基于MATLAB的齿轮缺陷检测算法研究

为了检测齿轮在生产过程中出现划痕、凹槽等缺陷,需要对齿轮图像进行降噪、图像增强、图像分割与识别处理。对目前已有的去噪算法进行分析,提出一种改进的自适应中值滤波算法对图像进行降噪;通过比较各种图像增强算法,最终采用灰度分段线性变换增强;在图像分割算法中,提出一种基于改进的K-means聚类的齿轮表面缺陷分割算法,将人类学习优化算法和K-means聚类算法相结合,应用于齿轮表面缺陷检测,通过实验结果可知,利用K-means聚类算法进行齿轮缺陷的检测具有较好的效果。运用MATLAB软件对算法进行仿真,提高了齿轮缺陷检测的准确性和效率。     

基于单尺度Retinex与改进的K-均值聚类的涡流热成像缺陷检测

在利用涡流红外热成像技术检测金属材料损伤缺陷时,因热波属于衰减波,且热波三维热扩散等问题,导致采集的红外图像中缺陷部位模糊.针对该问题,提出一种基于单尺度Retinex与改进的K-均值聚类的缺陷检测方法,用于处理红外图像特征增强、图像分割和边缘特征提取等问题.该方法首先利用单尺度Retinex(single-scale Retinex,SSR)对红外热图像进行图像增强,强化缺陷特征,然后利用改进的K-均值聚类算法对图像进行分割,最后采用数学形态学算法处理图像,去除缺陷图像中无用信息,并利用Canny算子检测出缺陷边缘.实验结果证明,该方法有效地检测出金属材料试件缺陷,并提取出完整清晰的缺陷边缘.     

基于改进双边滤波的皮革缺陷检测

为了提高皮革缺陷检测效率, 提出了一种基于改进双边滤波的皮革缺陷检测算法。通过搭建机器视觉检测平台, 完成不同种类缺陷的皮革样本的图像采集, 采用改进的双边滤波算法处理样本图像, 模糊皮革背景纹理并保留缺陷边缘轮廓, 在此基础上, 计算各类缺陷的4种特征参量作为输入向量, 构建了最小二乘支持向量机自动识别模型。结果表明, 与聚类分析算法、阈值分割法和小波分析法相比, 本文中采用的算法能更高效地检测出皮革多种缺陷, 检测平均用时0.83s, 缺陷检测准确率为93.3%。此研究结果为皮革的实时检测提供了有效途径。     

基于小波去噪与改进Canny算法的带钢表面缺陷检测

针对带钢表面图像亮度不均匀、对比度低以及缺陷种类多、形式复杂的问题,提出一种基于小波去噪与改进Canny算法的带钢表面缺陷检测算法。首先通过小波变换将原始图像分解,对低频分量采用改进的同态滤波提高亮度和对比度,对高频分量采用改进的阈值函数进行去噪,并通过小波重构得到增强图像。其次对传统Canny算法进行改进,通过改进的自适应加权中值滤波进行平滑,并增加梯度方向模板;然后采用迭代式最优阈值选择法与最大类间方差法来求取高低阈值,提高算法的自适应性。最后采用形态学处理对缺陷边缘填充,并去除干扰边缘及毛刺,得到带钢表面缺陷区域。实验结果表明,所提算法对带钢表面缺陷的检测效果较好、精度较高,适用于多种类型的带钢表面缺陷检测。     

液晶屏ITO玻璃外观检测特殊复合光源照明系统设计

针对目前缺少液晶屏ITO玻璃检测设备的现状,结合液晶屏的结构和需要检测的缺陷特征,提出了一种液晶屏ITO玻璃外观检测特殊复合光源照明系统。该系统通过多个LED环形光源和面光源的组合,加以合理的照明角度,有效的得到了高对比度的图像。理论分析及实验结果均表明,该系统能很好的应用于液晶屏ITO玻璃的检测,大大减低算法方面的处理难度,提高检测效率,基于该系统采集到的图像,需要检测的缺陷部分有十分高的区分度,经过基本的图像预处理,就可以将所需检测的缺陷部分完全呈现出来。     

基于BP神经网络的玻璃缺陷识别技术研究

为了准确、快速地对玻璃质量进行分类,提出一种基于BP神经网络的玻璃缺陷识别方法。由于不变矩与灰度共生矩阵分别可以描述图像的形状与纹理,在分析了缺陷灰度图像特点的基础上,将图像的纹理特征和不变矩特征融合,综合提取出一个分类能力更强的特征向量,再使用一个拟牛顿改进算法的三层前向BP网络。作为分类器,对常见的玻璃缺陷进行了识别。通过实验对比该方法和传统的单一特征识别法,证明该方法不仅具有更高的识别率,并且实时性较好,为玻璃缺陷的自动识别提供了一种新的途径。     

基于机器视觉的印刷品缺陷检测与识别

阐述了印刷品缺陷检测在印刷成品的质量控制和印刷工艺管理中的重要地位和作用;提出了一种新的缺陷检测算法,并给出了系统的设计和缺陷检测流程;研究了一种基于小波变换的图像边缘检测方法,通过与传统缺陷检测算法进行对比,表明基于小波变换的图像边缘检测方法不仅能有效地滤除噪声、检测弱小目标在内的图像的边缘,而且还具有较强的抗噪性能,能检测出印刷品上的微小印刷缺陷;最后通过实验验证了该算法的可行性、可靠性和有效性。     

基于人工智能的变电站在线巡视算法研究

本文针对变电站在线智能巡视中海量图像及视频对识别、分析、决策要求高的难题,提出了一种改进的巡视系统的算法,包括使用二阶段级联目标检测网络Cascade rcnn,对变电站设备存在的缺陷采用可变形卷积,有针对性的进行网络修改;以及一阶段目标检测网络YOLOv5中一些小目标检测问题,为其添加了注意力机制;两种改进后的算法均可以更好地对变电站缺陷进行识别。经过实际测试,证明了文中算法的有效性。     

一种改进的Sobel自适应边缘检测的FPGA实现

针对经典Sobel边缘检测算法对噪声比较敏感而且需要人为指定阈值等问题,提出了一种Sobel自适应边缘检测方法。首先,对经典Sobel算法改进,增加了检测方向,根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值,从而检测出与人的主观视觉更为一致的图像边缘,然后对边缘图像进行形态学处理,增强了算法的抗噪性。将改进的边缘检测算法在单片FPGA上实现,利用FPGA高速并行处理的优势,系统能够实时采集、检测图像边缘并显示高帧频高分辨率图像。     

基于涡流脉冲热成像的角焊缝表面裂纹检测北大核心CSCD

角焊缝裂纹是焊接结构中常见的缺陷之一,由于其所处位置特殊而常出现漏检、错检等情况。本文采用涡流脉冲热成像技术对T形角焊缝裂纹进行了研究,并提出了一种包含表面裂纹热图像前、后处理及定量检测的检验方法。首先,采用L形铁氧体磁芯对角焊缝缺陷试件进行检测,然后基于独立成分分析算法(ICA)对整个图像序列进行前处理,并提出了一种改进区域生长算法用于提取缺陷特征,最后利用所提出的检测方法对缺陷进行了定量检测和误差分析。实验结果表明,所提出的检测方法可以实现对焊缝表面裂纹的检测,抑制不均匀加热和边缘效应,改善图像分割中的欠分割和过分割现象,且检测出的缺陷长度和宽度相对误差仅为0.4%和14%。     

一种基于机器视觉的铝管缺陷检测系统

针对铝管生产过程中对准确、可量化的自动缺陷检测系统的迫切需要,本文引入一种由图像采集、缺陷检测、缺陷处理等模块组成的铝管缺陷检测系统。平板探测器获取由X光高压电源产生,穿过铝管的X射线并把所形成的数字图像通过USB端口发送至检测服务器。检测服务器使用机器视觉算法检测图像中的缺陷。当服务器检测到缺陷时,会向PCI板上指定位输出信号,报警装置接到信号后报警提醒工作人员。实验表明该系统能够自动、准确的标记出铝管中存在的缺陷,达到了系统的设计目标。     

玻璃厚度检测图像特点及其识别算法的研究

结合线阵CCD扫描二维图像工作原理,分析了玻璃厚度检测图像特点.精确提取光条纹图像中心是提高玻璃厚度测量精度的关键,提出一种改进的灰度重心法进行中心提取.先用Canny算子进行边缘检测,确定目标区域,再用加权灰度重心法提取玻璃厚度图像条纹中心.该算法可较好地抑制背景噪声,中心定位可达亚像素级,定位精度提高了0.2像素.基于上述算法,通过计算中心坐标差可得到玻璃厚度值.实验结果表明,该算法正确有效,玻璃厚度测量系统分辨率可达1μm,系统测量误差小于0.1%,实现了高精度、高稳定性的玻璃厚度在线检测.     

初始段安控图像目标识别方法研究

该研究为实现发射场初始段安控电视系统数字化图像采集、处理和存储展开讨论。采用形态学边缘检测算法、霍夫变换直线检测算法和光流法运动检测算法,利用火箭发射初始段安控电视录像进行测试实验,实现了对发射场初始段火箭箭体的识别。该研究使用数字化图像处理方法对现有的安控电视系统进行有效改进,为安控图像实时判读提供了可靠的依据,并为下一步研究提供了有意义的参考。通过对上述几种之间的特点和处理所需的时间的比较分析,形态学边缘检测算法的效果优于其他两种方法。     

基于改进颜色模型的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题,传统的边缘检测方法仅利用图像的亮度分量信息。给出一种基于改进颜色模型中颜色距离的彩色图像边缘检测方法,通过实验,将文中给出的边缘检测算法与常用的边缘检测算子进行比较。并对边缘灰度图像的阈值处理方法予以讨论,提出一种具有良好的自适应性的算法——极大值法,通过寻找局部极大值点定位边缘。实验表明文中给出的算法在改进图像边缘检测效果上是有效的。     

基于独立分量分析的纺织品缺陷快速检测系统

由于传统方法在进行纺织品缺陷检测过程中无法精准获取源信号分布情况,因此设计一种基于独立分量分析的纺织品缺陷快速检测系统。系统硬件包含织物传动结构、镜头、图像收集与处理卡板;软件为Linux操作系统,运用交叉研发模式完成软件程序研发,设计纺织品缺陷快速检测算法,即根据统计独立原则将测量信号分解成若干互相独立的元素,采用独立分量分析算法分析源信号的非高斯分布,以此提取纺织品图像的高、低阶矩特征,检测纺织品缺陷。实验结果表明,该系统对于纺织品缺陷检测的精度远高于传统方法,实际应用效果更好。     

基于改进的SUSAN算法的火焰图像边缘检测研究

火焰图像边缘检测是火焰图像检测系统研究的基础。将SUSAN算法引入到火焰边缘检测之中,并针对SUSAN算法中人为设定阈值在一些特殊场合下无法有效提取图像边缘的问题和运算量过大不适用于实时场景的缺点,通过引入目标区域判别和自适应阈值选取,提出一种改进SUSAN算法,解决上述两个缺陷并对该算法进行仿真。实验结果表明,该算法可以有效地提高火焰检测的准确率,排除干扰源,并具有良好的自适应性。     

基于视觉的车道线检测算法探讨

对基于视觉图像的车道线检测技术进行研究,针对智能车在视觉导航过程中车道线检测的鲁棒性问题提出一种改进算法。首先对道路图像进行中值滤波去噪,然后利用改进的OTSU算法分割图像,使目标区域更加清晰。划分图像中车道检测的感兴趣区域(ROI)对目标信息进行骨架处理,减少计算量提高实时性。最后运用改进的Hough变换计算车道标识线参数得到车道标识线方程,并进行车道线的拟合。     

基于红外图像处理技术的建筑外窗缺陷面积计算研究

将红外热成像与图像处理技术结合应用于建筑外窗缺陷的检测,提出一种外窗缺陷检测和面积计算方法。通过外窗缺陷检测实验,利用压差法进行外窗空气渗透检测,求出渗透的缺陷面积。将红外热成像仪采集的外窗红外图像进行图像的预处理、外窗缺陷的检测以及检测后的面积计算,并建立外窗缺陷红外图像检测模型。结果表明:利用加权平均法进行灰度化处理,中值滤波进行降噪处理、图像锐化和直方图均衡化进行图像增强处理,处理效果明显,可作为外窗红外图像的预处理方式;Roberts算法对预处理后外窗红外图像的检测与实验值差异最小,检测信息更接近实际缺陷位置;将处理方法和检测模型与建筑整体气密性检测结合,能够在现场对外窗气密性能等级进行初步判定。     

超声相控阵PE检测图像缺陷定位算法研究

针对车轮无损检测图像中对缺陷评判的不足,提出一种能够自动定位检测图像中缺陷的算法。该算法是在相控阵技术的车轮超声探伤基础上,运用数字图像处理技术,对检测图像进行时域的处理。对算法的流程进行了详细介绍,并对每一步给出说明和处理结果。通过对比得知,这一算法对图像中缺陷的检测精度高于90%,大为提高识别效率,并减少人为因素引起的误判。     

航拍图像中玻璃绝缘子自爆缺陷的检测及定位

在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对 H(Hue)和 S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。