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Faster R-CNN的零件表面缺陷检测算法

针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类算法生成anchor对检测结果的影响,提出了基于聚类生成anchor方案的Faster R-CNN的零件表面缺陷检测算法,并引入多级ROI池化层结构,减少ROI池化过程中取整带来的偏差,实现高效并准确检测零件表面缺陷的目的.通过设计缺陷图像数据采集方案,建立了3种缺陷零件数据集,并验证了算法的性能.实验结果表明,该算法将缺陷检测的均值平均精度mAP从原算法的54.7%提高到97.9%,检测速度最快达到4.9 fps,能够满足智能制造的生产需求.     

基于自适应阈值“双K算法”的零件缺陷边缘检测

针对传统边缘检测方法难以实现边缘信息的准确检测问题,提出了一种零件缺陷边缘检测的新方法.首先对采集到的零件缺陷图像进行灰度化和Wiener滤波,以减少噪声等因素对后期检测的影响;然后,以kalman算法预估图像分割阈值作为Krisch算法的初始阈值;在此基础上,进行零件缺陷边缘检测,以提高零件缺陷检测的准确性.最后,利用MATLAB软件对零件缺陷图像进行仿真试验,验证边缘检测算法的检测效果.实验结果表明,推荐算法检测的平均准确率达到94.38%,能够有效实现零件缺陷边缘信息的检测.     

基于无人机视觉的起重机表面裂纹检测方法

为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。     

一种基于多域特征的JPEG图像隐写分析算法

为实现对以JPEG图像为载体的隐秘图像的高效检测,提出了一种基于多域特征的通用隐写分析算法。该算法结合两种不同校准方法在图像不同域中对原始载体图像的估计能力,分别从图像DCT域、空域和DWT域中提取特征向量,提高了特征向量对隐秘信息的敏感性,达到了隐秘图像的高效检测。实验结果表明,与现有几种典型的通用隐写分析算法相比,所提算法具有很好的检测效果且稳定性好、运算速度快。     

一种改进阈值分割的荧光磁粉裂纹提取算法

荧光磁粉探伤是一种广泛使用的铁磁性材料表面裂纹检测技术，但荧光磁粉图像中的反光区域和噪声将给裂纹检测带来困难。为消除反光及噪声的影响，精确获得裂纹目标，提出了一种改进阈值分割的荧光磁粉裂纹提取算法。该算法根据G通道分离和自适应中值滤波算法对图像进行预处理，降低反光区域和噪声对裂纹检测的影响。结合图像梯度和相位一致性构建联合分布直方图，根据最大熵算法确定裂纹分割的阈值，得到裂纹候选区域。通过迭代式裂纹连接算法对裂纹进行修补，得到完整的裂纹目标。实验结果表明，针对荧光磁粉裂纹图像，该算法能够在噪声干扰、反光遮挡和低亮度裂纹条件下获得完整准确的裂纹目标，且裂纹提取的正确率可达96.94%。     

应用MATLAB图像工具箱的不规则裂纹检测

提出了一种表面不规则裂纹特征的检测方法,通过获取CCD相机拍照得到裂纹图像,使用MATLAB图像处理工具箱对图像进行灰度化、二值化处理。对二值图像可以进行细化处理以求得裂纹长度,提取灰度等值线可以获得裂纹边界,在提出的修正算法下可以得到裂纹真实宽度的近似值,相比于其他已知方法提高了计算结果的精度,并且实现了自动处理,降低了数据处理过程中的人工劳动强度,提高了数据处理效率。     

基于数字图像技术的钻杆裂纹检测研究

数字图像在石油钻杆无损检测中应用广泛,文中重点介绍荧光磁粉成像法。基于该原理,设计实现了一个表面裂纹无损检测软件,利用钻杆图像颜色较为单一、干扰因素较少以及图像结构稳定的优点,在分析钻杆表面裂纹走向的基础上,主要讨论了图像二值化后裂纹的识别算法和裂纹真伪性的判断。提出了基于顺序扫描法的改进裂纹识别算法,可以有效地进行裂纹识别,以及利用圆形度进行裂纹真伪识别判断,实验结果证明该系统检测效果良好、效率高。     

基于数字图像技术的钻杆裂纹检测研究

数字图像在石油钻杆无损检测中应用广泛,文中重点介绍荧光磁粉成像法.基于该原理,设计实现了一个表面裂纹无损检测软件,利用钻杆图像颜色较为单一、干扰因素较少以及图像结构稳定的优点,在分析钻杆表面裂纹走向的基础上,主要讨论了图像二值化后裂纹的识别算法和裂纹真伪性的判断.提出了基于顺序扫描法的改进裂纹识别算法,可以有效地进行裂纹识别,以及利用圆形度进行裂纹真伪识别判断,实验结果证明该系统检测效果良好、效率高.     

基于图像处理的带钢表面缺陷检测改进算法的研究

由于在带钢的生产过程中会出现多种表面缺陷,因此本文中研究了一种基于图像处理的带钢表面缺陷检测改进算法对表面缺陷进行有效检测。算法中对边缘检测、图像分块、连通域分析等过程进行了改进,并提出了一种针对带钢图像的图像二值化算法,相较于传统的缺陷检测算法,本文中的检测算法在保证处理速度的同时,可以使处理的图像细节更完整清晰,缺陷定位更准确,且总体的检测正确率在90%以上,为后续缺陷分类提供更加准确的数据支持,可有效解决带钢表面缺陷检测问题,对企业生产过程中的技术改善起到至关重要的作用。     

基于图像的缸体零件表面缺陷检测方法

针对人工抽样目测方法和超声波、电磁波等测量技术用于新型检测方法存在各式各样的缺点,为了实现在线高速检测汽车制动缸内壁是否存在缺陷,基于数字图像处理技术,提出了一种能很好满足要求的图像处理和缺陷检测方法.通过CCD相机采集零件需要检测表面的图像;用Matlab软件对图像进行必要的处理、对边缘进行提取;通过腐蚀和膨胀运算优化边缘,再采用连通域标记,通过计算缺陷区域处面积和周长两个物理量来判断缺陷类型和特征.结果表明:此方法能检测出缸体内表面缺陷,基本上能满足缺陷快速检测要求.     

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。     

基于渗透算法和改进型OPTA的裂纹检测算法

针对低压电流互感器表面裂纹的提取与判定,提出基于渗透算法和改进型OPTA（One-Pass Thinning Algorithm）的互感器表面裂纹检测算法。首先获取互感器表面的灰度图像;其次根据裂纹区域像素值、亮度变化,通过设定种子像素点、亮度阈值,利用渗透算法渗透得到二值图;再次从裂纹连通性入手,利用改进型OPTA提取ROI（Region of Interest）的骨架,骨架由单像素点组成;最后利用裂纹具有分叉性的特点,像素点的邻域点个数超过2的即可判定为裂纹。实验表明,渗透算法能够有效地从图像中提取出ROI,并保持了ROI的线性特征,改进型OPTA使ROI完全细化为单像素图像,提出的邻域点判别法检测效率在97%以上,相较于所提其他检测方法有明显提高。     

改进的拼凑算法实现水印嵌入和盲检测

提出一种改进的拼凑算法,用来在空间域实现水印的嵌入和盲检测,算法在不影响原始图像视觉效果的基础上,对常见的图像攻击具有较好的鲁棒性.水印检测不需要原始图像的参与,有效实现了盲检测.     

基于图像分析的飞机蒙皮裂纹检测

为实现飞机蒙皮裂纹的自动检测，在通过云台搭载长焦成像系统进行扫描成像的基础上，研究蒙皮图像处理与裂纹参数提取算法。针对飞机蒙皮图像的特点，首先通过光照一致化、自适应灰度拉伸、分区大津（OTSU）法阈值分割等处理得到裂纹的二值化图像；然后利用连通域的面积、矩形度等特征剔除块噪声；在去噪的基础上，对二值化图像中的裂纹部分进行细化、去毛刺等操作，并通过去节点获取各条裂纹枝干；最后以枝干像素为索引，逐点跟踪获取各条裂纹枝干的长度、平均宽度、最大宽度、起点坐标、终点坐标、中心坐标、裂纹走向及数目等信息并由检测软件输出裂纹检测报告。实验结果表明，所提方法可有效检测宽度大于1 mm的蒙皮表面裂纹，为飞机机身和机翼蒙皮表面裂纹的自动检测提供了一种可行手段。     

红外无损检测中的裂纹特征提取和图形重建方法研究

应用红外热成像技术于管道表面裂纹的无损检测,在对裂纹红外无损检测的试验和数值研究基础上,研究了裂纹特征提取算法,制定了裂纹重建流程,并实施了裂纹图形重建。所得结论表明方法可行,结论可信,表面裂纹形状的识别具有较高的精度。研究对于红外无损检测具有一定的工程应用价值,并提出了一条基于红外热图像的裂纹图像重建技术路线。     

基于改进显著图的高效裂纹检测算法

裂纹检测对于确保设施和设备的安全运行非常重要。然而现有的裂纹检测方法数据标注困难,且训练时间长,检测速度慢。针对这些问题,提出一种基于改进显著图的裂纹检测算法,应用卷积神经网络提取的特征计算出图像中裂纹的位置,从而实现裂纹检测。该算法解决了裂纹检测算法数据标注困难的问题;训练时间短,使用两块k80显卡训练时间仅为23 min;检测速度快,具有105 帧/s的检测速度;同时在自制数据集上达到了52%的平均精度,验证了该算法的有效性。     

基于机器视觉的汽车精密零件表面缺陷自动检测方法

汽车精密零件表面缺陷会导致零件故障,为了提高缺陷检测能力,提出基于机器视觉的汽车精密零件表面缺陷自动检测方法。构建汽车精密零件表面缺陷的机器视觉图像采集模型,采用单背景约束下的表面光泽点提取的方法,分析汽车精密零件表面的结构纹理特征值,在视觉传感下通过对汽车精密零件的形变、相变参数分析,分析汽车精密零件的机械性能和服役性能,在切削载荷作用下,通过疲劳裂纹的视觉特征重构,在机器视觉下采用表面残余应力及变质层的动态特征分析,通过缺陷特征检测和有限元仿真分析,实现对汽车精密零件表面缺陷自动检测。测试结果表明,采用该方法进行汽车精密零件表面缺陷检测的纹理匹配度较高,检测性能较好,对零件表面的断屑、化学磨损等各类缺陷检测的可靠性较高。     

基于AdaBoost的计算机生成图像检测算法

提出了一种基于AdaBoost的计算机生成图像检测算法;该算法从空间域和变换域提取JPEG图像的特征值,利用特征组合技术来检测计算机生成图像.其中,小波域特征值是图像小波子带系数及其线性预测误差的高阶统计量,空间域特征是图像的梯度能量特征值.利用AdaBoost算法来构造分类器.相比于其它分类算法,AdaBoost算法是将弱学习算法通过一定规则上升为一种强学习算法,从而通过实际样本训练得到一个识别率较为理想的分类器.仿真实验表明,对计算机生成图像的检测率有了很大的提高.