铁路钢轨缺陷伤损巡检与监测技术综述

我国高速铁路的快速发展给铁路钢轨基础设施的状态维护和安全保障带来挑战,综述了钢轨不同类型缺陷伤损的巡检与监测技术。回顾总结了国内外钢轨无损检测与监测技术的特点和局限性,以及钢轨在线巡检与监测仪器的应用情况。分析了多模态多物理集成传感与可视化成像检测、宏观与微观组织状态观测、无损检测与评估和健康监测集成融合,以及基于大数据管理的铁路钢轨快速巡检和实时监测等新技术研究进展,讨论了未来铁路钢轨缺陷伤损巡检及监测技术的发展趋势。     

焊缝缺陷检测现状与展望综述

针对焊缝表面成形缺陷检测存在的技术问题,对现有焊缝缺陷检测技术即磁粉检测、超声检测、涡流检测、渗透检测、磁光成像检测、红外检测以及结构光视觉检测法进行了深入研究。对检测原理、系统基本结构、各自的适用范围以及研究现状进行了论述;并分析总结了基于结构光视觉检测法的激光条纹图像采集、图像处理、特征提取和焊缝缺陷分类识别等技术相关的理论与算法;研究结果表明:为了满足焊缝缺陷全方位检测要求,可融合多检测技术,优势互补;随着人工智能技术的不断发展和焊件质量要求的提高,实现焊缝缺陷检测技术可视化、自动化是未来的发展趋势;人工智能技术是焊缝缺陷检测的关键技术,实现真正智能化检测需进一步研究。     

带涂层金属零件表面缺陷的无损检测综述

现阶段,对带涂层的金属零件表面进行探伤检测时,需要去除表面涂层以保证检测的精确性。然而涂层的去除会严重地降低检测效率,增加繁琐工序。因此,研究带涂层金属表面缺陷的直接检测已经成为新课题。针对国内外一些可行的直接检测方法进行了综述。介绍金属表面裂纹的成因、特点,对现有的多种检测方法进行了详细概述,并且总结了直接检测方法的问题与趋势。为今后带涂层金属表面探伤方法的深入研究提供可鉴之处。     

成像无损检测中缺陷的分类与面积计算

研究了无损检测中二维图像的结构特点,将缺陷按形状分为三类,即简单缺陷、凹陷缺陷、空洞缺陷,并对缺陷进行了严格的定义,同时,给出了基于边界点的缺陷面积计算公式。     

焊接结构焊缝缺陷的无损检测技术研究

焊接结构是能源、化工、核电等设备中不可缺少的部件。在高效益的需求下，能源化工等设备正向大型化发展，并在焊接产品制造过程、使用过程和恶劣危险的环境检验中需要进行无损检测，以保证产品的安全，这是发展自动超声无损检测技术与设备的主要原因。随着先进超声传感器的开发，信号采集速度与计算机功能的提高，信号处理模式识别与人工智能软件的逐步成熟，焊接件超声波检测已逐步摆脱最初的单一手工操作方式，进入了自动超声波检测的时代。     

超声无损检测中的缺陷识别与噪声抑制

在传统的小波信号处理器基础上,根据解析小波变换能准确提取信号相位的特性,利用超声检测信号的相位信息,提出一种新的多缺陷识别与噪声抑制算法。该算法充分运用超声信号的时域、频率和相位信息,能检测多个具有不同频谱特性的缺陷。实验结果表明该算法不仅消噪性能好,而且提高了缺陷的纵向分辨率。     

金属管器件表面缺陷实时检测技术研究

针对金属管器件的表面缺陷检测进行研究,以机器视觉技术为基础,设计了金属管器件表面缺陷在线检测系统。根据生产线的实际检测要求,提出了检测系统的整体设计方案。针对金属管器件图像特点,设计了简单有效的图像处理算法。首先,提出了基于颜色统计特性的目标分割算法,实现了目标与背景的准确分割。然后,提出的实时光照校正算法,克服了光照影响,实现固定阈值的缺陷分割。最后,使用方向投影的方法定位缺陷区域,并采用面积指标对缺陷进行有效判定。实验结果表明,该方法对于每个器件的平均检测时间为0.21秒,缺陷产品的检测率为100%,能够满足金属管器件表面质量实时检测的要求。     

基于智能技术的木材缺陷定量无损检测研究

通过对直径不同孔洞缺陷振动信号进行处理分析,实现木材孔洞大小的无损检测.研究中首先采集孔洞面敲击和无孔洞面敲击的振动应力波信号,然后对直径不同孔径缺陷的振动信号的频谱特征进行分析,提取出频谱的特征向量作为训练样本;并利用获取的样本对构建好的体现信号特征与孔洞大小的非线性神经网络模型进行训练,然后利用训练好的网络对孔洞缺陷的大小进行无损检测.结果显示:随着孔洞直径的增大,振动信号频谱密度极大值所对应的频率逐渐减小;与无孔洞面敲击方式相比,孔洞面敲击所获得的信号频谱特征作为样本训练BP网络,网络仿真性能较好,仿真输出和目标值的相关系数都能达到0.98以上,对孔洞缺陷直径大小的识别准确率达到93.5％以上;孔洞缺陷大小检测的最佳模型为隐层节点6、传递函数为正切Sigmoid的单隐层网络模型.     

基于激光线光源的钢轨表面缺陷三维检测方法

将结构光三维检测方法应用于钢轨生产过程中的表面缺陷三维检测,通过在钢轨四周安装4台激光线光源和8台面阵CCD摄像机实现钢轨四个面的检测。对摄像机采集到的激光光带图像进行光带中心提取、光带中心线矫正、光带中心线与基准线的差值等步骤,得到钢轨表面深度的变化值,并将沿钢轨长度方向和高度方向的深度变化值用深度分布图表示,通过两维图像识别的方法检测缺陷所在的区域,从而实现钢轨表面缺陷的自动检测。该方法已经实现在线应用,可以达到的最大检测速度为1.5m/s,深度检测分辨力为0.2mm。     

机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

新型高速轮轨接触疲劳试验机研制

220 kW新型高速轮轨疲劳试验机可准确再现时速300 km/h条件下,轮轨滚动接触时的疲劳、钢轨波磨和侧磨等现象,模仿真实工况条件下高速轮轨损伤机理及粘着特性等,为高速铁路发展建设提供必要的研究手段和设计数据。     

基于视觉的汽车装配件缺陷检测研究进展

汽车装配件的缺陷检测是汽车制造流程中的重要环节,不仅可以提升产品质量,降低退货率,避免成本浪费,还可以为驾驶人员提供安全保障。 最早的缺陷检测依靠专家经验,准确度低,人力成本大,而无损检测技术依靠介质,且效率不高。 引入机器视觉不仅可以平衡检测精度和效率的问题,还能提高检测系统的鲁棒性,是最有发展潜力的缺陷检测技术之一。 本文首先给出了视觉缺陷检测的定义和主要流程,简述了视觉缺陷检测系统中的图像采集硬件,然后从常用的缺陷分割方法、特征提取方法、卷积神经网络 3 个方面综述了近年来汽车装配件缺陷检测的研究进展,并对比分析了相关方法的优缺点。 接着把汽车的装配件大致分为轮毂轮胎、车身漆面、零件、发动机等 4 类,总结了缺陷类型及其缺陷检测算法的研究现状。 随后介绍了与汽车工业相关的 10 个数据集和缺陷检测性能评价指标。 最后指出针对汽车装配件的缺陷检测目前面临着诸多方面的技术挑战,并对进一步的工作进行了展望。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

基于Halcon的电表铭牌缺陷检测系统

国家电网(State Grid)的快速发展扩大了智能电表的生产规模,电表铭牌作为其中关键部分,在生产中的印刷缺陷检测问题应运而生.利用机器视觉,设计了一种基于生成基准图像的电表铭牌视觉检测方法.联合Halcon软件与C#语言编写缺陷检测系统验证检测方法的有效性,结果表明:检测方法对电表铭牌印刷缺陷检测有较好的鲁棒性,能...     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于机器视觉的重轨表面缺陷检测系统的研究

针对目前几种常用的重轨缺陷检测方法检测速度慢、精度低等问题,提出一种基于机器视觉的重轨表面缺陷检测系统的设计方法.针对重轨表面常见缺陷种类,根据实验情况对该检测系统的硬件系统进行详细设计.并分别对重轨表面字符和缺陷采用信息定位和模式识别实现图像识别,使重轨缺陷和重轨号等字符信息的相应关系达到自动判别,从而实现缺陷检测的目的.     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于机器视觉的磁钢片缺陷检测研究

针对磁钢片人工检测效率低、误检率高以及劳动强度大等问题,对磁钢片缺陷种类及缺陷特征方面进行了研究,对磁钢片缺陷检测流程进行了分析归纳,提出了一种基于机器视觉的磁钢片缺陷检测算法,实现了磁钢片缺陷检测自动化。通过二值化和闭操作对图像进行预处理,将目标区域面积与模板区域面积进行了比较,实现了零件掉角和粘连缺陷检测。通过采用均值滤波算法对初始图像平滑处理,对所得图像与模板图像对应像素灰度值进行了作差运算,选出了差值大于规定值的区域,实现了磁钢片裂纹和结晶缺陷检测。研究结果表明,相比人工检测,实验所采用的算法能够准确判断磁钢掉角、粘连、结晶以及裂纹缺陷,较传统人工目测检测方法准确率提高10%,并提高了检测效率,降低了劳动力。