基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。     

磁瓦表面图像的下包络线灰度对比度缺陷检测算法

为解决磁瓦表面缺陷对比度低、整体亮度不均匀以及磁瓦图像中存在大量的冲击噪声干扰等难题,提出了一种基于下包络线灰度对比度的缺陷检测算法。首先定义扫描线灰度对比度,用下包络的方式来优化每一行扫描灰度曲线,然后计算下包络线上的最大灰度对比度并判断该点是否为缺陷区域中的点从而得到缺陷区域的"骨架",最后通过8邻接方式对"骨架"进行扩展得到完整的缺陷区域。实验证明,该方法能够有效解决冲击噪声对图像分割的影响,克服光照不均、表面存在磨削条纹等干扰,对不同类型缺陷有较好的分割效果。     

基于激光线光源的钢轨表面缺陷三维检测方法

将结构光三维检测方法应用于钢轨生产过程中的表面缺陷三维检测,通过在钢轨四周安装4台激光线光源和8台面阵CCD摄像机实现钢轨四个面的检测。对摄像机采集到的激光光带图像进行光带中心提取、光带中心线矫正、光带中心线与基准线的差值等步骤,得到钢轨表面深度的变化值,并将沿钢轨长度方向和高度方向的深度变化值用深度分布图表示,通过两维图像识别的方法检测缺陷所在的区域,从而实现钢轨表面缺陷的自动检测。该方法已经实现在线应用,可以达到的最大检测速度为1.5m/s,深度检测分辨力为0.2mm。     

基于图像配准的晶圆表面缺陷检测

设计了一种基于图像配准技术的晶圆表面缺陷自动检测系统,满足目前对晶圆生产中良率的需求。通过SURF (Speeded Up Robust Features)图像配准算法实现待测晶圆图像和标准晶圆图像的空间位置上的匹配。同时对晶圆表面常见的缺陷类型进行分析和研究,采用缺陷轮廓特征提取的方法进行缺陷分类,并对缺陷类型进行相应的标记,实现晶圆表面缺陷的自动检测和识别。     

基于灰度图像直方图的边缘检测

数字图像的边缘检测在图像分割、模式识别、机器视觉等中有很重要的作用。灰度图像的边缘检测通常都基于灰度的梯度变化,而图像的直方图就描述了一幅图像的灰度级内容,通过实验找到了数字图像的边缘检测与图像的直方图之间的内在联系,得出具有双峰直方图的图像,其边缘检测效果是比较好的。     

基于图像光流的轴承滚子表面缺陷检测

针对轴承滚子表面缺陷人工检测效率低、误检率高的问题,以及现有机器视觉检测方法存在的不足。基于上述情况,提出了一种基于图像光流的轴承滚子表面缺陷的检测方法。首先设计了一套图像采集装置,用于获取轴承滚子表面图像;其次采用全局和局部相结合的平滑策略,建立光流误差估计模型,同时为了增强缺陷位置的光流边界,在此模型中引入各项异性的扩散张量;在光流求解策略上,先对原始图像进行奇异值分解,消除灰度值异常对光流计算的影响,再引入金字塔分层细化方法,提高光流计算的准确性;最后根据光流生成的伪彩色图像,完成对缺陷区域的粗略定位,分割出缺陷区域。实验表明,所提方法在轴承滚子表面缺陷检测方面的可行性和有效性。     

一种高鲁棒性的钢轨表面缺陷检测算法

利用机器视觉技术检测钢轨表面缺陷时,存在背景光照复杂、车载检测设备与钢轨相对位置发生变化等情况,严重影响了缺陷检测的准确率,为此,提出基于灰度标准差与投影积分的钢轨表面区域定位算法和基于多尺度灰度对比度的增强算法。定位算法利用灰度标准差排除复杂背景的干扰,通过投影积分获取精确的钢轨表面区域;综合不同尺度空间的灰度对比度,将钢轨表面区域图像转化为灰度对比图,实现钢轨表面缺陷的增强;采用迭代阈值分割法提取钢轨表面的缺陷。实验结果表明:提出的钢轨表面缺陷检测算法在几种不同拍摄条件下漏检率均低于6%,准确率均高于93%,用于高速有砟轨道无缝钢轨表面缺陷检测时具有较高的鲁棒性。     

基于数字图像处理和特征提取的钢轨表面缺陷识别方法

设计了一种基于图像特征分析的钢轨表面缺陷识别方法,运用快速数字图像处理技术可实现钢轨表面裂缝和剥离掉块缺陷的提取,该识别方法通过对采样图像使用高低帽变换进行图像增强,再进行高斯平滑消除毛刺,最后采用阈值处理及边界抑制来提取出缺陷信息。研究了钢轨伤损评价及信息表达方法,可将缺陷信息以曲线的形式表示出来。为验证所设计方法的有效性,设计了模拟实验装置,用工业线阵CCD摄像机获取钢轨样品运动时检测的图像,进行缺陷识别处理,实验表明,系统输出曲线能够明确反映损伤的程度及其位置信息。     

基于图像处理器的圆锥滚子表面缺陷在线检测系统

研制了一种圆锥滚子表面缺陷在线检测系统。该系统由机械装置和控制系统等组成,机械装置自动完成被测工件的上料、定位、检测、剔除及下料;控制系统由PLC完成工作过程控制,由图像处理器完成缺陷检测的图像处理与判定结果输出。实验结果表明,系统可检测最小直径0.1m(与相机分辨率有关)的表面缺陷,速度为2s/个。该系统检测精度高、测量数度较快,实现了无人在线检测,满足滚子表面缺陷的检测要求。     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。     

基于LabVIEW的钢球表面缺陷图像纹理分析与检测

本文提出一种以LabVIEW为软件平台结合IMAQ Vision函数库的钢球表面缺陷检测方法,该方法完成了钢球表面缺陷的有无与类型判断。首先,利用Daubechies4小波的分解、最佳树计算、阈值量化与重构,对钢球图像进行去噪处理。其次,利用钢球图像纹理的熵进行有无缺陷的判断。在此,本文提出了基于水平熵、垂直熵、对角线熵的综合熵作为评判参数。然后以形状因子F对有缺陷的钢球图像分类。最后,在搭建的硬件实验台上测试了检测软件,满足快速、准确的现场要求。     

多摄像机线结构光的钢轨表面三维缺陷检测

为实现钢轨表面缺陷的实时全方位检测,提出基于多摄像机线结构光的三维检测方法。首先,通过标定线结构光和摄像机平面之间的位置参数,获取该摄像机视角下的钢轨表面线结构光的三维形状变化。其次,标定多个摄像机之间旋转平移参数,将多个视角下的三维点云进行拼接形成完整钢轨三维模型。同时,设计了钢轨三维检测的硬件装置,通过硬件编码器获取传送带运动的距离,形成钢轨在长度方向上的全貌三维形状。针对存在缺陷的钢轨样品进行了三维轮廓测量,实验结果表明,该方法的在钢轨深度方向上的精度能达较高精度,符合钢轨表面缺陷检测的要求。     

基于结构光的钢轨表面缺陷高对比度成像技术

针对钢轨反光率差异导致的缺陷成像对比度差及亮度极不均匀问题,提出一种基于结构光激励和无监督学习的软硬件协同感知方法。首先设计周期线性条纹光源激励,利用结构光从硬件端增强缺陷成像的对比度。为综合高对比度的局部缺陷信息并克服全局亮度失衡,进一步设计无监督深度学习模型融合各子图,生成亮度均匀的高对比度钢轨表面缺陷成像。实验结果表明：该方法硬件系统结构简单,成本低,所设计的多图融合模型效果良好,同时具备应对局部信息缺失的鲁棒性,解决了钢轨表面反射差异导致缺陷成像对比度差的问题。     

基于轻量化模型的钢轨扣件缺陷检测系统

铁路巡检工作中,嵌入式设备受算力和存储空间的限制,存在使用YOLO V5模型检测钢轨扣件缺陷速度慢、精度较低的问题。通过替换YOLO V5主干卷积网络为MobileNet V3,将网络中的激活函数修改为Mish并融合协同注意力机制,实现模型的轻量化改进。将改进后的模型部署到嵌入式设备Jetson TX2上,使用板载CSI摄像头扫描、拍摄钢轨扣件,并搭载显示屏等设备构成钢轨扣件缺陷检测系统。运行系统,单张扣件图片的检测速度达56.8 ms,准确度在90%以上,并且模型大小仅有9.8 MB,符合占用存储少、检测效果佳的轻量化要求。     

基于小波和灰度共生矩阵的带钢表面缺陷识别

提出了一种基于小波变换和灰度共生矩阵的带钢表面缺陷识别方法。采用小波变换分解缺陷图像并提取其低频子带信息。通过在低频子带上构造0°、45°、90°和135°四个方向的灰度共生矩阵,分别计算角二阶矩、熵、对比度和逆差矩4个特征值,共获得16个特征值,并将其输入支持向量机,完成对6类共1800张带钢表面缺陷图像的识别,总体识别精度大于96%。实验结果表明,小波变换与灰度共生矩阵结合能有效描述带钢表面缺陷纹理特征,具有较好的识别效果。     

基于Matlab的铸造件表面缺陷图像预处理

针对铸造件的表面缺陷检测问题,采用机器视觉检测技术,通过CCD摄像头获取铸件的表面缺陷图像,Matlab读取该图像并通过图像处理函数对其进行图像预处理。本文对图像预处理的步骤包括图像去噪、阙值处理以及边缘检测,经过Matalb仿真分析得出,图像去噪采用均值滤波平滑,阙值的值为80,边缘检测采用canny算子。通过对铸件缺陷图像的预处理我们发现,Matlab图像处理能取得较好的效果,为后续的图像特征提取、缺陷识别打下坚实的基础,同时也为其他零件的表面缺陷图像处理带来实际的借鉴价值。     

基于表面灰度图像的植物磨料磨损表面分形维数计算

以磨损表面SEM灰度图像为研究对象,采用变分法、双毯法、差分盒计数法和盒计数法4种方法计算植物磨料对不同金属材料磨损表面的三维分形维数。结果表明:植物磨料对金属材料磨损表面具有分形特征,分形维数与体积损失有着密切关系,体积磨损越大,分形维数也越大。4种算法中,变分法计算的分形维数稳定性最好,其次是双毯法和差分盒计数法,盒计数法对表面噪声最为敏感。     

基于二次特征筛选的覆铜板表面缺陷检测

为了解决机器视觉技术检测覆铜板缺陷误检率高的问题,提出了一种基于二次特征筛选的覆铜板表面缺陷检测方法.采用模板匹配与图像形态学算法检测出覆铜板表面的疑似缺陷.由于覆铜板加工过程中易发生翘曲和弯曲变形,影响了模板匹配的精度,导致第一次检测结果中存在较多的误判缺陷.采用特征选取框提取出疑似缺陷的特征区域,计算其形状特征属性...     

多光谱图像融合的IC器件表面缺陷检测

针对单可见光或单红外条件下的IC器件表面缺陷对比度不足,缺陷检测精度低的问题,提出多光谱图像融合的IC器件表面缺陷检测方法。针对IC器件可见光与红外图像配准中存在尺度不一致和对比度反转问题,引入拉普拉斯金字塔和特征描述符重组策略改进ORB(Oriented FAST and Rotated BRIEF)图像配准算法。在图像配准的基础上,提出NSST＿VP图像融合方法,以非下采样剪切波变换（Non-Subsample Shearlet Transform, NSST）得到红外图像和已配准可见光图像的低频和高频子带,对低频子带采用视觉显著图（Visual Significance Map, VSM）加权融合规则,高频子带则采用自适应脉冲耦合神经网络（PA-Pulse Coupled Neural Network, PA-PCNN）决策融合规则,进而通过NSST逆变换得到高质量多光谱融合图像。最后,将融合图像输入YOLOv8s模型进行检测。实验结果表明,改进ORB的图像配准平均精度为87.8%,比ORB图像配准精度提高了62%,NSST＿VP图像融合算法在主观视觉效果和客观评价指标上均有所提...     

基于CCD图像的表面裂纹检测

提出了一种基于CCD图像处理技术的表面裂纹检测方法,采用灰度阈值法对图像进行分割,然后应用数学形态学的方法对图像进行缺陷修补与细化,最后获取表面裂纹的位置和长度,并对裂纹的扩展速率进行了预测。将这种裂纹检测方法运用到裂纹自动检测系统和裂纹扩展行为监测中,不仅可以大大降低劳动时间和劳动强度,而且提高了测量的准确性。