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...     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

焊缝X射线数字图像的圆形缺陷识别计数方法

采用平滑操作,消除源图像噪声。通过直方图阈值处理,将数字图像二值化。利用梯度信息修正算法进行边缘检测,并用腐蚀和膨胀凸显气孔边缘特征信息,通过细化算法来抽取圆形缺陷图像的骨架。采用中心点标注统计圆形缺陷的数量并计算其平均尺寸。结果表明,基于Visualc＋＋程序设计算法得到的圆形缺陷轮廓清晰,数量统计准确。     

基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法

目的 设计一种钢轨表面缺陷检测方法,对钢轨表面存在的缺陷进行快速、准确地检测。方法 首先,利用图像的灰度均值构造灰度均衡模型,对钢轨表面图像中像素点的灰度值进行修正,以克服光照不均的影响。然后,利用图像的谱残差模型与相位谱增强钢轨表面图像中的缺陷部分,引入ostu阈值分割法对增强后的图像进行二值化,对图像中的缺陷区域进行准确地分割提取。最后,利用Gabor滤波器,将二值化图像中的噪声进行滤除,并保留缺陷区域的边缘等细节特征。结果 与对照组方法相比,所提方法的检测效果较好,精确率以及召回率都有所提高。直观测试结果显示,所提方法能够较为完整地检测出钢轨表面缺陷。客观测试实验结果显示,所提方法的精确率为90.11%,召回率为93.41%,且平均耗时为45.17 ms,相对对照组方法而言,耗时最少。结论 所提钢轨表面缺陷方法不仅能够准确地对钢轨表面缺陷进行检测,而且还具有较高的检测效率。     

基于个数判断边缘的镁熔液第一气泡图像检测

针对镁熔液表面第一气泡的图像识别,提出了基于个数判断边缘的自适应背景预测算法.该算法首先利用个数判断边缘的方法判断当前像素点所处的位置,然后对不同位置的点自适应地采用不同的预处理算法,若当前像素点处于边缘区域则进行最大化背景预测处理,若与前像素点处于非边缘区域则不做任何处理保留其原始灰度值,最后经帧间差分和阈值分割,将第一气泡检测出来,并与传统最大化背景预测预处理算法进行了对比.结果表明,该算法不仅能准确地检测到第一气泡,而且还能更有效地抑制背景,信噪比明显提高.     

基于分块显示的工字型焊件感兴趣区域自适应提取

感兴趣区域的自适应提取对焊接缺陷评价系统运行速度的提高有重要意义.本文针对工字型焊件射线检测图像的特殊性,提出了一种基于图像分块显示的感兴趣区域自动提取新方法,该方法可精确定位感兴趣区域边缘值,从而实现感兴趣区域的自适应提取.此外,与手动提取方法进行了对比.结果表明:本文提出的方法能很好地实现检测图像中感兴趣区域的自适应提取,且提取结果不受腹板高度变化的影响,算法的鲁棒性强;相比于手动法,提取结果更精确,避免了频繁修改程序的操作,后期图像处理的速度显著提高.该算法的实现使整个图像处理及缺陷评价系统成为了一个完整的整体,工程应用前景广阔.     

基于图像处理的油气站场管道完整性检测方法

结合图像处理技术,提出了一种油气站场管道完整性检测方法。检测时通过管道机器人采集油气站场管道图像。为提高图像质量,需对采集到的原始图像进行处理。针对预处理好的图像,标记图像缺陷区域,提取缺陷面积、周长、圆形度、长轴与短轴之比、梯度等5个几何特征参数。以这5个几何特征参数为输入,通过DBN(深度置信网络)构建分类器进行油气站场管道完整性检测。结果显示缺陷识别质量指数均大于8.0,说明该方法的检测结果较为准确,可以用于实际油气站场管道的完整性检测。     

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%.     

工件表面缺陷图像检测中的自适应聚类

目的 针对工件表面形态复杂、干涉交叠缺陷难以实现自动分离、分类图像检测的情况,提出一种工件表面交叠缺陷自适应图像聚类方法。方法 首先提取工件表面缺陷二值图像,采用混合概率主成分分析器估计缺陷位置各像素点局部切空间信息,并改进局部切空间之间的相似性矩阵;然后通过改进局部密度峰值自适应方法,基于相似性矩阵确定聚类中心点和数目;最后通过谱多流形聚类,将各分析器所包含的像素点分配至不同缺陷流形结构中,实现多个交叠缺陷分离、检测。结果 首先通过比较计算与实际测量的长度、宽度来验证该方法对相互交叠结构缺陷良好、准确的分离效果,平均相对误差分别为0.957%和0.650%。其次为了体现该方法对于分离工件表面相互交叠缺陷的有效性及优越性,使用k-means聚类、谱聚类与该方法进行对比实验,证明了该方法良好的聚类效果。最后对所设计方法的稳定性进行测试,统计检测结果的平均ME值均在6%以下,正确聚类数目率高达99%~100%。结论 该方法能够较为准确地自动识别工件表面图像中存在相互干涉的不同缺陷,并进行分离。     

射线检测图像中焊缝和缺陷的提取方法

针对射线检测图像中焊缝和缺陷难于准确检测提取问题,基于逐级局部化处理,提出了一种实用的检测方法.方法充分利用了图像本身已包含的信息,首先通过条带区域特征检测确定焊缝区域在原始图像中的大致位置,然后通过列灰度波形分析确定焊缝边界和缺陷所在的局部区域,并粗分标记区域类型为非裂纹类和裂纹类,最后分别采用基于分水岭变换和Bea...     

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。     

基于机器视觉的刹车衬芯缺陷检测系统设计

由于人工检测刹车衬芯缺陷存在效率低下、标准不一致等问题,开发一套基于机器视觉的刹车衬芯缺陷检测系统,实现衬芯法兰面的缺陷检测。设计光学方案获取衬芯法兰面图像,首先利用并行中值滤波对原图像去噪,然后使用改进的Otsu方法提取出法兰面区域,最后通过傅里叶变换与反傅里叶变换相结合的方法获取缺陷信息并进行判别。实验结果表明：该系统检测准确率为98.9%,漏检率为0,对于单个衬芯零件的平均检测时间为0.232 s。该系统测量精度高,运行速度快,可以有效地取代工业检测中的人工测量。     

基于优化Gabor滤波器的铸坏表面缺陷检测应用研究

目的提高金属铸坯表面缺陷检测精度。方法由于金属铸坯表面上存在鱼鳞状构造,其亮度和背景区域纹理特征不一致,而且有缺陷和无缺陷的区域的灰度值极其相似,使得缺陷非常难以准确检测出来。为解决上述问题,以便更有效地检测表面缺陷,通过详细分析金属铸坯表面缺陷特征,将该类零件表面缺陷分为两种类型,提出一种基于优化Gabor滤波器的金属表面缺陷检测算法,该算法通过设计两种评价函数,利用评价函数最大限度地提高无缺陷和缺陷区域之间的能量差,以选取Gabor滤波器四个最佳参数,同时使用双阈值滤波方法,以减少由于噪声和伪缺陷引起的测量误差。结果利用3种滤波算法对四十幅带有缺陷的图像进行试验,实验表明该算法在角部裂纹、细裂纹和伪裂纹检测精度分别达到92.50%、92.50%和95.50%。结论 Opt-Gabor算法能根据已分类的两种不同类型的裂纹较为准确地检测出铸坏表面缺陷,在测量精度上略优于其他几种算法。     

金属表面缺陷的电涡流脉冲热成像检测

利用搭建的电涡流脉冲热成像检测平台,对常用金属的表面缺陷进行了检测.为了去除热成像图中的噪声,提高金属试件表面缺陷的对比度,采用独立成分分析法分析了表面缺陷的热响应特征.结果 表明,独立成分分析法可有效地识别出缺陷、线圈、缺陷及线圈附近、试件边缘等区域的热响应信号特征,缺陷区域成像清晰,实现了金属构件表面线性缺陷和微小...     

基于PSO-SVM的FPC焊盘表面缺陷检测研究

针对柔性线路板(FPC)焊盘表面的缺陷检测,建立了一种利用粒子群算法(PSO)进行参数寻优的PSO-SVM分类识别模型。首先通过OTSU法将焊盘从原始图像中分割出来,然后对其5种表面缺陷从形状、灰度、纹理三个方面提取了14维特征,接着用粒子群算法方法对支持向量机的参数优化以获得较高的识别准确率,最后对缺陷样本进行分类识别,并将其与GS-SVM和BP神经网络分类性能进行对比。实验证明了该方法可以对焊盘缺陷进行准确的分类识别。     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。