产品表面图像中的缺陷自动检测方法研究

仔细设计产品表面缺陷检测的图像识别算法是基于图像处理的产品表面缺陷自动检测系统快速并正确地检测缺陷的关键。以E型磁环表面缺陷的自动检测为例,分析了产品表面图像的特征,用梯度直方图自适应阈值分割的方法对图像进行增强和分割;并提出了一种新的快速识别算法对分割后的目标图像进行检测,实验结果表明了该算法的有效性和实用性。     

基于异常检测的产品表面缺陷检测与分割

工业制造中缺陷样本难以获得且缺陷表现形式多样,只用训练正样本的异常检测技术越来越多地被应用于产品表面缺陷检测。异常检测一般通过评估产品图像的异常分数对产品进行有无缺陷的判断,缺乏对缺陷位置的描述,最新提出的异常分割方法对此进行了改进,但对缺陷区域的分割不够精确。基于异常检测方法,使用标准化流来判断产品表面是否有缺陷,采用多尺度特征融合并对齐来初步定位缺陷位置,结合梯度和最大信息熵,使用分水岭算法对初定位结果进行优化得到缺陷分割掩码。在丽盛制板,KolektorSDD和AITEX3个表面缺陷数据集的检测与分割结果均优于其他同类方法。此外,在小样本数据集上也能达到良好的检测与分割精度。     

带钢表面缺陷图像的增强和分割方法

对带钢表面缺陷进行检测时,由于光照不均匀,将导致缺陷难以识别和分割.针对此问题,提出了改进的图像增强与分割方法.首先,利用自适应二维高斯函数对图像背景进行估计,并结合图像的像素运算均匀图像背景灰度;然后,采用灰度变换函数提高缺陷区域与背景的对比度,增强细节信息;最后,采用最大相关准则方法选取阈值对缺陷图像进行分割.实验...     

基于缺陷比例限制的背景差分钢轨表面缺陷检测方法

针对钢轨表面图像具有的光照不均匀、可识别特征有限、对比度低、反射特性易变等特性,提出基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。该方法主要包括轨面图像预处理、背景建模与差分、缺陷比例限制滤波、缺陷比例限制最大熵阈值分割和连通区域标记5个步骤。首先结合轨面图像列灰度均值和列灰度中值进行快速背景建模,将预处理后的图像与背景图像进行差分操作;其次利用轨面图像缺陷占比较低的特征对差分图进行缺陷比例上限的阈值截断,以增强差分图的对比度;随后利用此特征改进最大熵阈值分割,采用自适应加权因子对目标熵进行全局可变加权,并选择出一个合适的阈值使熵值最大化,使得在保留真实缺陷的同时减弱诸如阴影、锈迹等噪声的干扰;最后利用连通区域标记法对阈值分割后的二值图像中的缺陷区域进行统计,并把缺陷面积低于钢轨损伤标准的区域判定为噪声并进行去除,以实现钢轨表面缺陷检测。仿真实验结果表明,新方法可以对钢轨表面缺陷进行很好的检测,其检测结果的召回率、精确率和加权调和平均值分别达到94.19%、88.34%和92.96%,平均错误分类误差值为0.006 4,具有一定的实用价值。     

基于RPCA和视觉显著性的风机叶片表面缺陷检测

摘 要：针对风机叶片表面缺陷检测问题,提出了一种基于鲁棒主成分分析(RPCA)和视觉 显著性的表面缺陷检测方法。在 RPCA 的基础上,通过增加噪声项和考虑像素的空间关系,以 利于缺陷的分割,即通过 F 范数正则项抑制高斯噪声和光照不均,利用 Laplacian 正则项约束像 素的空间关系,以保持显著图中具有相似显著值且空间相邻超像素的局部一致性和不变性。首 先,对输入的风机叶片表面图像进行超像素分割和特征提取,得到图像的特征矩阵;然后,利 用改进的 RPCA 法得到稀疏矩阵,根据稀疏矩阵和视觉显著性方法计算出缺陷区域的显著图; 最后,优化显著图并采用自适应阈值分割实现缺陷的检测。通过实验仿真和对实验结果定性定 量分析,表明该方法具有较高的准确率。     

基于目标特征的机械零件表面缺陷检测方法

针对机械零件表面缺陷的特点,提出了一种基于目标特征的检测方法。首先,通过对测试图像进行均值滤波,以消除噪声对检测的影响;其次,通过分析表面缺陷特征设置分割阈值,在此基础上,实现对检测目标分割;最后,采用形态学滤波消除噪声和孤立点对检测结果的影响。实验表明,本文采用的方法能够有效抑制图像背景干扰,能够有效的实现机械零件表面缺陷准确检测。     

基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

基于背景差分与最大熵的轨面缺陷分割

为了提高钢轨表面缺陷检测的效率和准确率,提出了一种基于背景差分与最大熵的轨面缺陷检测算法.首先建立钢轨图像背景模型并将原图像与背景图进行差分操作,以此来避免光照变化和反射不均的影响,更准确地突出缺陷区域;然后将改进的遗传算法与最大熵值法相结合来寻找最佳分割阈值并对差分图进行二值化,通过结合改进遗传算法加快了最大熵值法的运算速度;最后对二值图进行滤波操作,完成钢轨表面缺陷的分割.仿真结果表明该方法能够更加快速准确地分割出缺陷,精确率、召回率和正确率分别达88.6%、93.4%和90.6%.     

基于局部信息熵迭代的带钢表面缺陷分割

在带钢产品的生产过程中,表面缺陷检测是其质量控制的重要环节之一。由于流水线以高速运行造成了钢板表面的震动,钢板材质可能引起光线不规律的反射,以及光照在钢板表面上分布的不均匀性,使获取的带钢图像呈现中间偏亮四周偏暗的成像效果。本文针对带钢表面图像灰度分布的特性,结合边缘点投影和信息熵迭代阈值选取,提出了基于局部信息熵迭代的带钢表面缺陷分割。试验结果表明,该方法能具有较好的分割效果。     

基于多聚焦图像融合的小孔内表面缺陷检测

针对传统直径3 mm以下小孔内表面缺陷检测缺乏有效检测方法的问题,提出了一种新的基于显微光学与多聚焦图像融合的小孔内表面缺陷检测方法。首先在不同光照环境下,呈斜入射方式沿小孔轴线方向依次采集单侧孔壁的序列图像;然后通过前景光照下得到的掩膜模板提取孔壁图像的感兴趣区域（ROI）,并运用快速鲁棒性特征（SURF）算法实现ROI配准;进而采用基于区域清晰度的小波图像融合方法实现ROI多聚焦图像融合;最后以直径2 mm喷丝板导孔为实验对象,采用阈值分割算法提取导孔内表面的溶蚀斑进行检测分析。实验结果表明,该方法具有一定的可行性,避免了传统人工检测方法效率低的问题,同时打破了传统直径3 mm以下的小孔内表面检测方法不再适用的局限性。     

基于决策树学习的柱状二极管表面缺陷检测系统设计

研究对象为柱状二极管,管体表面分布着白色文字和极性环。通过光学原理设计出能够减弱反光、打亮侧面的光学平台。同时,从对象分割、特征提取和决策树分类器三方面讲述视觉软件系统的设计流程:针对文字与缺陷ROI相混的情况,先利用笔画宽度转换(SWT)分割文字,剩下的连通ROI即是缺陷ROI;针对缺陷特征,提出平均灰度、环状度、边缘方向直方图和LBP四项特征值;最后利用决策树分类器对缺陷ROI进行分类,缺陷ROI识别率接近100%,缺陷ROI分类正确率达到92.3%,取到了较好的识别和分类效果。     

基于缺陷比例限制的背景差分钢轨表面缺陷检测方法

针对钢轨表面图像具有的光照不均匀、可识别特征有限、对比度低、反射特性易变等特性，提出基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。该方法主要包括轨面图像预处理、背景建模与差分、缺陷比例限制滤波、缺陷比例限制最大熵阈值分割和连通区域标记5个步骤。首先结合轨面图像列灰度均值和列灰度中值进行快速背景建模，将预处理后的图像与背景图像进行差分操作；其次利用轨面图像缺陷占比较低的特征对差分图进行缺陷比例上限的阈值截断，以增强差分图的对比度；随后利用此特征改进最大熵阈值分割，采用自适应加权因子对目标熵进行全局可变加权，并选择出一个合适的阈值使熵值最大化，使得在保留真实缺陷的同时减弱诸如阴影、锈迹等噪声的干扰；最后利用连通区域标记法对阈值分割后的二值图像中的缺陷区域进行统计，并把缺陷面积低于钢轨损伤标准的区域判定为噪声并进行去除，以实现钢轨表面缺陷检测。仿真实验结果表明，新方法可以对钢轨表面缺陷进行很好的检测，其检测结果的召回率、精确率和加权调和平均值分别达到94.19%、88.34%和92.96%，平均错误分类误差值为0.006 4，具有一定的实用价值。     

改进的精密机械加工零件表面缺陷检测算法

对加工表面纹理缺陷进行可靠的检测分析可以有效提高机械加工零件表面精加工的水平。基于计算机视觉技术对机械加工零件表面实现自动缺陷检测,由于机械加工零件表面纹理的特殊性,常用的灰度图像分割方法对机械加工零件表面缺陷的检测不适用;且其表面的缺陷信息无法预先得知,其图像分割是一个非监督纹理分割问题,对此提出了一种改进的模糊聚类缺陷检测算法,实现了对机械加工零件表面缺陷的自动化检测,实验结果证明了该算法的可行性。     

基于简化粒子群优化的高铁钢轨智能检测技术

钢轨图像对比度低,光照不均匀,含有阴影、锈迹、斑痕等干扰区域,使得钢轨表面缺陷实时检测成为视觉检测的难点。针对此问题,提出一种基于粒子群优化的钢轨表面缺陷分割方法,针对传统的OTSU阈值分割方法受图像对比度、信噪比等因素影响较大的缺点,采用二维OTSU方法加以改进,提高缺陷分割的准确性,同时结合简化粒子群优化搜索方法,提高阈值分割速度,减少耗时。实验结果表明:本文方法可以有效地消除随机噪声,保留必要的缺陷信息,同时该方法具有较高的分割速度和精度,满足实时性要求。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

磁粉探伤钢轴表面裂纹智能识别方法研究

荧光磁粉探伤被广泛应用于钢轴表面以及近表面缺陷检测。目前的检测手段主要依赖于人工识别缺陷。长期暗室工作条件会严重影响人的身体健康。为实现检测过程自动化,提出了一种将机器视觉与图像处理技术应用于磁痕图像缺陷判别的智能识别手段。通过工业相机获取磁痕图像。对获得的磁痕图像,利用色彩叠加原理,去除金属表面反光对成像质量的影响;同时,为保证检测算法的实时性,使用模板匹配技术确定工件在图像中出现的位置;提取工件所在区域的纹理特征,利用神经网络分类器实现对钢轴表面缺陷的自动分类,减少了人为因素对判别结果的影响。结果表明:该方法对工件表面裂纹和纤维物、磁悬液堆积等伪缺陷具有更高的识别率和更快的识别速度,可实现工件表面缺陷检测的自动化。     

产品表面缺陷检测的多通路阈值收缩融合网络

产品表面缺陷检测任务的重点是对产品表面图像中的异常缺陷区域进行自动检测和分割。然而实际应用中,由于噪声的退化影响和缺陷类型的复杂多样,产品表面缺陷检测仍然是一项具有挑战性的任务。为了应对这些问题,提出了产品表面缺陷检测的多通路阈值收缩融合网络。在各尺度通路中,为了降低噪声干扰,该网络设计了自适应阈值收缩去噪模块,通过双支路自主学习水平和垂直方向的收缩阈值,去除特征中的干扰噪声并且保留有效背景信息,从而实现自适应去噪。为了更准确定位缺陷对象,设计了上下文三维注意力融合模块,通过水平聚合和垂直聚合生成三维注意力图,增强异常区域特征。最终将平行的多尺度特征融合,实现对不同尺度以及不同类型缺陷的有效检测。将所构建模型在SD-900和MVTec-AD数据集上与最新的8种方法进行比较,实验结果表明该模型能够有效提升检测精度,并能够对噪声干扰保持鲁棒性,消融实验也验证了自适应阈值收缩去噪模块和上下文三维注意力模块融合的有效性。     

基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。     

基于自模板重构与NSCT的汽车内饰件表面缺陷检测方法研究

汽车内饰件作为汽车产业中重要的零部件之一,不仅要具备良好的尺寸精度和物理性能,而且要满足很高的外观需求。由于汽车内饰件表面具有高反射性且缺陷种类繁多,准确、快速地识别和定位表面缺陷具有较高的挑战性。为此提出一种基于自模板重构与非下采样Contourlet变换(NSCT)的汽车内饰件表面缺陷检测方法。利用稀疏表示算法对试件图像进行重构,生成自模板;利用差影法生成残差图像,以抑制背景信息;利用NSCT对残差图像进行增强,实现缺陷的分割与定位。该方法对图像的光照不均不敏感,且在残差图像生成过程中无需对图像进行位置较准,因此,该方法具有较强的鲁棒性。实验结果表明,该方法可以有效地检测汽车内饰件表面的各种缺陷,其检测精度可达0.1 mm。     

基于自编码和知识蒸馏的表面缺陷检测方法

针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器（CAE）架构用于分割和定位缺陷,其目的是将输入的原始图像转换为基于CAE的预测蒙版;其次,利用阈值模块对预测结果进行二值化以获得准确的缺陷轮廓;然后,把缺陷区域检测器提取并裁剪出来的缺陷区域视为下一个模块的输入;最后,将CAE分割结果的缺陷区域通过知识蒸馏进行类别分类。实验结果表明,与其他几种表面缺陷检测方法相比,所提出的方法综合性能最好,其缺陷检测平均准确率为97.00%。该方法能够有效地对较小的、边缘不清晰的缺陷进行分割,满足对物品表面缺陷实时分割检测的工程要求。