基于图像处理与卷积神经网络的锂电池极片缺陷检测与分类

针对锂电池生产过程中极片缺陷检测存在精度差、速度慢的问题，提出了一种基于图像处理和卷积神经网络（Convolutional Neural Networks,CNN）的缺陷检测与分类方法。首先，利用双边滤波、灰度变换、阈值分割、形态学处理、Canny检测和最小外接矩形提取等方法，分别实现图像去噪、对比度增强、图像分割、区域填充、边缘检测和缺陷轮廓标定；然后，对极片的裂纹、破损、黑斑和压孔四种缺陷图像进行变换，扩充数据集，搭建卷积神经网络模型；最后，将标定轮廓区域延展图像输入到搭建的模型，确定缺陷类型。结果表明，该方法对锂电池极片缺陷的检测与分类具有较高的准确率，能够实现对锂电池极片缺陷的自动化检测。     

低比度钢板微小缺陷的图像增强和分割

针对低对比度、微小的钢板表面缺陷,提出了基于图像增强的图像分割算法来有效分割和识别缺陷目标。采用小波变换与同态滤波结合算法对图像进行增强处理,不仅消除照度不均的影响,还突出了缺陷细节的信息,达到图像增强的效果。最后,利用粒子群算法优化最大类间方差法参数（PSO-Otsu）确定增强后图像的最佳阈值,并结合Canny算子进行缺陷检测。对比其他算法,该算法在检测低对比度的微小缺陷上取得了良好的效果。     

基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法

针对锂电池极片在人工检测过程中检测效率低、检测错误率高等问题,提出一种基于自适应Gabor滤波与分水岭算法融合的锂电池极片缺陷检测方法。首先通过改进传统Gabor滤波器的参数,实现Gabor滤波器的自适应,得到滤除背景的缺陷图像;然后使用大津法对图像二值化处理,利用分水岭算法进行边缘提取;最后利用分割出的边缘获得坐标,利用最小外接矩形法实现缺陷检测。结果表明,相对于区域生长算法和改进的Canny算法,本文方法的抗干扰能力得到提高,可以对锂电池极片漏金属、黑斑、白斑、脱碳、条痕等多种缺陷进行较为精确地检测,能够用于锂电池极片缺陷的自动化检测。     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.     

一种改进的Canny边缘检测算法

针对Canny边缘检测算法存在的缺陷,提出了一种改进型Canny边缘检测算法。首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制了噪声的影响;最后采用平均方差阈值法选取阈值,从而提高了对不同图像的自适应性。通过对实验图像的分析表明,该改进算法对含噪图像的边缘提取具有较好的检测精度和准确性。     

X射线焊缝底片数字化图像边缘检测方法

从X射线焊缝底片数字化图像缺陷识别的实际需求出发,针对焊缝缺陷图像边缘提取,进行不同边缘检测方法的对比研究,分析各类边缘检测算子边缘提取效果的特点及阈值的取值对边缘检测算子的边缘提取效果的影响,提出基于数学形态学的多方位结构元素边缘检测方法.实验表明：综合采用阈值优化的Canny算子和基于改进的形态学梯度算子及多方位结构元素的数学形态学边缘检测方法,能够获得完整全面的边缘信息,有利于对焊缝缺陷的分类及缺陷等级识别.     

一种改进Canny算子芯片图像边缘检测方法

采用机器视角对芯片表面封装缺陷进行检测对提高芯片生产效率意义重大。该文对传统Canny算法进行详细分析后,根据采集到的芯片图像对比度低、容易受光照不均匀和噪声污染等信息影响的特点,对传统Canny算法进行了改进,提出一种新的芯片图像边缘检测方法。通过迭代双阈值最大类间差法取得最优阈值后,再开始边缘检测。在系统自带图像和采集到的缺陷芯片图像上对2种算法进行了对比实验。结果表明,新方法能去掉冗余信息,可准确提取芯片图像的缺陷轮廓,提高后续检测的准确性。     

一种改进自适应阈值的 Ｃａｎｎｙ算法

针对传统Canny算法在滤波时无差别平滑降噪、边缘信息丢失及模糊的现象,且人工选取梯度高低阈值存在局限性的问题,提出了综合考虑图像位置信息与亮度信息的双边滤波代替传统高斯滤波方法,结合最优化阈值分割法和Otsu法分别计算出图像高低阈值,采用边缘信噪比SNR函数对比验证边缘检测效果。改进后的Canny算法有效提高了边缘完整性,且伪边缘更少,对图像中相对较弱的边缘部分也有良好的提取效果,改进后的算法具有更高的信噪比。采用工业机械臂视觉采集零件边缘为背景,实验结果表明,改进后的Canny算法可以有效保留真实边缘信息,边缘更加连续且完整。     

活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。     

基于Matlab起重机吊钩表面缺陷检测图像处理

针对起重机重要零部件通常采用人工抽样检测的弊端,以图像处理技术为基础,进行基于Matlab的吊钩表面缺陷图像处理及缺陷识别算法的开发。缺陷识别算法采用了小波阈值去噪处理方法去除噪声、Canny算子进行边缘检测,最后进行图像特征分割实现最终的识别。该方法可以较好地检测起重机重要零部件表面缺陷,检测速度快,且准确率较高。     

强噪声下自适应Canny算子边缘检测

针对传统Canny算子不能有效滤除图像在解码处理和传输过程产生的椒盐噪声、无法保留边缘细节的问题,提出强噪声下Canny算子图像边缘检测算法.依据椒盐噪声的极值性、灰度差值性,将像元点划分为噪声点、疑似噪声点;根据分类之后的像元点自适应地改变滤波器窗口的大小和权值,在降低噪声影响的同时能较好地保留图像细节.引入8个方向...     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。     

脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

一种改进的六边形结构的Canny边缘检测算法

在图像处理过程中,为了获取更精确的边缘轮廓,将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阚值对边缘进行精确提取,经过这三个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边...     

基于边缘算子和数学形态学的光纤面板暗影检测

暗影是光纤面板在生产过程中产生的一种疵病,根据光纤面板暗影透过率的梯度变化特征,讨论其对应图像的灰度变化特性,提出了利用经典边缘算子融合数学形态学检测光纤面板暗影的方法。首先采用Canny算子进行暗影边缘的初步检测,然后选择最优的数学形态学方法及结构元素,最后利用闭运算实现暗影边缘连接。实验结果表明,此方法能有效地检测出光纤面板中存在的暗影,检测效果清晰、完整。