钢球表面缺陷的自动检测与识别

在计算机图像处理理论与模式识别理论的基础上,提出钢球表面缺陷评价方法,给出二窗法确定阈值、噪声去除和轮廓跟踪方法;再从处理后图像中提取能表征缺陷性质的几何特征和纹理特征,以实现计算机对缺陷图像的理解和自动识别。     

基于图像处理的陶瓷产品缺陷识别研究

针对生产线上陶瓷天线罩缺陷(裂纹缺陷和气孔缺陷)图像的特点,研究了基于图像处理的天线罩缺陷识别算法。图像经灰度化处理、二值化处理、中值滤波、边界提取和目标区域标记等预处理方法,有效地去除了干扰噪声,并突显出缺陷区域。裂纹缺陷经骨架提取处理和长度统计,得到裂纹长度值;统计气孔缺陷区占有像素数,得到气孔面积值。实验表明该算法能够较精确地检测出陶瓷天线罩的缺陷值,基于图像处理的天线罩缺陷识别方法可行、有效。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

红外图像处理技术在金属表面缺陷检测中的应用

红外热成像技术用于金属材料产品表面缺陷检测时,具有图像对比度低、噪声较大、缺陷目标小等特点,因此图像处理是进行红外热成像无损检测的重要基础.本文在含缺陷钢制试件红外热像检测实验的基础上,利用直方图均衡化、高频强调滤波、区域生长等多种图像处理技术,实现了裂纹、圆孔等不同类型缺陷时缺陷几何特征信息的提取与识别,并考虑了腐蚀因素的影响.论文的研究为最终开发出基于红外热成像技术的缺陷自动检测和识别系统奠定了基础,对于应用红外热成像技术进行产品质量控制和结构健康监测具有良好的参考价值.     

基于BM3D的钢板表面图像自适应去噪方法

为了解决传统BM3D算法的距离阈值选取无法自适应去除钢板图像中的噪声以改善图像质量的问题,提出了一种基于噪声估计和阈值函数的自适应BM3D去噪算法（TFBM3D）。先采用网格搜索法得到不同钢板缺陷图像在不同噪声强度下基础估计和最终估计的最佳阈值,再通过对比不同函数的拟合效果,最终确定基础估计的二次曲线阈值函数和最终估计的四次多项式阈值函数,并将噪声估计作为新算法前处理阶段。最后将新BM3D算法、原BM3D算法以及一些其他最新的去噪算法进行比较,试验结果表明,该算法在复原缺陷图像边缘和细节纹理上效果显著,在噪声标准差为30的条件下各缺陷图片去噪效果的PSNR值在33 dB以上、SSIM值在0.85以上,且残余图像中残余的存留细节更少,本文算法优于其他算法。     

一种提高时域参数识别精度的新方法

在结构损伤识别的时域法研究中,检测的加速度信息中包含结构特征信息和各种干扰信号,积分法计算速度和位移时也可能引入计算中带来的低频信号,使得输出信号严重失真,从而导致反演结构物理参数的失败.为了从测试信息中提取含有结构固有特征的信息,针对小波包分析能对信号频率多层次划分,具有多分辨、高精细的特点,设计一种适用性较强的信号滤波器.该滤波器可根据小波包分解层数,任意确定频率分辨率,选择不同小波包系数,确定滤波频带和频率范围选择.通过剪切型结构物理参数反演模型的算例分析,验证该滤波器具有较好地提取结构特征信息的性能.该滤波器可用于具有此类要求的信号处理.     

皮带机故障诊断中基于自适应小波阈值去噪法的应用

皮带机故障信号中包含大量运行信息,采集故障信号进行去噪处理有利于故障状态识别。为了进一步提高小波阈值去噪方法在强噪声背景下微弱故障信号提取能力,设计了一种基于改进自适应阈值的小波阈值去噪法的皮带机故障诊断方法。研究结果表明：进行小波阈值去噪时未进行阈值函数优化,在阈值选取缺乏灵活性。以自适应小波阈值去噪时,可以获得更平滑的阈值曲线,能够满足最优去噪性能。采用小波阈值去噪时并未达到理想去噪效果,存在明显噪声成分,并且获得了更大均方根误差;完成小波阈值改进后获得理想去噪效果,更准确保留有用信号,使噪声信号被充分去除,实现信噪比的明显提升。该研究可以拓宽到其它传动设备上,对后续的故障状态识别奠定理论基础。     

基于自适应阈值分割和形态学的木材表面缺陷提取

木材在成材过程中,不可避免会产生缺陷,这些缺陷影响了木材的质量.文章对死节和活节木材表面缺陷进行缺陷提取.第一,对原图像进行前处理;第二,对前处理后的木材图像进行增强处理;第三,对增强后的图像进行自适应阈值处理;第四,采用形态学处理分割后的结果;第五,用区域描绘子去除伪木材缺陷;第六,利用木材缺陷区域对原图像的缺陷部分...     

基于边缘检测自动位置补偿的缺陷识别技术

提出首先利用自动位置补偿功能对检测对象进行分析定位 ,通过CCD实时准确地采集图像 ,并利用特征提取与边缘检测技术对图像进行预处理 ,运用多种图像处理技术 ,结合PLC自动控制 ,对缺陷信息进行自动检测 ,实现边缘检测分析技术与自动位置补偿的有机结合 ,在环形区域的缺陷识别上得到很好的应用     

版图分类法在带钢表面缺陷识别中的应用研究

针对现有带钢表面缺陷模式识别分类器所用算法的不足,提出了一种新型的分类算法——版图法。该算法结构简单,在时间消耗较少的情况下,具有更高的识别精度和更好的适应性。类别众多、形态复杂、类别边界交叠的带钢表面缺陷图像分类实验所得结果令人满意。     

基于图像处理的油封缺陷自动检测与分类识别方法

提出一种油封缺陷检测及分类识别方法.依据量化的油封表面质量定性判断精度指标要求,结合生产实际设计并构建油封缺陷在线视觉检测系统.采用伺服电机同步传动旋转机构等分采集油封环带图像,经图像预处理分割出不同检测区域.利用小波变换模极大值图像边缘检测算法实现油封缺陷检测;提取描述缺陷的特征参量并进行主分量选择,通过支持向量机M-ary分类策略对油封缺陷进行分类识别.实验结果表明,系统及方法切实可行,具有实用推广价值.     

基于漏磁内检测的缺陷识别方法

基于漏磁原理的管道内检测信号和管壁缺陷之间存在强非线性关系,导致缺陷(特别是小缺陷)识别和分析困难。针对内检测器漏磁信号中的缺陷识别问题,设计一种新的缺陷识别方法,可以在漏磁内检测数据中精确识别缺陷。该方法包括3个部分:针对普通基值校准算法在多通道数据对齐中精度低的问题,提出一种基值二次校准算法,为后续数据分析提供精确数据源;区别于常规方法中用到的峰谷值等显性特征,提出6种更能反映缺陷信号的本质特征,并设计了相应的特征提取方法,为缺陷识别提供精确的分类依据;设计了基于随机森林的缺陷识别算法,可以在漏磁内检测数据中精确识别各种缺陷。最后,对所提出的方法进行了性能对比分析和试验验证。结果表明:所设计的缺陷识别方法准确率为99.59%,其中对小缺陷的识别灵敏度为98.66%,证明所提出的缺陷识别方法可有效地完成目标缺陷的识别。     

基于Gabor小波的火灾烟气识别新方法

研究提出一种基于Gabor小波的火灾烟气模型,以提高基于视频图像的火灾烟气检测的准确性。本文采用混合高斯模型与色度方差相结合的方法定位火灾烟气目标区域,并基于Gabor小波对烟气纹理及边缘特征进行描述,从而提出烟气变化能量模型与方向角分布模型来分析纹理变化的动态性质。最后采用Gentle Boosting设计分类器对模型特征进行分类与匹配,并实现在训练的同时进行最优特征选择。与传统方法相比,基于本文方法的火灾烟气检测在降低漏报率与误报率方面拥有更好的性能。     

基于子区域变尺度高斯拟合的木材表面缺陷识别

为了提高木材的使用效率、避免由于木材缺陷造成生产故障,根据木材缺陷类型对其分类处理是一种有效的手段,但木材缺陷复杂多样且具有诸多相似性使得类别区分成为难点。针对以上问题本文提出了一种基于子区域变尺度高斯拟合模型的缺陷识别方法。首先建立变尺度高斯拟合基本模型,然后将缺陷纹理分成若干子区域,提取各分区的高斯拟合特征并进行融合;将高斯融合特征及圆度和边缘直线度这两个几何特征输入到建立好的BP神经网络模型中进行训练,根据优化训练的网络模型识别缺陷。该方法对自建的SUT-W图库中雪糕棒图像上人工标定的裂缝、矿物线、矿物块和黑节子的准确识别率分别为91.72%、92.77%、92.67%和92.80%,与其他典型纹理检测方法相比,4种缺陷准确识别率最高分别提高9.38%、6.69%、13.55%和10.22%,说明本文方法能够有效地将以上4种缺陷分辨开,具有一定的实际应用价值。     

基于多维度选择性搜索的小样本缺陷识别方法

超声内检测是油气管道缺陷的主要检测方式之一,目前超声内检测在工业小样本的情况下存在缺陷识别边界定位不准的问题。本文提出了一种基于多维度选择性搜索的小样本缺陷识别方法,该方法首先对超声回波进行特征提取,其中包含使用基于孤立森林的回波特征点提取,和基于自然断点法的特征点聚类;其次提出了风险相似性度量方法,并使用梯度提升树建立波形特征和风险程度的回归模型;然后将多维度缺陷相似性信息融合在选择性搜索算法中,实现小样本缺陷识别;最后使用异常分数等区域风险度量指标实现缺陷边界的精准定位。实验结果表明,本文设计的基于多维度选择性搜索的小样本缺陷识别方法的查全率和查准率分别高达95.08%和85.46%,能有效解决超声信号缺陷识别边界定位不准的问题。     

一种基于灰度直方图原理的Shack-Hartmann波前传感器图像自适应阈值的选取方法

Shack-Hartmann波前传感器光斑图像阈值的选取对质心探测精度有较大的影响。本文结合Shack-Hartmann波前传感器光斑图像的特点,提出了一种基于灰度直方图原理的多峰法自适应阈值选取方法。实验结果表明,对于信噪比大于4的Shack-Hartmann波前传感器光斑图像,本方法能够比较有效的自动选取每帧图像的阈值。     

焊接缺陷磁光成像卷积神经网络识别方法

对焊件表面及亚表面微小焊接缺陷进行检测是保证焊接质量的关键,提出一种基于深层卷积神经网络的磁光成像焊接缺陷检测方法.以法拉第磁致旋光效应为基础,分析磁光成像原理,建立深层卷积网络预测模型,研究不同模型结构参数对训练结果的影响.通过对深度卷积神经网络中间机理分析,研究模型训练过程并自动寻找卷积核最优参数.试验结果表明,第...     

基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

一种新的脑电特征提取方法研究

基于控制信号为皮层慢电位的脑机接口数据,本文提出了一种脑电模式识别的新方法.该算法将脑电数据的近似熵值、自相关系数和皮层慢电位组合成新的特征向量,并选取k-近邻法作为分类器进行模式识别.在公开测试集中,新算法能达到较高的识别率,同时表明近似熵和自相关系数可以作为新参量对脑电数据进行分析.     

基于改进Faster RCNN的铝材表面缺陷检测方法

针对传统检测算法对工业铝材表面缺陷识别率不高、对于小缺陷定位不准确等问题,提出改进的Faster RCNN深度学习网络对于铝材表面10种缺陷进行检测。首先,对数据进行增强后,在主干网络加入特征金字塔网络(FPN)结构以加强对小缺陷的特征提取能力,随后用感兴趣区域校准(ROI Align)算法来代替粗糙的感兴趣区域池化(ROI Pooling)算法,获得更准确的缺陷定位信息,最后加入K-means算法对缺陷数据进行聚类,得出更适应铝材缺陷的锚框。实验表明,改进后的网络对铝材表面缺陷检测的平均精度均值(mAP50)为91.20%,比原始的Faster RCNN网络提高了16%,并且对铝材小缺陷的检测能力也得到明显的提高。