基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。     

红外图像处理在墙体空鼓检测上的应用研究

提出了一种基于红外图像的建筑物墙体空鼓检测方法,不但可以远距离、无损地对建筑物空鼓等缺陷进行定性检测,还能对建筑物热工缺陷进行定量分析;采用一种红外图像处理方法来消除墙体温度分布中梯度干扰的影响;通过自适应地调整参数对红外图像进行图像增强处理,有效地排除了环境干扰;通过基于空鼓缺陷边缘轮廓的连通域计算,可直接得到空鼓面积的大小数据;建筑物缺陷现场检测实验结果表明,提出的检测方法既能快速定位出建筑物空鼓等缺陷位置又能以78.3%的精度检测出空鼓面积大小,具有较高的工程应用性。     

桥梁水下结构缺陷的图像分割与特征提取算法

针对传统的桥梁水下结构缺陷检测方法的弊端,在深入分析缺陷图像像素特征的基础上,提出一种新的基于大津法和最大互信息量相结合的图像分割算法。依据轮廓跟踪原理,计算出桥梁水下结构破损区域的面积、周长等参数。在Visual C++ 6.0开发环境中进行了算法的实现。实验结果表明,该算法在提取图像破损边缘的同时有效地滤除了噪声,精确地计算出破损区域的几何参数,为桥梁水下结构缺陷的定量化识别提供了一种有效的手段。     

基于机器视觉的发动机表面缺陷检测技术

发动机表面的缺陷检测是保证其使用安全性的重要手段。本文应用机器视觉技术实现发动机内表面缺陷的自动检测,用内窥镜采集发动机装药内表面的图像,结合图像特点,通过多次实验对比,选择中值滤波方法对图像进行滤波、Canny算子检测图像边缘,应用像素灰度的相似性和不连续性将缺陷从图像背景中分割出来,在此基础上,选取面积和周长特征作为缺陷判断依据,并将以上功能进行整合,设计缺陷自动检测系统。实验结果表明该方法在发动机内表面缺陷检测方面有较好的效果。     

基于图像的缸体零件表面缺陷检测方法

针对人工抽样目测方法和超声波、电磁波等测量技术用于新型检测方法存在各式各样的缺点,为了实现在线高速检测汽车制动缸内壁是否存在缺陷,基于数字图像处理技术,提出了一种能很好满足要求的图像处理和缺陷检测方法.通过CCD相机采集零件需要检测表面的图像;用Matlab软件对图像进行必要的处理、对边缘进行提取;通过腐蚀和膨胀运算优化边缘,再采用连通域标记,通过计算缺陷区域处面积和周长两个物理量来判断缺陷类型和特征.结果表明:此方法能检测出缸体内表面缺陷,基本上能满足缺陷快速检测要求.     

图像处理在药片缺陷检测中的应用

针对工业流水线上的在线缺陷检测系统中的图像处理单元,对药片图像采用直方图均衡化并统计平均值和方差、基于坐标的阚值分割、几何特征提取等方法,最后实现药片包装的缺粒、缺损,杂质异物混入识别的目的.提出了一种简易改进型的基于坐标的阈值分割方法来计算面积、周长,从而推得圆形度.借鉴了Canny算法,采用滞后阈值法进行边缘检测.最后给出了流程图和实验结果,在MATLAB软件下通一些药片图像测试表明了该方法的可行性和准确率.     

一种钢板空气隙缺陷的巴克豪森检测方法

基于巴克豪森效应,提出了一种钢板空气隙缺陷无损检测的方法。根据趋肤效应,改变交变磁场的频率对钢板进行逐层扫描检测,通过检测在不同激励频率下钢板表面接收到的巴克豪森信号,分析信号扫频曲线是否出现拐点,从而实现对钢板内空气隙缺陷的检测。对Q235钢板试样进行缺陷检测实验,结果表明该方法可实现对钢板内部空气隙缺陷的检测和定位。     

钢板表面缺陷检测系统的设计与实现

钢板作为钢铁工业的主要产品形式之一,已成为汽车、机械制造、化工、航空、航天和造船等工业不可缺少的原材料,其表面质量的优劣将直接影响最终产品的性能和质量。针对目前国内钢板表面缺陷检测方法比较落后、检测效果较差的情况,提出了钢板表面缺陷检测系统的设计与实现方案,包括硬件和软件的组成和部署;采用了串、并口编程和图像模式匹配等技术,实现了钢板表面的自动拍照、缺陷检测及生产和缺陷信息的保存;依据图片的几何学特征和光学特征等,实现了缺陷检测算法,包括缺陷识别和缺陷分类。在此基础上开发的钢板表面缺陷检测系统已经成功地应用到了现实的钢板生产中。     

基于荧光磁粉图像的缺陷检测技术

荧光磁粉无损检测因具有缺陷显示直观、灵敏度高、检测速度快且成本低等优点而被广泛采用。在分析工件表面缺陷的荧光磁粉图像显示特性基础上,研究缺陷图像的平滑去噪和分割等处理算法,提出基于加权模板和自适应邻域选择的图像平滑算法,并将Ridler自适应阈值法应用于缺陷图像分割。实验结果表明,此种方法能够很好地去除伪缺陷,将图像中工件的真实缺陷从背景区域中完整地提取出来,为荧光磁粉自动化无损检测打下良好的基础。     

数字式射线图像缺陷检测的C-V方法

数字式射线图像（DR图像）缺陷检测主要是进行缺陷区域的分割和测量,分割精度将直接影响到测量精度。C-V模型是一种新的基于曲线演化理论和水平集方法的图像分割模型,它结合区域信息使得分割结果全局最优,可以很自然地处理轮廓线拓扑结构的变化。针对工件DR图像特点,研究了一种DR图像缺陷检测的C-V方法：首先应用C-V模型进行DR图像缺陷区域的分割,在此基础上,完成缺陷区域几何参数的测量。实验表明,C-V方法能准确地分割出DR图像中的缺陷区域,并获得缺陷形心和面积等参数。