Boosting优化决策树的带钢表面缺陷识别技术

基于图像信息的缺陷识别技术是带钢表面缺陷检测系统中的关健技术之一.通过采用单一的分类技术或者一步到位的创建分类器,对复杂带钢表面缺陷图像进行识别很难达到理想的效果.提出了用Boosting算法结合SLIQ决策树建立组合分类器来识别带钢表面缺陷的方法.Boosting算法通过适应性权重技术和带权重的投票方法,建立并组合多个功能互补的分类器,组合分类器通过优势互补的方法有效地提高单个分类器的性能;而SLIQ决策树算法的数据预排序和广度优先技术对大规模数据分类具有速度优势,适合于作为单个分类器的弱学习算法.对实际带钢表面缺陷数据集进行测试,Boosting优化SLIQ决策树的组合分类器对缺陷识别的准确率达到了90%以上.     

基于改进YOLOv3算法的带钢表面缺陷检测

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框（priors anchor）与特征图层（feature map）的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.     

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。     

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。     

带钢表面缺陷的一种在线检测识别算法研究

为了有效提高在线带钢表面缺陷检测的识别率和 实时性,提出了一种优化的量子粒子群-径向基函数 (QPSO-RBF)网络的带钢缺陷分类识别算法。首先采用加权模糊C-均值聚类(WFCM)算法确定 RBF网络隐含层参 数,算法对带钢缺陷特征数据出现的团状分布与疏散分布问题能够达到很好的聚类划 分,避免对特征数据集等划分的趋势;然后采用QPSO算法对RBF网络的参 数编码成粒子个体,在全局空间中动态地搜索最优适应值的RBF网络参数,提高了网络的 学习性能,并建立了带钢缺陷分类识别的专家知识库。实验结果表明:本文算法可以自动获 得较 优的网络结构,收敛速度快,对带钢缺陷的平均识别率为94.63%,平 均误识率为3.0%,对测试 样本的识别时间为4ms,小于生产线上每张图片的采集周期 10ms,因此,可以为高速生产线上的带钢表面缺陷在线实时检测提供了有利条件。     

基于改进多尺度形态学的带钢缺陷图像边缘检测

针对目前板带钢表面缺陷在线检测过程中无法准确地检测出所有缺陷边缘问题,根据带钢缺陷的特点,分析了结构元素的选取,提出了一种将多尺度形态学和多结构元素有机结合的边缘检测方法。该方法首先进行多尺度形态学滤波降噪,分别求取0°结构元素、45°结构元素、90°结构元素和135°结构元素带钢缺陷图像边缘;其次通过一定的运算组合,提取多结构边缘;最后对得到的带钢缺陷图像的边缘作二值化处理,再细化边缘得到缺陷图像边缘的最终结果。实验结果表明,该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上提取板带钢表面缺陷的边缘。同时能够较好地保留图像中缺陷的边缘细节信息,为带钢表面缺陷在线检测系统中自动分割、缺陷识别等后续处理奠定了基础。     

基于改进主动轮廓模型的图像分割算法

针对C-V模型对灰度不均匀的图像分割效果不理想的情况,提出一种改进的C-V模型.该模型在C-V模型的基础上,引入非加权的邻域平均和局部窗口方差概念,加快并精确了C-V模型的演化效果,同时在C-V模型的能量函数中加入惩罚项,使得C-V模型在演化过程中无须重新初始化,进一步提高了分割速度.仿真实验结果表明改进的C-V模型较原模型对灰度不均匀图像分割具有较好的分割效果.     

基于轻量化YOLOv3的带钢表面缺陷检测方法

缺陷检测是带钢生产过程中不可缺少的工序,现有检测方法普遍存在检测精度较低、实时性差等问题。为解决上述问题,本文提出了一种基于轻量化YOLOv3的快速缺陷检测方法。MobileNetv2作为主干网络并用两个尺度的特征图进行输出,保证了网络模型的轻量化;将改进后的注意力模块融合进特征金字塔网络(feature pyramid network, FPN),同时结合空间金字塔池化模块(spatial pyramid pooling, SPP),以提高算法对缺陷的学习能力;使用K均值聚类算法获得更优的先验框,并且使用CIoU(complete-intersection over union)对损失函数进行优化,进一步提升网络性能。提出的方法在带钢缺陷数据集上检测速度为70.8 FPS;模型参数量为7.1 MB,仅为YOLOv3的3.02%。实验结果表明本文所提方法能够在保证精度的同时实现对缺陷的快速检测,具有良好的生产线部署能力。     

基于改进U-net的金属工件表面缺陷分割方法

针对金属工件表面缺陷分割精度低的问题,通过对工件表面图像缺陷特征研究,提出以U-net为基础,结合多尺度自适应形态特征提取模块及瓶颈注意力模块的工件表面缺陷分割模型。首先,在网络中嵌入多特征注意力有效聚合模块,提高信息的利用率,提取更多相关特征,从而高精度地提取缺陷目标。然后,在网络中引入瓶颈注意力模块,增加缺陷目标的权重,优化特征的提取,获取更多的特征信息,从而获得更好的分割精度。改进后的网络平均精度达到0.8749,比原网络相比提高了2.92%,平均交并比达到0.8625,提高了3.72%。与原始网络相比,改进后的网络具有更好分割的精度,可以获得更好的分割结果。     

基于双边滤波与非局部均值的图像去噪研究

提出了一种基于双边滤波与非局部均值的图像去 噪算法,近年来提出的非局部均值算法是去噪效果非常 出色的算法之一,双边滤波去噪算法采用空间邻近度和灰度相似性构造新的权重系数,其取 得了良好的去噪效果,本文 据此改进非局部均值算法的权重部分,把空间邻近度因子与非局部均值的权重系数相结合, 构造新的权重系数。实验表 明,本文改进权重的非局部均值算法与已有的去噪方法相比,能得到更好的峰值信噪比,能 更好的保护图像细节以及结构信息。     

基于改进Chan-Vese模型的液晶显示屏Mura缺陷分割

液晶显示屏Mura缺陷是一类较难检测的显示缺陷,它具有对比度低、背景亮度不均匀、边缘模糊等特点。针对传统Chan-Vese模型(C-V模型)对其分割时存在误分割及速度慢的问题,本文提出一种改进的C-V模型。首先,依据曲线演化理论,简化了传统C-V模型的图像数据力驱动项,这样减少了迭代过程中的计算量,提高了分割的速度。其次,为了平衡图像的亮度不均匀,在模型中引入一个新的能量项,该能量项与轮廓曲线内、外部之间的亮度差有关,提高了分割的准确性。最后,在算法的实现过程中引入迭代停止的判别式,通过设定分割的精度可以实现迭代的自动停止,并有利于正确地分割出目标。实验结果表明,本文提出的改进C-V模型能够准确分割背景不均匀的Mura缺陷,并且具有较快的速度。     

带钢表面缺陷往线监测系统

应用机器视觉技术对冷轧带钢表面缺陷进行快速、准确的在线非接触监测。IMAQ Vision将机器视觉和虚拟仪器结合在一起。在LabVIEW虚拟仪器平台上开发的带钢表面缺陷监测系统,采用了自动对焦、直方图分析、LUT变换、域值分析、颗粒分析、几何变换、边缘检测、图像还原、模式匹配等图像处理技术对带钢各种缺陷如边浪、辊面压痕、油污印记、褶皱等进行自动识别,测量结果利用计算机进行数据库存储和网络传输以及系统高有学步功能,同时在线对设备参数进行矫正,并且判断设备可能存在的故障。     

基于形态学增强和图像融合的板带钢缺陷检测

为了检测噪声和光照不均并存的多种类型的板带钢表面缺陷,提出了基于数学形态学增强和图像融合的缺陷检测算法。本文首先分别对图像作多结构形态学熵图像增强和多结构形态学边缘增强,其次对增强后的图像采用加权融合,并通过图像背景熵和增强图像的像素均值比确定权系数,最后对融合图像进行二值化处理以便于后续的缺陷识别及分类。 实验表明,本文算法不仅能准确检测出含有光照不均和大量噪声的板带钢图像中的表面缺陷,而且对于其他类型的板带钢缺陷图像也能获得较好的效果。除此之外,该算法具有较强的抗噪性和较高的稳定性。     

基于改进YOLOv5s轻量化带钢表面缺陷检测方法

针对YOLOv5s模型参数量大、难以在嵌入式设备上部署的问题,设计了一种轻量化的YOLOv5s带钢表面缺陷检测方法。首先将主干网络中的部分卷积层替换为多分枝结构的RepGhost,增强了主干对特征信息的提取能力,推理时可以转化为单分支结构,保证了检测速度。其次提出了一种轻量级的FPN网络(GG-FPN),其中的G-Ghost用于削减C3模块中的冗余参数,而GSConv则利用大卷积核的深度可分离卷积和分支结构,保证精度和速度的双提升。实验表明,在NEU-DET数据集上,GG-FPN模型参数量较原FPN减少了24.7%,GFLOPs降低了20.6%。对 于整个模型,改进的算法mAP仅损失1.9%,参数量较YOLOv5s减少了37.5%,GFLOPs降低了33.1%,检测速度达到187 frame/s,更好地均衡了检测的速度与精度。     

基于机器视觉的零部件表面缺陷检测方法研究

针对零部件表面缺陷检测精度问题,提出一种基于机器视觉的零部件表面缺陷检测方法。传统的利用机器视觉对零部件表面缺陷检测方法中,由于零部件表面的光学反射特性,因此无法对零部件表面缺陷进行高精度的检测。提出的基于机器视觉的零部件表面缺陷检测方法引进了差影法检测模型,根据部件表面特征,利用分段线性灰度算法对部件表面细小的缺陷进行区域检测,并且结合了灰度共生矩阵的换算熵作为判定的依据,最终建立的缺陷检测模型是利用矩阵方位度和相似度之比进行高精度的检测。为了验证设计的基于机器视觉的零部件表面缺陷检测方法的有效性,通过仿真试验证明了该设计方法,结果表明该方法能够有效地解决零部件表面缺陷检测的精度问题。     

基于局部方差的自蛇模型平滑毫米波图像

针对毫米波图像数据量少和图像分辨率低的特点,提出基于局部方差自蛇模型平滑毫米波图像的方法.3×3窗口内的局部方差使毫米波图像在边缘和细节附近,其边缘停止函数接近为0,执行较小的平滑;在区域内部其边缘停止函数接近为1,进行较大的平滑,从而能够自适应地控制平滑过程.实验结果表明,所提出的平滑方法与传统自蛇模型相比,在消除噪声的同时更能够保留图像中的边缘和细节特征.     

一种改进的多视点视频编码预测结构

多视点视频编码(Muti-view Video Coding,MVC)标准采用预测关系固定的编码结构,不能根据视频序列调整预测关系,导致无法获得更好的编码效率.本文针对这一缺陷提出一种确定预测结构的方法,首先对图像进行下采样获得粗粒度图像,然后利用粗粒度图像间的灰度方差获得灰度相近的视点,最后对所选取的灰度相近的视点运用全局视差确定I-视点.经实验验证,本文的方法可以提高编码效率并减少编码中的缓存容量.     

基于改进YOLOv5的航空发动机表面缺陷检测模型

针对目前航空发动机表面人工缺陷检测效率低的问题,提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先,在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次,在backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后,将YOLOv5的定位损失函数改进为efficient intersection over union损失,在加快模型收敛的同时提高预测框回归精度。实验结果表明,所提YOLOv5-CE模型,相比原YOLOv5s网络,在检测速度几乎没有下降的情况下平均精度均值提高了1.2个百分点,达到了98.5%,能够高效智能检测航空发动机4种常见类型缺陷。     

IC制造中真实缺陷轮廓模型的比较

本文对现有的IC制造中真实缺陷轮廓的建模方法进行了比较,得到了一些有意义的结果。该结果为进行有效的集成电路(IC)成品率预报及故障分析提供了有益的借鉴。