基于机器视觉的焊缝表面下塌缺陷实时检测系统

针对工件焊缝表面下塌缺陷检测精度低、效率低的问题,设计了一种基于机器视觉的焊缝表面下塌缺陷检测系统,代替人工检测。利用QT5.9开发软件界面,通过配置CCD相机与辅助光源对焊缝图像进行实时采集,并提出了针对焊缝表面下塌缺陷增强、分割、提取、识别的组合算法。使用改进的GrabCut算法解决了焊缝下塌缺陷与背景分割的难题,实现了对焊缝下塌缺陷的快速精确识别。试验结果表明,系统测量精度为0.02 mm~2,可以对焊缝表面下塌缺陷实现实时、精准、稳定的检测识别。     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

基于机器视觉的锥形旋压件起皱缺陷在线检测方法

获取成形缺陷的快速、准确在线检测方法是实现旋压成形智能化的基础。通过对起皱特征和图像识别流程进行研究,提出了一种基于机器视觉的起皱缺陷在线检测方法,并将其应用于锥形件剪切旋压成形过程起皱缺陷的在线检测。构建旋压成形图像在线采集系统,实现成形时旋压件图像的实时获取;利用Halcon软件对图像进行ROI提取、直方图均衡化等预处理,能够获得高对比度的清晰图像;通过Otsu法改进传统Canny边缘检测算法,实现了根据图像梯度自动确定高低阈值,准确地提取出锥形件的图像轮廓。以锥形旋压件起皱后口部轮廓波纹个数及大小为特征,设计了起皱缺陷识别算法,成功检测出锥形件起皱缺陷;并通过剪切旋压实验进行起皱识别算法的可靠性验证。实验结果表明,该方法可以准确、快速地检测出起皱缺陷,平均响应时间为0. 225 s,能够满足实时检测的要求。     

基于不变矩的带钢数字图像的缺陷检测算法

针对带钢数字图像特点设计了一种表面缺陷检测算法,能够基本解决带钢有无缺陷的初检工作。它从Hu不变矩的平移、旋转、比例不变性切入,结合二阶矩的物理特性,并考虑到无缺陷图像灰度过渡平缓,置乱前后不变矩差较小;而有缺陷图像的缺陷部分被破坏,其置乱前后不变矩差相对较大,据此设计并实现此算法。通过试验证实,该算法能够快速判别出有缺陷的带钢图像,使初检和缺陷类型识别能够实现并行处理,对提高带钢缺陷检测系统的整体效率具有重要意义。     

基于高频超声检测的焊接缺陷识别

空洞、分层是钎焊接头中常见的缺陷,其面积大小对钎焊接头的质量会产生很大影响。为了能够准确、高效地计算缺陷面积,提出了一种缺陷识别算法,对缺陷进行标记。首先采用超声显微检测技术对钎焊工件进行检测,生成超声C扫描图像;然后采用基于阈值的图像分割方法对C扫描图像进行二值化处理,最后利用缺陷识别算法标记缺陷和计算缺陷面积,提高了工件缺陷检测的准确率和效率。     

形态学滤波窄裂纹检测与目标识别

荧光磁粉探伤是工件表面缺陷的一种非接触式检测手段,传统的基于人工视觉检测裂纹的方法耗人力、耗时、不精确、花费高、可靠性无法保证。现代工业检测技术要求工件表面缺陷检测自动完成,而工件表面状况、真伪裂纹缺陷、工况条件等使得现有的检测识别方法难以满足工件表面缺陷自动检测识别的需要。分析了工件表面荧光磁粉图像特征及裂纹缺陷特征;研究了基于分块阈值的数学形态学梯度算子图像边缘检测算法;根据裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹缺陷识别方法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于火车轮轴检测线实时检测,裂纹缺陷的有效检出率达90％。     

在线铝带材表面检测系统

设计了一种在线铝带材表面缺陷检测系统。为满足系统实时性和检测率,构造了一个独特的架构和算法集合系统。图像预处理和缺陷分割在高速阵列处理的前端机上完成,缺陷分类和显示在数据库服务器上实现。图像预处理中引进图像非均匀性校正以改善图像质量;缺陷分割模块中融合几种分割方法的分割结果,并设计了一种缺陷合并方法提高缺陷目标定位精度,从而有效地进行后续缺陷特征计算和分类;同时,系统分类器中设有供用户操作的缺陷样本库,样本库的完善能促进分类精度的提高。该系统已经在现场投入使用,结果表明该系统是一个稳定可靠的实时表面缺陷检测系统。     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

一种基于先验知识的弧焊机器人图像处理方法

在弧焊机器人视觉检测的CCD直接拍摄图像方法中,针对带有黑笔记号、划痕、并与焊缝交叉干扰的复杂对接焊缝图像,文中提出了一种实用的焊缝轨迹的识别方法,并对该算法中的骨架细化及边缘链的拆分、合并剪枝和基于先验知识的位置关系判断等关键问题进行重点阐述. 结果表明,该算法能有效地去除复杂焊缝图像中的黑笔记号、划痕和交叉干扰,最终自动提取焊缝轨迹. 该算法具有较强的适应性和可扩展性,稍加改进就可应用于其它复杂图像上. 如带电弧光或结构光等的图像. 该算法能为弧焊机器人视觉检测的智能化的进一步提高提供一定的技术参考.     

基于单视角图像处理的刀具磨损检测研究北大核心

针对现有刀具磨损检测存在检测速度慢、人工工作量大、经济效益低等问题,提出一种基于单视角图像处理的刀具磨损检测算法。使用CCD相机对刀具磨损前和磨损后的图像进行单视角提取,通过图像融合变换得到磨损前和磨损后的全景深刀具图像;将刀具磨损前后的全景深图像进行配准,得到磨损区域图像后,将磨损区域图像的像素转化成实际长度值,计算出实际磨损量。实验结果表明:该方案检测速度快,测量误差范围满足检测精度要求,可应用于实际加工。     

基于改正二维主成分分析的焊缝表面缺陷检测

机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷. 针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络( feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测. 首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像. 然后,利用MUI2DPCA在线提取局部块图像的模式特征. MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响. 最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息. 试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求.     

基于稀疏优化的织物缺陷检测方法

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。     

基于低秩矩阵的自适应边缘检测算法

针对传统边缘检测算法处理含噪图像存在边缘模糊、缺失等问题,为提高算法的抗噪性与边缘完整性,提出了一种基于低秩矩阵的自适应边缘检测算法。首先使用低秩矩阵理论将图像中稀疏噪声矩阵分离,在去除噪声的同时能完好保留图像边缘,再根据图像灰度采用迭代循环的方法进行阈值分割选取,最终提取出连续完整的边缘。实验结果表明,使用该算法在混合噪声情况下具有较好的抗噪声能力与算法鲁棒性,提高了边缘信息的完整性,在视觉测量的应用取得了较好的效果。     

计算机视觉焊缝识别技术研究

对焊缝识别技术进行了深入研究,包括对焊缝图像的中值滤波以降低噪声干扰、对图像的最佳阈值化以获取焊缝信息以及对图像的数学形态学处理以消除焊缝周围孤立点的干扰.在此基础上,提取到较为清晰的焊缝图像,进而采用最小二乘法建立焊缝的轨迹方程,为焊接控制提供依据,提高焊缝跟踪精度及焊接质量.     

应用于虚拟现实人机交互系统的手势检测与跟踪研究

随着虚拟现实技术的应用范围不断扩大,人机交互系统的重要性日益突出。在人机交互系统中较为关键的指标就是手势检测与跟踪的准确度。因此,提出了一种适用于虚拟现实人机交互系统的手势检测与跟踪算法。首先采用基于手势轮廓模型的检测算法来实现手势检测,有效提高了手势检测的鲁棒性。然后采用状态空间概率预测来实现手势跟踪。此外,采用了训练后的贝叶斯分类器对待检测手势图像进行分类。实验结果显示相比传统算法,提出的算法具有较高的实时性、准确性和鲁棒性,能够有效识别运动手势,满足了人机交互的要求。     

基于Steger算法的弯管图像中心线检测方法

在基于多视几何的弯管三维测量方法中,为了重构弯管三维模型,需要精确稳定的提取弯管图像中心线,文章研究了常用的弯管图像中心线检测方法的不足,结合张量投票算法与Steger算法,提出一种亚像素级的弯管图像中心线检测算法。通过实验验证该算法能够克服光照不均匀带来的影响,提取弯管中心线的精度在0.5像素以内。     

基于压缩传感技术的埋弧焊X射线焊缝图像缺陷检测

将压缩传感理论引入X射线焊缝图像缺陷判断,提出将判断X射线焊缝图像是否含有缺陷问题作为一个模式识别问题处理,将待检测图像视为样本图像的线性组合,通过求取系数向量来判断图像是否存在缺陷. 为实现系数向量的稀疏化,提出利用罚函数的方法求解0范数最小问题的近似最优解,提出新的光滑可导的0-1惩罚项函数,使求0范数最优成为可能. 在此基础上分别利用1范数最小和2范数最小求取系数向量,并利用混淆矩阵对所求结果进行分析. 结果表明,综合考虑0,1,2范数最小化所得系数的识别算法灵敏度可达99%,特异度可达98%.     

基于信息融合优化搜索的X射线焊缝缺陷检测

提出一种基于信息融合优化搜索技术的X射线图像焊缝缺陷检测方法.在对X射线焊缝图像进行预处理的基础上,使用垂直焊缝方向投影的波形分析法进行焊缝区域分割,采用图像信息融合技术,综合不同判据获得启发式状态空间优化搜索的启发信息,对搜索过程进行优化,从而快速准确地检测出X射线图像中的缺陷区域.试验结果表明,提出的算法能够快速有效地检测出焊缝X射线图像中的缺陷,取得较好效果.