共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
基于管道闭路电视(CCTV)检测系统,提出5种不同的管道结构性缺陷特征提取方法,对缺陷图像进行纹理特征提取,并利用二分类支持向量机(BSVM)对特征提取数据进行一对一投票分类。结果表明,Gabor法提取得到的特征维数远大于GLCM、B_GLCM、GGCM以及LBP四种方法得到的;B_GLCM法相比GLCM法,特征提取效率略有提高,但随着分区的减小,提取耗费的时间会逐渐增大;GLCM和B_GLCM提取方法对裂纹、错口和腐蚀三种缺陷均具有较好的分类效果,分类正确率都在90%以上,其他三种提取方法的分类正确率较低;综合考虑分类准确率和分类效率,建议采用分区大小为3×3的B_GLCM方法对管道缺陷纹理特征进行提取,以获得最佳的检测结果。 相似文献
4.
5.
针对焊接过程产生的缺陷,提出一种磁光成像传感的模糊灰度变换和滤波反投影(FGT-FBP)重构检测方法. 研究焊接缺陷的几何特征,通过分析裂纹和未熔合两种不同焊接缺陷在交变磁场励磁下的磁光成像特征,设计模糊规则,对磁光图像进行模糊灰度变换. 增强磁光图像对比度,使焊接缺陷形态趋势可视化,实现描述磁光成像焊接缺陷细节的无参考型图像评估方法. 对FGT处理的焊接缺陷磁光图进行旋转投影,并经过快速傅里叶变换和改进的滤波器进行滤波去噪,消除伪影后进行反投影变换实现焊接缺陷图像的重构. 利用滤波反投影重构算法进行去噪,可有效突出焊接缺陷特征. 最后结合阈值分割和边缘检测实现焊接缺陷检测. 结果表明,该方法能较准确检测裂纹和未熔合两种焊接缺陷. 相似文献
6.
以激光对接焊的焊接缺陷为对象,研究基于数值模拟的焊接缺陷漏磁场的分析方法. 建立对接焊焊接缺陷检测的三维模型,利用漏磁场理论对比分析不同几何缺陷与漏磁场信号之间的关系规律,并用试验进行验证. 结果表明,裂纹的深度越深,磁感应强度越大,未熔合、凹坑分别随着角度、宽度的增大而磁感应强度减小,并且验证漏磁场信号可以作为焊接缺陷检测的依据. 采用RGB分割法对磁光图像进行分割并提取几何特征,用模糊C-均值聚类(FCM)对不同焊接缺陷进行识别,有良好的识别率. 相似文献
7.
8.
《组合机床与自动化加工技术》2019,(10)
在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于Gabor-GLCM工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用GLCM提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。 相似文献
9.
焊接机器人存留的焊缝缺陷会给生产企业造成安全威胁,为了让机器人有效识别焊缝缺陷,设计了一种焊接机器人焊缝完整程度图像识别方法。该方法根据采集的焊接机器人焊缝图像,采用暗通道先验理论对采集结果实施图像增强处理操作,从而达到提升图像清晰度的目的;以此为基础采用Contourlet变换将图像分解为低频分量及高频分量图像,并采用KPCA方法提取焊缝高频分量图像纹理特征,达到提高图像完整度识别效果的目的;最终将提取结果输入到构建的支持向量机模型内,结合典型缺陷焊缝纹理特征,以此识别出焊缝的完整度,完成了对焊接机器人焊缝完整程度的全面识别。试验结果表明:通过对该方法开展了焊接机器人对焊缝的裂纹、小孔、夹渣、未焊透等完整度识别测试及识别性能测试,验证了该方法的有效性强、可行性高。 相似文献
10.
针对柔性线路板(FPC)焊盘表面的缺陷检测,建立了一种利用粒子群算法(PSO)进行参数寻优的PSO-SVM分类识别模型。首先通过OTSU法将焊盘从原始图像中分割出来,然后对其5种表面缺陷从形状、灰度、纹理三个方面提取了14维特征,接着用粒子群算法方法对支持向量机的参数优化以获得较高的识别准确率,最后对缺陷样本进行分类识别,并将其与GS-SVM和BP神经网络分类性能进行对比。实验证明了该方法可以对焊盘缺陷进行准确的分类识别。 相似文献
11.
建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像,在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明:采用该方法能够快速、高效地检测出微小精密轴承表面大于10μm的缺陷形貌;能够准确地对凹坑、裂纹和划痕缺陷进行分类。 相似文献
12.
为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度. 相似文献
13.
14.
针对MAG焊特点,利用被动式熔池视觉传感系统,采集到清晰的熔池图像;通过同步对比试验方法,系统地对焊接气孔缺陷与熔池图像特征信息之间的关系进行了研究,提取了表面气孔、内部气孔(夹渣)对应的熔池图像特征,并从灰度均值和标准差的角度研究了焊接气孔缺陷产生过程中熔池图像变化情况及奇异特征.试验表明,通过熔池视觉图像特征判断气孔焊接缺陷,具有良好的可行性,为基于视觉传感的焊接缺陷自动识别提供了技术依据;一种图像特征可能预示有多种焊接缺陷产生的可能,一种焊接缺陷可能有多种图像特征显示. 相似文献
15.
针对MAG焊电弧光谱特点,采用被动式视觉传感方法,利用CCD摄像机配合近红外复合滤光系统消除弧光干扰,获取MAG焊熔池图像.从MAG焊焊接缺陷产生的机理及熔池流态出发,采用同步对比试验,研究了熔池图像特征与焊接缺陷的映射关系,提取出表面气孔、焊塌、焊穿等焊接缺陷所对应的熔池图像特征.结果表明,一种焊接缺陷往往有多种视觉图像特征,通过熔池图像特征判断表面气孔、焊塌、焊穿等焊接缺陷具有良好可行性,为基于视觉的焊接缺陷自动在线预测提供了技术依据. 相似文献
16.
17.
18.
机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷. 针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络( feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测. 首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像. 然后,利用MUI2DPCA在线提取局部块图像的模式特征. MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响. 最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息. 试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求. 相似文献
19.
利用ANSYS Maxwell建立了三维漏磁场有限元模型,分析了穿孔、平滑凹坑以及矩形凹槽三种缺陷的漏磁信号曲线并得到了仿真数据,通过漏磁仿真信号的变化,提取4个不同的特征值。采用T-SNE算法将漏磁特征降维可视化,研究了利用特征值区分缺陷类别的可行性。选用支持向量机(SVM),随机森林(Random Forest)以及梯度提升决策树(GBDT)三种机器学习方法对特征值进行学习以及分类识别,计算了不同算法的准确率,研究发现SVM较差,而GBDT准确率稍高。本文的研究结果为机器学习区分缺陷类别提供了参考。 相似文献