基于图像处理的带钢表面缺陷检测改进算法的研究

由于在带钢的生产过程中会出现多种表面缺陷,因此本文中研究了一种基于图像处理的带钢表面缺陷检测改进算法对表面缺陷进行有效检测。算法中对边缘检测、图像分块、连通域分析等过程进行了改进,并提出了一种针对带钢图像的图像二值化算法,相较于传统的缺陷检测算法,本文中的检测算法在保证处理速度的同时,可以使处理的图像细节更完整清晰,缺陷定位更准确,且总体的检测正确率在90%以上,为后续缺陷分类提供更加准确的数据支持,可有效解决带钢表面缺陷检测问题,对企业生产过程中的技术改善起到至关重要的作用。     

基于轴对称窗口文字图像检测快速算法研究

研究了图像定位的问题,由于存在污渍干扰等影响图像定位,针对以往单一特征进行图像文字定位及识别的系统中容易受到各种环境因素干扰的缺陷,提出了一种利用轴对称窗口进行边缘检测的图像文字检测算法。首先将利用轴对称滑动窗口提取水平和竖直方向上的边缘特征,利用连通域确定初始的图像文字位置;通过对可能的图像文字区域进行颜色色调验证,区域内垂直方向直方图投影,从而确定最终的图像文字位置。由于利用多种特征综合检测图像文字进行仿真。仿真结果表明改进方法能准确检测出复杂场景下图像文字所在区域。     

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M（Perona-Malik）扩散的钢轨表面缺陷视觉检测装置,该装置可 自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷. 钢轨图像具有光 照变化、反射不均、特征少等特点,为了在运动过程中 从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进 行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据 缺陷边缘特性和面积进行滤波,分割出缺陷图像. 实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别 率和误检率都能很好地满足要求.     

基于水平集的不规则透明表面缺陷检测设计

针对图像采集中,缺陷的灰度值和背景几乎不可区分,导致图像的低对比度的问题,目前,常规的表面缺陷检测图像预处理中常用阈值化和边缘检测技术,易出现漏检现象,即不适用于检测不规则表面边界处的细微瑕疵.为解决这一问题,从低对比度透明材料图像的非高斯统计特性出发,研究提出利用水平集智能分割具有复杂形状的目标对象,并利用小波变换进行缺陷特征提取的高效的智能缺陷检测方法.测试表明,所提出的基于水平集和小波变换的不规则表面缺陷检测系统的有效性,克服了检测区域边缘处的漏检缺陷问题.     

省钱省力自制证件照

现代社会,经常要用到证件照,比如办工作证、学生证、月票等。为了不浪费价格不菲的照片打印纸,我们一般都会精心排版,让一张照片纸尽可能打印出多张证件照片。     

基于机器视觉的某机座内孔表面缺陷在线检测系统设计

针对某压缩机孔内表面缺陷检测问题,提出了一种基于DM642和机器视觉的检测方法。通过内窥镜获取机座孔内表面图像。在DM642中对图像进行去噪、mean shift分割等处理,识别出缺陷并计算缺陷大小。最后在显示屏上显示出检测结果。通过键盘可以设定工件编号和保存孔内表面图像。     

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。     

压电陶瓷片表面缺陷视觉检测系统的研制

压电陶瓷片在生产加工过程中表面会出现空洞、斑点和划伤缺陷,使其压电性、介电性等性能劣化,影响产品质量。目前对压电陶瓷片表面缺陷检测还停留在人工目测的阶段,精度达不到要求,易出现漏检的现象,效率低下。结合压电陶瓷片本身及其待测缺陷的特征,提出一种基于视觉检测技术实现压电陶瓷片表面缺陷检测的方法。将压电陶瓷片放置在二维移动平台上,配合线阵相机进行多张图像采集,获取完整的压电陶瓷片信息,通过所设计的图像处理算法进行缺陷提取与质量判断,最终完成产品样机的研制。     

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.     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.