共查询到10条相似文献,搜索用时 15 毫秒
1.
《Planning》2021,(1)
传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低。针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法。扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利用稀疏成像,修正特征参数,对参数进行BP神经网络训练,进而识别金属次表面缺陷类型。选取钢管的凹坑、划痕和擦伤次表面缺陷,进行对比实验,结果表明,此次方法提高了缺陷检测识别准确率,更加符合检测方面的要求。 相似文献
2.
基于传热学理论,利用红外热成像检测技术对钢板组合剪力墙界面脱空问题进行了研究。结果表明,采用主动式热激励和被动式热激励加热两种方式可以有效识别出钢板组合剪力墙界面脱空的缺陷位置和尺寸,当钢板壁厚为1 mm时,可识别1 cm^2以上的缺陷;钢板壁厚为3 mm和5 mm时,可识别4 cm^2以上的缺陷。合理控制热激励功率和时间可以有效减小缺陷尺寸识别的误差率。结合工程实际,红外热成像法可以识别出钢板组合剪力墙界面脱空缺陷及未浇筑区域,便于在浇筑混凝土时进行实时跟踪检测。 相似文献
3.
《Planning》2017,(4)
在生产和服役过程中线夹表面会产生裂纹缺陷,降低了线夹的力学性能,给电力供应造成威胁。提出了基于涡流检测的线夹缺陷检测方法,运用主分量分析法提取缺陷信号特征,采用支持向量机法自动识别缺陷。搭建了涡流检测实验系统和3D扫描系统,采用电火花技术制作了深度和长度不同的缺陷试件。实验研究了缺陷长度和深度变化对信号的影响规律,分析了缺陷特征信号的分布。实验结果表明:优化后的核参数可使支持向量机的分类精度达到96%以上,提出的线夹缺陷检测和分类方法可为在役线夹缺陷检测和质量控制提供有效的指导。 相似文献
4.
5.
6.
《Planning》2017,(4)
常规矢量全聚焦成像仅利用检测信号的幅值信息,其成像质量受噪声、栅瓣和旁瓣等的影响大。综合利用检测信号的幅值和相位信息,本文提出两种相位加权的矢量全聚焦成像方法。首先,对全矩阵数据的相位信息进行分析,提取出两种相位特征参数:相位一致因子(Phase Coherence Factor:PCF)和极性一致因子(Sign Coherence Factor:SCF);然后,将全阵列划分为若干子阵列,分别利用两种相位特征参数对各个子阵列的成像幅值进行加权,求取加权幅值特征向量;最后,对所有子阵列的加权特征向量进行合成,得到两种加权的矢量全聚焦成像,并从中提取出裂纹方向及尺寸等特征信息。将三种矢量全聚焦成像方法应用于不同缺陷检测仿真及实验验证,结果表明,3种方法均可以实现缺陷方向识别与长度定量测量;但相位加权矢量全聚焦成像效果明显优于常规矢量全聚焦成像结果,其成像信噪比及分辨率更高,缺陷角度及长度测量结果更准确。本文研究工作为缺陷无损评价提供了可行的技术手段。 相似文献
7.
《Planning》2014,(10)
为了研究裂纹缺陷的深度对检测结果的影响,本文基于Ansoft Maxwell 3D涡流场分析的方法,建立了涡流检测系统模型,以裂纹深度为变量,使激励线圈在导电平板上方沿裂纹垂直方向进行扫描仿真,得到了激励线圈的磁力线分布和导电平板的电涡流密度分布,并分析不同的裂纹深度对磁感应强度的影响。结果表明:当激励线圈接近导电平板裂纹时,磁感应强度会发生变化,裂纹越深,其变化越大。 相似文献
8.
《Planning》2015,(10)
针对基于机器视觉的吹塑产品外形尺寸在线检测系统易受环境的影响而导致检测精度及速度无法保证的问题,提出了一种基于改进形态学的亚像素边缘提取方法。首先在已获得感兴趣区域的基础上,采用形态学梯度算子和Canny算法确定物体边缘点的像素级位置;然后以该位置的邻域像素灰度值作为判断的补充信息,采用高斯拟合方法求得边缘点的亚像素边缘轮廓,进而得到外观尺寸。试验结果表明:该提取方法具有抗噪声能力强、计算速度快、定位精度高等优点,既能够获得连续光滑的亚像素轮廓,还能够很好地保留原图像的信息,且每次检测周期约为0.2s。 相似文献
9.
《Planning》2018,(7)
本文通过对核电站蒸汽发生器传热管胀管过渡段和弯管切点两个特殊位置的缺陷涡流旋转探头和阵列探头检测信号的比对分析,研究两种探头在特殊位置的人工裂纹以及平底孔的检测灵敏度以及单边信号幅值变化特征,从而为后续的现场检查提供指导。 相似文献
10.
《Planning》2016,(1)
本文主要利用超声相控阵技术进行了裂纹方向识别研究。首先,对线性超声相控阵探头采集的全矩阵数据进行了全聚焦成像,确定缺陷的位置。然后将线性阵列划分为若干子阵列,研究了缺陷位置处子阵列的散射系数分布,从中提取出缺陷的方向信息。在此基础上,研究了子阵列参数选择(子阵列包含晶片数及相邻子阵列间隔晶片数)及探头位置对裂纹方向识别的影响。通过对散射系数分布图中提取的3个特征指标,角度测量误差、角度分辨率及相对脊带宽度,进行主成分分析,评价了子阵列参数设置(如子阵列包含晶片数及相邻子阵列间隔晶片数)对裂纹方向识别的影响,优化出最佳的检测位置及子阵列参数设置。仿真和检测实验结果表明,当相邻子阵列间隔晶片数为1,包含晶片数为11个时,可以利用超声散射系数分布进行裂纹方向的准确测量,测量误差小于2%。 相似文献