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%。     

飞机发动机叶片裂纹自适应检测算法的研究

发动机叶片裂纹检测是机务维护的重要内容,能否快速准确地检测叶片裂纹,对于缩短战场抢修时间、保障飞机的完好率具有重要的意义.本研究采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;基于边缘检测的小波滤波方法能动态的确定分解层次,有效抑制了噪声点的影响,提高了图像的视觉效果;自适应阈值分割是通过迭代的方法寻找图像的最佳分割阈值,能自动、可靠地检测裂纹的位置、长度等特征.仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求.     

综合CV和Facet模型的裂纹边缘检测

CV模型能检测到连续封闭的裂纹边缘,但边缘的定位精度不高,Facet模型定位裂纹边缘的精度高,但不连续。针对上述问题,研究了一种综合CV和Facet模型的算法。该算法利用CV模型进行边缘检测,在CV边缘点的附近运用Facet模型进行检测,将两种方法分别获得的边缘点进行融合得到连续封闭且定位准确的边缘。将该算法应用于工业CT图像的裂纹边缘检测中,实验结果表明该方法是有效的。     

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。     

基于神经网络的钢材表面裂纹定量检测方法的研究

介绍基于神经网络的钢材表面裂纹定量检测原理及方法，设计了基于LabVIEW的钢杆裂纹缺陷漏磁定量检测系统，并对钢杆表面横向裂纹缺陷进行模拟实验，运用神经网络技术初步建立数学模型，通过评判Vpp得到反映裂纹状况的定量检测结果，从而验证了该方法的可行性，并得出相关的结论。     

面向复杂光照条件的桥底裂纹检测与测量算法研究

桥梁底面裂纹隐蔽且不易观察,利用仰视摄像头自动检测桥梁底面裂纹对桥梁的安全监测具有重要的作用.和桥面裂纹检测的摄像头位置不同,桥底面检测的摄像头仰视观测裂纹受到桥墩等遮挡、环境光照反光等复杂的光照影响,现有的裂纹检测算法性能难以满足实际应用需求.针对这一问题,文章提出了一种光照鲁棒性的桥底裂纹检测与测量算法,首先利用全局自适应光照调整采集图像的亮度,然后利用多幅图像拼接获得底面的全横截面图像对桥底面可视化,最后提出增强型的边缘检测算法分割出裂纹的边缘位置,并利用裂纹的几何结构进行优化,在此基础上计算出裂纹的长度和宽度,实现裂纹的自动检测和测量.实验数据表明,文章提出的算法在裂纹检测的准确度上优于对比算法,表明了该算法在实际场景中的有效性.     

基于小波域的锅炉压力容器压力管道裂纹X射线检测方法

针对难以获取锅炉压力容器压力管道裂纹细节信息，外界影响因子较多的问题，该文结合小波域理论提出一种裂纹缺陷的X射线检测方法。采用应力分布线性化的分析方法，取得压力管道的裂纹应力情况，根据裂纹应力分析结果与波粒二象性，将X射线的短电磁波看成是高能量的光子束流，设计出X射线检测模型。基于小波理论融合非局部均值滤波算法与双边滤波算法，利用适用于射线底片图像的处理手段，得到裂纹射线检测图像。实验结果表明，面向锅炉不锈钢固定式低温压力容器，主观性的视觉效果与客观性的评价结果均较为突出，获取到更多、更清晰的裂纹细节信息，检测优势较大，图像质量较高，可为压力管道后续的维修与处理提供更可靠的判定依据。     

ACFM技术的表面裂纹识别和尺寸反演算法研究

针对交变电磁场检测技术(Alternating Current Field Measurement,ACFM)对金属工件表面和近表面裂纹识别和尺寸反演的技术难点，结合Java语言高性能和MySQL数据库高效优势，提出了一种反演算法，该算法采用Java叠加MySQL的编程方式，以数据建模和数值拟合为基础，能够准确识别金属工件的表面裂纹，同时能有效地对裂纹的尺寸进行量化并回显。对45^#钢板试件表面加工的人工凹型缺陷试验结果表明，所提出的反演算法对裂纹缺陷长度方向及深度方向均表现出高精度的识别能力，精度分别高达90％以上和85％以上。所提算法的设计满足了实际工程需要且提高了检测效率，对ACFM检测仪的智能化起到了一定的推动作用。     

基于图像处理的轴类零件表面裂纹检测

针对轴类零件表面图像的特点,提出一种基于图像处理的表面裂纹检测算法。算法首先采用空域和小波域混合滤波对图像去噪,提出一种图像分块自适应模糊集增强方法,以提高裂纹区和背景区的对比度;然后应用Canny边缘检测算子和数学形态学操作进行图像分割,提取裂纹区域;最后通过计算裂纹连通域的圆形度和长宽比特征判断零件的表面图像中是否有裂纹存在,实现裂纹检测。试验表明,该算法即使在信噪比不高的图像中也能实现对目标裂纹的检测,证明了算法的有效性。     

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。     

基于机器视觉的桩护壁裂缝检测方法

针对桩护壁表面图像纹理复杂、裂缝对比度低，图像拍摄角度及距离不固定导致绝对阈值无法适用等问题，提出一种基于机器视觉的桩护壁裂缝检测方法。利用像素点互补算法增强图像裂缝的对比度，利用相位角及灰度分布改进Canny算子来抑制图像背景中干扰物的边缘点，并根据裂缝特性设置多个相对阈值过滤噪声，通过预测裂缝发展趋势对裂缝进行补全。实验结果表明，该方法能够较好地检测和标识桩护壁裂缝区域，并且对传统建筑表面的裂缝检测同样适用。     

一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。     

基于空间聚集特征的沥青路面裂缝检测方法

沥青路面裂缝自动检测是制约公路养护科学决策的最主要瓶颈.针对现有裂缝检测算法在大规模应用特别是广地域、多路况等复杂环境下算法稳定性、可靠性及实时性等方面存在严重不足问题.本文在观察大量实际工程路面图像基础上, 对路面裂缝特征进行全新定义, 提出了一种基于空间聚集特征的沥青路面裂缝检测方法, 参考裂缝的空间分布、灰度、几何等特征, 以子块图像为处理单元, 采用逐步求精的策略对子块图像进行分割, 快速定位空间聚集区域, 再对聚集区域进行评估得到信度高的裂缝候选区域; 最后以裂缝候选区域为种子区域, 在准确估算裂缝发展趋势的基础上, 结合裂缝片段聚集及相似性等特性, 去除噪声同时合并连接断裂的裂缝, 实现了裂缝区域较为完整的检测.通过测试多路况、多采集环境下近万样本, 并采用不同的方法对测试结果进行评估, 结果显示, 算法对不同类型路面图像中具有不同特征的裂缝区域均具有良好的检测性能, 裂缝定位准确性达到95%以上, 裂缝区域检测的完整性达到90%以上.     

生成式对抗网络下路面裂缝图像检测识别仿真

为了有效提高生成式网络下路面裂缝检测精度,针对路面裂缝图像的复杂多样性,提出一种基于分水岭算法的路面裂缝图像检测识别方法。通过对路面裂缝图像进行分析,采用邻近区域相关知识对路面裂缝图像进行虚假裂缝去除,提取出路面真实裂缝纹理图像,引用分水岭算法对裂缝图像进行分割,获取细化后的检测图像,并将相同路面的两种图像进行融合,完成路面裂缝图像检测识别。实验结果表明,所提出基于分水岭算法的路面裂缝图像检测识别方法检测时间较短、检测准确率较高、误报率较低。     

基于改进YOLOv7算法的风机塔筒系统故障识别系统

塔筒系统(含塔筒、螺栓)作为风电机组正常运行的重要基础部件,对影响其安全的裂痕等故障有效识别至关重要。针对裂痕的表征不明显、低辨识度、对比度差等情况,本文提出了基于YOLO系列算法改进的YOLOv7-SEAttention算法模型,并与FasterSR-CNN, RFCN, SSD, YOLOv5, YOLOv7等多种算法模型进行对比,通过查全率(Recall),查准率(Precision),平均精度(Average Precision)三个指标进行综合评价。结果表明,改进后的YOLOv7-SEAttention模型在塔筒系统的表面裂痕检测上表现出显著的优越性,相对于原始YOLOv7以及其他算法模型在风机塔筒系统的裂痕检测方面具有更高的精度和可靠性,在塔筒裂痕检测方面提高了2.6%的平均精度(AP),达到83.7%,在螺栓裂痕检测方面提高了4%平均精度,达到84.3%。本文改进的模型能够精准高效检测塔筒系统表面裂痕,降低运维成本、提升风电场的效益。     

基于稀疏表示和多特征融合的路面裂缝检测

为了提高在实际复杂背景噪声下对路面裂缝检测的精度,提出了一种基于稀疏表示和多特征融合的路面裂缝检测改进算法。该算法首先以图像子块为单位,提取对裂缝识别有效的统计、纹理和形状特征。然后,分别在各个特征矩阵下利用稀疏表示分类方法实现对裂缝子块的识别,再融合不同特征下的识别结果,设计综合识别分类器进行子块检测。最后,在识别出的裂缝子块上,采用基于视觉显著性的像素级检测方法精确提取裂缝细节。在实际高速公路路面数据库上的实验结果表明,该算法有效地提升了路面裂缝检测的精度,具有良好的鲁棒性。     

A novel automatic dam crack detection algorithm based on local-global clustering

Dam crack detection is necessary to ensure the safety of dams. However, traditional detection methods always perform poorly, with a low detection rate and high false alarm rate, due to the complex underwater environment. In this paper, a novel automatic dam crack detection algorithm (CrackLG) is proposed based on local-global clustering analysis that can find cracks on dam surfaces accurately and quickly using images as well as reduce human subjectivity. First, an image shot of an underwater dam surface is divided into non-overlapping image blocks after pre-processing. Then, image blocks containing crack pixels are identified by local clustering analysis. Second, the image is binarized by adaptive bi-level thresholding based on the local gray intensity. Meanwhile, some noise is removed based on the computed optimal threshold. After extracting global 3-D features, final crack regions are obtained by global clustering analysis. The advantage of CrackLG is that the threshold for realizing image binarization is self-adaptive. Additionally, it can automatically perform crack detection without human supervision. The simulation and comparison show that the proposed CrackLG method is more effective for underwater dam crack detection.     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

多因子判定与渗流模型相结合的裂缝检测算法

针对传统的基于渗流模型的裂缝检测算法效率过低且检测结果易存在断裂的问题，提出一种多因子判定与渗流模型相结合的裂缝检测算法。首先，提出了一种改进的渗流加速算法，通过减少大量参与渗流处理的冗余像素点，提高渗流处理效率；然后，对提取到的渗流点进行渗流处理；最后，提出了一种结合裂缝走向的多因子判定连接算法，算法通过四个判定因子对裂缝连接的合理性进行分析，以提高裂缝连接的准确性。对背景中存在不同干扰物的不同形态裂缝图像进行实验，与传统渗流模型检测算法以及原渗流加速-骨架连接算法相比，所提算法中渗流点数量分别平均减少了99.7%与38.1%，精确率分别平均提高了60.5%与6.4%，召回率分别平均提高了10.5%与4.0%。实验结果表明，所提算法能够明显提高渗流处理效率，同时提高裂缝检测的准确性。