基于改进Canny算子的齿轮缺陷检测边缘检测算法北大核心

针对齿轮缺陷检测过程中因光照及噪声影响导致微弱边缘难以提取的问题,提出了一种改进的Canny齿轮边缘检测方法。首先,将双边滤波算法引入到多尺度Retinex(multi-scale retinex,MSR),在改善原图像降噪效果的同时保证边缘不被虚化,且从原理上降低环境光照对图像的影响;其次,引入拉氏锐化增强算法实现降噪后的图像轮廓增强;最后,以灰度统计方差大小作为Canny算子自适应高低阈值的确定依据,以3×3领域下的6个方向作为梯度计算区域,在自适应阈值下获取齿轮缺陷检测的边缘信息。实验结果显示,所提方法相比与传统Canny、Otsu-Canny算法,所提方法有较好的降噪效果和保边特性,能较好提取齿轮缺陷中的微弱边缘信息,且重叠系数达93.8%,远高于其余方法获取的边缘信息,为后续齿轮缺陷检测提供数据支撑。     

改进Canny算法在中厚板边缘检测中的应用

传统的Canny边缘检测算法容易受到环境噪声和光照变化等外界因素的影响,导致检测结果中会包含部分的背景图中的边缘,而且需要人工选择参数,算法的灵活性和适应性较低。提出了一种改进的基于Canny算子的边缘检测算法,采用双边滤波抑制噪声;利用子图像依据原始背景图均值的方差变化率,确定是否对子图像进行边缘检测与跟踪;使用OTSU算法计算前景亮度自适应阈值及对应的梯度值的阈值以确定Canny边缘检测的单阈值,得到初步的边缘检测结果;最后结合前景的亮度值和梯度值对检测到的结果进行边缘跟踪,得到完整的轮廓。试验结果表明,改进的Canny边缘检测算法不仅具有一定的抗噪性,而且能够利用轧件高温的特点,有效地提取高温物体光辐射造成的弱边缘,抑制背景中因光照、阴影等产生的虚假边缘,是一种检测高温物体有效的边缘检测算法。     

数字射线图像缺陷的Canny算子边缘检测

研究射线检测中缺陷影像频域增强处理后的Canny算子边缘检测处理。使用Matlab7实现处理流程,对处理结果进行了分析。采用双阈值方法,通过滞后阈值化处理,可对Canny算子边缘检测的处理结果进行优化以提高可视性。实验证实,Canny算子边缘检测处理及优化技术可获得典型缺陷影像的边缘,可视性较好。     

基于小波变换和Canny算子的齿轮边缘检测

齿轮表面的缺陷检测是保证齿轮使用安全的一个重要手段。本研究对象为整个缺陷检测系统中的一部分,对输入的图像进行边缘检测,得到图像的边缘信息,是缺陷检测前的准备工作。基于小波变换多尺度多分辨率的特性,提出了将小波变换和Canny算子相结合的方法,对齿轮边缘进行检测。首先采用中值滤波去除图像噪声,然后根据小波变换理论,选取Haar小波提取图像的低频系数并重构,再用Canny算法检测齿轮的边缘,并对实景拍摄图片进行检测实验。结果表明：当小波尺度为1时,与单纯的Canny算法检测相比,改进算法在检测精度上较Canny算子有所改进,能够较好地检测边缘。     

基于Canny算子字符边缘检测与分割方法研究

字符边缘是标牌图像中的凹凸字符最主要特征,选用适当的边缘检测算子得到准确的标牌信息是字符图像处理的关键步骤.本文叙述Canny算子的基本原理和算法实现过程,选用并研究Canny算子来提取字符的边缘特征.为了验证Canny边缘检测算子的效果,分别用Canny、Robert、Sobel、Prewitt、Laplacian和LoG算子对字符图像进行边缘检测试验,分析了边缘检测的结果,得出Canny边缘检测算子是字符边缘检测的一种十分有效的方法.依据Canny算子边缘检测得到的结果,对字符图像进行了填充并分割得到了标牌字符的分割二值化图像.边缘处理和字符分割的结果表明,Canny算子边缘检测能够较好地解决低对比度图像和灰度不均匀字符图像的二值化问题.     

基于聚类数和初始值的K-means算法改进研究

原始的K-means算法,随机生成初始质心,事先给定聚类数k,在该前提下进行聚类,大大降低了聚类的效果.文章是对原始K-means算法的改进,提出了一种基于密度选取初始质心和采取遗传算法优化聚类数k的算法.该算法在一定程度上解决了初始质心和聚类数k对聚类精度和效率的影响,提高了聚类的准确率.最后文章通过实验证明了改进算法的有效性.     

基于Canny边缘检测算子和去除小物体算法的熔池图像处理

采用基于Canny边缘检测算子和形态学去除小物体算法提出了一种新的熔池图像处理算法．首先对熔池的图像所具有的一些特性进行分析，然后对图像分别做中值滤波，二值化，边缘检测，和去除小物体处理。实验结果表明，该方法能够比较有效地得出熔池图像的边缘。     

基于Canny算子的焊缝图像边缘提取技术

焊缝边缘是焊缝图像的最主要特征,选用适当的边缘检测算子得到准确的焊缝信息是焊缝图像处理的关键步骤.选用并研究Canny算子来提取焊缝的边缘特征,详尽地叙述Canny算子的基本原理和算法实现过程.最后为了验证Canny边缘检测算子的效果,分别用Canny、Kirsch、Prewitt、Robert、Sobel和Gauss-Laplace算子对焊缝图像进行边缘检测试验,根据边缘处理结果和焊缝中心坐标图像,得出Canny边缘检测算子是边缘检测的一种十分有效的方法,适合于视觉传感的焊缝跟踪图像处理过程.     

加工大型工件时精确定位方法的研究

针对大型工件加工时由于难找正引起的定位误差，采用最小二乘法，在三维空间中将实测数据点与CAD模糊理论数据点进行拟合，使其满足每个测量点到标准曲面的距离的平方和达到最小，从而计算出曲面在空间的真实位置，利用该方法可以有效的消除大型工件在加工时的定位误差，该方法已经在某磁悬浮列车轨道梁实际加工中得到应用，并取得了很好的效果。     

基于K-means聚类算法的群体机器人聚集队形控制

针对未知环境下的群体机器人形成聚集动态队形的问题进行研究,分析了群体机器人运动控制策略,将K-means聚类算法与复合机体结构队形控制策略相结合,确定群体机器人聚类中心;个体机器人根据局部感知自主产生队形控制行为矢量,奔向目标,躲避障碍物;产生四种行为控制参数,确定机器人运动速度大小及方向;聚集成为圆形并排列成为三角形队形。仿真实验表明了K-means聚类算法与复合机体结构控制策略相结合的可行性和有效性。     

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。     

基于改进果蝇算法的第一类装配线平衡率优化北大核心

为解决第一类装配线平衡问题,提出一种改进果蝇算法。改进果蝇算法采用基于权重的编码方式,使用自适应增长的权重更新策略,并将模拟退火算法融入基本的果蝇算法中。由于权重的不断累加,采用自适应增长的权重更新策略,保证算法的搜索步长一致;模拟退火算法的结合解决了果蝇算法收敛速度快,易陷入局部最优的问题,增加了果蝇算法的全局搜索性;然后使用标准案例验证混合算法的有效性,结果显示,混合果蝇算法与传统算法相比能有效降低最小工作站数,具有搜索能力强,求解精度高等优点;最后用混合果蝇算法对空调外机装配线生产实例进行求解,使装配线平衡率提升了23.36%。     

基于场景信息先验的球焊金丝中心线提取北大核心

在基于机器视觉的球焊金丝空间类缺陷检测中,针对传统算法提取的金丝中心线精度较低,不能用于三维重建这一问题,提出了一种基于场景信息先验的球焊金丝中心线提取方法。该方法充分利用了光器件管芯表面这一检测场景的先验知识,在通过语义分割获取金丝区域的基础上,先使用拓扑细化法初步获取骨架线,再根据Steger算法及最小二乘法对金丝重叠区域的骨架线进行校正以获取准确的中心线。实验证明,该方法在面对多种常见的金丝分布情况时均可准确地获取中心线,效果优于传统算法。     

K-means聚类精简点云驱动PointNet++的行星齿轮故障诊断

复杂装备的三维模型点云数据具有非结构化、无序性、离散性的特点,数据精简策略和深度神经网络模型构建被视为点云数据驱动的机械设备故障诊断关键技术难点。提出了一种K-means聚类(K均值聚类算法)精简点云驱动PointNet++的行星齿轮故障诊断方法。首先,提出了基于K-means的点云数据精简策略实现了在充分保留细节特征的前提下,精简84%的冗余数据;其次,构建了简度、速度、精度的精简效果三维评价指标体系并对精简算法进行评价;最后,构建了能够提取局部特征的PointNet++故障诊断模型。实验结果表明,相比于点云数据直接驱动PointNet++,K-means聚类精简点云驱动PointNet++的行星齿轮故障诊断的准确率提升了6.9%,表明了所提方法的有效性。     

基于结构光扫描的轴类锻件轴线快速提取

在基于结构光的在线测量系统中,采集到的点云数据反映了工件关键参数信息。结合轴类零件的特征,重点介绍了一种通过椭圆最小二乘拟合来提取轴线的方法,这也是后续三维重构与参数计算的基础。     

分层激光扫描图象的直线拟合

给出一种基于平面二维数据云的直线拟合算法。通过边界搜索和边界序化之后，采用最小二乘法对边界点进行处理，有效的拟合出了边界的直线特征。最后，给出了应用该算法的一个实例。     

一种用于运动目标跟踪与测量的目标边缘差分算法研究

为提高对运动目标的有效追踪,同时有效避免传统差分算法对目标有效边缘造成的空洞破坏,提出了一种改进型目标边缘差分算法.一方面,通过引入一种基于INMF的目标跟踪算法以完成对目标区域的动态捕捉和分割;另一方面,对目标图像的边缘处理进行Canny灰度值特征提取,通过一种改进型边缘帧差分算法完成对分割区域内目标对象的边缘运...     

基于K-means++聚类算法和SSIM指标的金属板材腐蚀区域识别

材料腐蚀后会在表面产生锈斑、裂纹和鼓泡等多种腐蚀特征现象,通过观察腐蚀特征现象可判断材料腐蚀程度。目前主要通过人工目测的方式对材料的腐蚀情况进行判断,但其存在结果无法量化、效率低下等不足。本文采用K-means++聚类算法对金属板材图像像素RGB值进行聚类,分离腐蚀区域和未腐蚀区域;采用图像结构相似性指标(SSIM)判断聚类各区域是否发生腐蚀。结果表明：将K-means++聚类中心数量k设定为5,可有效根据图像颜色分布划分出各聚类区域;相比峰值信噪比PSNR和均方误差MSE,结构相似性指标SSIM与图像是否发生腐蚀具有较强相关性,将SSIM指标阈值设定为0.95,可根据SSIM指标有效判断各聚类区域是否发生腐蚀;本文所用方法相比人为根据像素颜色划分腐蚀区域,具有更高的识别效率,且准确率不低于90%。本研究可用于金属板材环境试验后防腐性能自动化评价。     

基于改进的K-means聚类图像分割算法

介绍一种采用K—L变换、二维向量小波和改进的K—means结合的图像分割算法。阐述和分析了二维向量小波变换和Laws纹理能量测度，得出图像每个像素点可用9个纹理特性来描述的结论。运用K—means算法的思想对其进行改进，最后得出分割后的图像。试验结果证明，运用以上处理方法可显著提高分割速度和精度。     

基于改进SSD算法的工件检测

针对自动化生产线上运动的工件检测准确度要求高,部分小工件难以检测的问题,提出一种基于SSD改进的工件目标检测算法.在SSD算法的基础上,将SSD的骨干网络VGG16替换为ResNet50,并增加输出特征层的预选框数量,其次加入特征金字塔(FPN)的算法思想,将网络中的底层特征与高层特征融合,解决了SSD算法中对底层特征...