利用电阻层析成像(ERT)系统获取垂直上升管道流动数据，从测量数据与截面电导率分布图像两方面分析，对高维测量数据降维处理后提取时域特征，同时提取线性反投影(LBP)算法重建图像空域特征，进一步对图像进行Walsh-Hadamard变换后提取列率域特征。使用统一流形逼近与投影(UMAP)算法对量化的多域特征降维处理，最后搭建支持向量机(SVM)实现流型识别。结果表明，该流型分类框架对泡状流、泡状-段塞过渡流型、段塞流及严重段塞流的分类准确率分别为98.1%、96.3%、95.2%、94.8%。     

基于频率-波数分析的激光Lamb波传播特性试验研究

Lamb波的频散和多模态特性,使得利用Lamb波信号的时域或频域特征实现缺陷的定量检测具有一定的困难。提出了一种在频率-波数内分析激光Lamb波传播特性的方法。基于全光学型激光超声检测系统,脉冲激光在固定位置激励,连续激光一维线扫描接收,获得时间-空间波场信号,可直观地显示激光Lamb波信号的传播特性以及激光Lamb波与缺陷之间的作用规律。采用二维傅里叶变换将波场信号从时间-空间域转换到频率-波数域,可有效识别信号中包含的各模态信息。为了保留空间信息,借鉴短时傅里叶变换的思想,采用短空间二维傅里叶变换得到沿扫描路径上波数的分布,从中可直观看出缺陷的位置。采用带通滤波结合连续小波变换的方法对短空间二维傅里叶变换的结果进行了优化。分别在有、无缺陷铝板中进行了试验研究,试验结果验证了该方法的有效性。     

邻域自适应增量式PCA-LPP在齿轮箱故障诊断中的应用

针对流形学习算法的增量处理问题,提出一种邻域自适应增量式PCA-LPP流形学习算法,阐述了算法的基本原理以及增量样本处理方法。对新增样本的引入,首先根据已有样本对协方差矩阵和相似矩阵进行增量更新,而后结合已有样本降维结果对新增样本降维结果进行估计,最后采用子空间迭代法实现新旧样本降维结果的更新。采用齿轮箱故障信号特征向量对邻域自适应增量式PCA-LPP流形学习算法进行检验,结果表明,邻域自适应增量式PCA-LPP流形学习算法降维后特征具有良好的故障分类识别效果。     

VMD-Hilbert变换在扬声器异常声检测中的应用

针对基于时频分析的扬声器异常声检测方法中短时傅里叶变换、小波包变换存在的不足,提出了一种基于变分模态分解-希尔伯特(Variational Mode Decomposition and Hilbert,VMD-Hilbert)变换的扬声器异常声检测方法。首先通过仿真信号分析,研究了VMD-Hilbert变换的时频特性,并与其他三种时频分析进行了对比,结果表明VMD-Hilbert变换具有更好的自适应性、能量聚焦性与时频分辨率。然后,对实测扬声器声响应信号进行VMD-Hilbert变换,求得被测扬声器单元的时频矩阵与标准时频矩阵之间的特征距离,并与其它三种时频分析下的特征距离进行对比。实验结果表明,VMD-Hilbert变换下的类间特征距离的离散度较大,便于更好地设定阈值,从而验证了VMD-Hilbert变换能更好地表征异常声的时频特征,以及其在处理非线性、非平稳的扬声器声响应信号时的优越性。     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。     

基于YOLOv3的医药玻璃瓶缺陷检测方法

目的为了准确而快速地自动检测医药玻璃瓶的外观缺陷。方法基于YOLOv3算法,建立深度卷积神经网络学习检测模型,通过将神经网络结构浅层和深层特征向量连接并标准化,提取玻璃瓶多尺度特征信息。采用K-means聚类方式获得锚点框初始大小,提高模型对边界框预测的准确性;利用多尺度训练策略,增强模型对不同尺寸图像的鲁棒性。结果实验结果表明,提出的医药玻璃瓶缺陷检测方法能够准确检测识别玻璃瓶上的管端残损、气线、气泡、划伤、污渍和结石等缺陷种类。与主流的目标检测方法相比,提出的方法在处理速度和准确度上都有提高,缺陷目标检测精确率达到96.23%,召回率为93.82%,平均精度为89.35%。结论该方法已经在国内几家大型医药玻璃包装生产公司成功应用,显著提高了医药玻璃包装产品的质量和合格率,降低了人工成本。     

Multiple linear feature detection based on multiple-structuring-element center-surround top-hat transform

Linear feature detection is an important technique in different applications of image processing. To detect linear features in different types of images, a simple but effective algorithm based on a multiple-structuring-element center-surround top-hat transform is proposed. The center-surround top-hat transform is discussed and analyzed. Based on the properties of this transform for image feature detection, multiple structuring elements are constructed corresponding to the possible linear features at different directions. The whole algorithm is divided into four parts. First, the algorithm uses the center-surround top-hat transform to detect all the possible linear features at different directions through constructing multiple structuring elements. Second, the detected linear feature regions at each direction are processed by a closing operation to remove the possible holes or unconnected regions. Third, the processed results of the detected linear feature regions at all directions are combined to form all the possible detected linear feature regions. Fourth, the combined result is refined by using some simple operations to form the final result. Experimental results on different types of images from different applications verified the effective performance of the proposed algorithm. Moreover, the experimental results indicate that the proposed algorithm could be used in different applications.     

分布式光纤入侵信号检测与识别

分布式光纤声波传感(DAS)技术通过接收相干瑞利散射光的相位信息来探测声波或振动信号,具有灵敏度高、动态范围广等特性,可利用线性定量测量实现对信号的高保真还原.随着实际应用的需求不断提高,光纤入侵检测领域对事件的定位和识别提出了更高的要求,表现为对入侵事件的准确分类,因此将分布式光纤声波传感技术与模式识别(PR)技术相...     

基于FCOS神经网络的制动主缸内槽缺陷检测方法

针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法。利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测。实验结果表明,FCOS网络对制动主缸内槽砂眼、划痕、振刀纹缺陷检测的平均精度均值分别为85.2％、87.5％、90.1％,精确度分别为0.98、0.89、0.95。实验结果与Mask R-CNN网络和Faster R-CNN网络的实验结果进行对比,FCOS网络具有更高的准确率,学习时长大幅度缩短,且满足实时检测要求。     

基于组合图像特征与分层节点搜索的回环检测方法

目的 文中通过提出一种新的回环解决方案,平衡回环检测系统的高准确率与高运行效率。方法 提出一种利用组合图像特征与分层节点搜索的新方法。首先,计算一种原始图像的下采样二值化全局特征和经过改进的ORB(oriented FAST and rotated BRIEF)局部特征,将其存入图像特征数据库。其次,引入一种分层节点搜索算法,在数据库中搜索与当前图像特征最相似的全局特征作为回环候选。最后,利用改进的ORB特征进行局部特征匹配,验证候选图像,确定回环检测结果。结果 使用该算法在3个不同的数据集上进行验证,测试中每次回环检测的平均处理时间仅需19 ms。结论 实验结果表明,该算法在运行效率、准确率、召回率等方面均达到了领域内的先进水平。     

Automatic Defect Classification in Ultrasonic NDT Using Artificial Intelligence

A methodology is developed to detect defects in NDT of materials using an Artificial Neural Network and signal processing technique. This technique is proposed to improve the sensibility of flaw detection and to classify defects in Ultrasonic testing. Wavelet transform is used to derive a feature vector which contains two-dimensional information on various types of defects. These vectors are then classified using an ANN trained with the back propagation algorithm. The inputs of the ANN are the features extracted from each ultrasonic oscillogram. Four different types of defect are considered namely porosity, lack of fusion, and tungsten inclusion and non defect. The training of the ANN uses supervised learning mechanism and therefore each input has the respective desired output. The available dataset is randomly split into a training subset (to update the weight values) and a validation subset. With the wavelet features and ANN, good classification at the rate of 94% is obtained. According to the results, the algorithms developed and applied to ultrasonic signals are highly reliable and precise for online quality monitoring.     

钢包耳轴根部焊缝的相控阵超声检测与信号处理

采用匹配追踪算法和小波变换对低信噪比(2dB和-5dB)钢包耳轴根部焊缝缺陷检测信号进行预处理对比分析,在定制试块上采用64阵元超声相控阵探头对深度为230mm的耳轴根部焊缝进行检测,并且结合基于Gabor原子库的匹配追踪算法对回波信号进行消噪后成像.结果表明,在低信噪比(-5dB)条件下,匹配追踪算法较小波变换有更好的预处理效果;对深度位于220mm和230mm处的钢包耳轴焊缝缺陷的实际检测信号进行去噪处理时,匹配追踪算法能够准确定位缺陷位置并显著提高缺陷处信噪比.