基于FCN的轮对踏面检测技术

传统的图像处理方法在检测轮对踏面上的磨损区域时,由于轮对表面存在的阴影以及污渍的影响,易产生误识别问题,为此提出一种基于全卷积神经网络检测踏面轮廓图以识别磨损区域的方法。首先使用CCD相机对低速运行的轮对踏面轮廓图进行采集,然后将轮廓图中存在磨损的区域进行标定制作成标签,使用FCN-32S、FCN-16S、FCN-8S模型进行训练。实验结果表明FCN-32S、FCN-16S、FCN-8S模型均能有效检测出存在较大磨损的区域,而FCN-8S模型对于点状磨损区域的检测效果明显优于FCN-32S及FCN-16S,且对于实验中设置的存在污渍干扰的区域三种模型均不存在误识别现象。最后通过MIoU值对FCN-32S、FCN-16S、FCN-8S检测效果进行评价,改变模型训练次数,MIoU值最终会停留在0.7附近,检测效果良好。     

基于图像处理和Hough变换的轮对踏面轮廓检测方法

轮对作为列车走行部的重要组成部分,对其踏面轮廓的在线实时检测意义重大.为实现非接触式在线测量,基于图像处理的自动检测方案可以实时准确的检测轮对踏面轮廓,以激光作为光源照射轮对,同时用面阵CCD采集踏面光带图像,通过分析光带图像特点以及Hough变换获取轮对轮廓,提出了对Hough变换方法的改进,包括前期图像预处理、边缘检测和直线圆弧信息聚类存储算法.在实验室模拟了现场试验,分别对改进方法和未改进方法进行了对比试验,同时将基于该方法下提取的轮廓测量的几何参数与传统测量的几何参数结果进行了对比,结果证明提出的方法有效地提高了测量的效率、实时性和准确性.     

基于阈值差分的绝缘子缺陷识别算法

为了准确识别出绝缘子缺陷,防止绝缘子破损导致输电线路不能正常运行的问题,提出基于阈值差分的绝缘子缺陷识别算法。首先对图像进行预处理,然后进行自适应阈值分割完成图像二值化,通过形态学处理消除琐碎区域,使用边缘检测算子提取绝缘子边缘。将故障绝缘子与正常绝缘子作差提取缺陷图,依据缺陷像素大小与阈值的关系判断绝缘子的破损情况。将缺陷图二值化后使用矩形框标定。实验结果表明所提出的算法对绝缘子缺陷识别具有一定现实意义。     

Hilbert-Huang变换在列车踏面故障识别中的应用

列车轮对踏面故障危害极大,且由于列车运行环境恶劣,存在电机整流装置等车载设备产生的强烈电磁干扰,以及测量系统和各单元电路之问的公共接地阻抗产生的严重干扰等诸多不利因素,因而传统信号处理方法难以准确识别踏面故障。本文提出了利用Hilbert—Huang变换对实测振动信号进行分析处理,进而提取踏面故障特征信息的方法。实例表明,该方法具有较高的分辨率和较强的抗干扰能力,能准确识别踏面故障,且算法简单、计算量小,可满足踏面的实时在线检测要求。     

基于红外图像的输电线路故障识别

传统红外图像输电线路故障识别方法易受到噪声的干扰,故障边缘特征信息模糊,不能准确找出输电线路故障的位置,存在识别准确率低,抗干扰性差等难题,为此提出了基于红外图像对输电线路故障识别方法。采用红外成像仪器采集输电线路的温度变化图像,并采用粒子滤波算法去除故障图像中的噪声干扰,通过RGB色彩通道转换对输电线路红外图像的故障区域进行划分,利用共轭梯度法对输电线路故障区域的故障点进行识别和定位。实验结果表明,该方法能够实现输电线路故障的准确定位和高精度识别,且定位精度高达80%。     

基于OpenCV和 YOLOv5的车道线检测与识别

为更加快速、准确识别汽车行驶区域并区分车道,实现无人驾驶,提出一种结合视觉OpenCV 算法和改进 YOLOv5算 法的目标检测跟踪模型进行车道线检测的方法。在图像预处理阶段,首先读取视频图像,把每一帧RGB图像转为灰度图,通 过Canny 算子对图像的边缘轮廓进行提取,然后绘制车道线的掩码区域,并与边缘检测结合,采用ROI 技术提取感兴趣区域, 最后进行概率霍夫变换和最小二乘拟合,将得到的直线绘制到原图像中,最终对每一帧处理后的图像进行输出。目标识别模 块采用卷积神经网络(convolutional neural network,CNN)深度学习方法及 YOLOv5算法进行目标识别处理。实验结果表 明,所提检测算法能够实现准确的车道线检测,实时性和准确性比传统算法高很多,且该方法具有良好的鲁棒性。     

复杂背景下多特征结合的深度学习手势识别

科学技术的快速发展使得基于深度学习的人机交互已经得到广泛的应用。手势识别作为人机交互领域的重要组成部分,同样具有重要的研究意义和应用价值。通过对传统的手势识别方法进行研究,发现主要是利用肤色检测算法实现手势识别和分类,但是传统方法在针对具有复杂背景的手势图像时会出现识别效果差等问题。为解决这一问题,提出一种基于卷积神经网络的肤色特征和边缘特征结合的手势识别方法。首先,在YCrCb颜色空间采用椭圆肤色模型和Otsu阈值肤色识别算法获取手势肤色特征,经算法判断后,对手势肤色图像采用改进Canny边缘检测算法获得手势边缘特征。其次,提出一种边缘填充方法对手势边缘图像处理,得到手势轮廓完整的手势边缘图像。最终,采用逻辑运算和形态学运算得到手势分割图像,并输入卷积神经网络进行训练和识别。实验结果表明,该方法在复杂背景下具有较好的手势识别效果,在NUS-II数据集上的平均识别率为98.83%。     

基于彩色图像的玻璃绝缘子缺陷诊断

探讨了架空送电线路直升机巡检系统,提高玻璃绝缘子损伤诊断效率的方法。首先采用分块图像的颜色统计识别以及连通域的形状和边缘链码特性,识别出玻璃绝缘子所在区域;然后采用滑动窗口直方图统计及直方图匹配判决的方法,识别出玻璃绝缘子损伤的区域。该方法适用于野外环境中的实时检测,因此可以在一定的光线变化范围和背景复杂度内识别诊断玻璃绝缘子损伤。通过此方法可以在较低的漏检率下快速而准确地检测玻璃绝缘子损伤故障,能在机载系统中具备实时处理能力。     

基于贝叶斯模型的印刷电路板ECT图像分割与识别方法

提出了基于高频涡流检测(high frequency eddy current testing, HF-ECT)扫描成像的印刷电路板(printed circuit board, PCB)在线检测方法,利用板中导线、焊盘、引脚与基材之间的电导率差异来提取涡流响应信号并成像,实现对导线断线、焊盘和引脚翘曲、脱落等损伤的高分辨率检测。首先根据线圈激励(频率高达2 MHz)下的涡流分布和成像特性分析印刷电路板的扫描图像特点,并研究图像的染色方法,以达到最佳的像素梯度分布特性;接着,提出基于贝叶斯模型的图像阈值分割和损伤区域提取方法,根据像素灰度分布的后验概率推导出图像分割的最佳阈值,通过对分割后二值图像的边界提取并对其中的损伤进行识别定位;最后将提出的方法应用到PCB的损伤检测中,验证不同条件下的损伤识别和定位效果。研究为印刷电路板的结构表征和损伤检测提供了一种新的途径。     

机器视觉技术的包装缺陷在线识别系统

针对各类产品包装质量识别系统,缺陷识别精度较低的问题,研究机器视觉技术的包装缺陷在线识别系统.创建系统整体架构,通过图像采集卡、相机及镜头构成的图像采集过程获取包装图像和图像数据,采用基于PC的视觉系统利用边缘检测与二值化图像处理算法,实现包装图像的预处理,通过边缘角度识别软件在线识别预处理后的包装图像,以液晶触摸显示...     

基于CCD图像处理的焊缝识别技术研究

在分析焊缝的CCD数字图像信息的基础上,提出了优化的图像处理和焊缝提取算法,有效地实现了焊缝的识别。对图像进行预处理,设计了扩展的自适应中值滤波器以去除噪声和干扰;提出了改进的自适应阈值分割法(Otsu)对图像进行二值化,得到二值图像;选择Roberts算子识别焊缝边缘信息,并采用Hough变换获取焊缝中心线,得到焊缝的坐标值。在VC++平台上分析和处理焊缝图像,实现上述算法,结果表明,所设计算法不仅能够快速、准确地识别焊缝,而且具有计算量小、实时性强的优点,有很高的理论和应用价值。     

基于Canny算子和形态学滤波的焊缝图像背景去除技术

为了减少焊缝图像中焊道以外的冗余数据对缺陷检测造成影响,提出一种基于Canny算子和形态学滤波的焊缝X射线图像背景去除技术。原始焊缝图像使用中值滤波平滑后先通过Canny算子得到图像的粗略边缘,再使用数学形态学中的膨胀和细化使焊道边缘闭合。最后通过区域生长算法生成焊道区域灰度值为1,背景灰度值为0的二值化掩膜图像,该图像与原图像相与得到背景去除后的焊缝图像。实验结果表明,该算法处理后图像的轮廓纯净度和完整性都得到了较大的改进,前景边缘更加清晰,背景去除更加彻底,有效地避免了背景对焊缝检测的影响。     

面向混凝土裂缝检测的级联神经网络算法研究

针对传统深度学习的裂缝检测方法在复杂环境下鲁棒性低、边缘区域识别精度差、损伤量化结果误差大的问题,本文提出一种复杂环境下基于级联神经网络的混凝土裂缝检测方法。该方法分为三步：第一步利用改进的语义分割模型对复杂环度参数获取算法计算裂缝宽度。试验结果表明,相较于传统裂缝识别方法,本文方法在精确率、召回率、准确率、F1分数和交并比五项评价指标上均有提升,且总体检测准确率在95%以上,能实现复杂环境下境下的裂缝进行初步识别,判断图像中裂缝的大致感兴趣区域;第二步采用本文所提基于金字塔池化的掩膜优化方法对粗分割图像进行优化,精确捕获裂缝边缘上下文信息;第三步采用二维码靶标的图像像素解析度和裂缝宽混凝土裂缝的检测与定量分析。     

基于红外图像识别的输电线路故障诊断

红外图像中输电线路故障的准确识别一直是困扰检测人员的难题。本文借助红外成像仪获取输电线路温升变化图像,从分析输电线路红外图像的特征入手,通过比较各颜色空间的优缺点,应用HSI颜色空间转换获得图像边缘信息,借助中值滤波保持边缘信息的优势,利用改进的中值滤波排除干扰,采用梯度法提取其中的温度最高区域,从而迅速准确地诊断输电线路温升故障。以输电线路的红外图像为例,验证了HSI空间梯度法识别温度最高区域的可行性和有效性。     

一种基于 DBSCAN 随机圆检测的多瓶口定位算法

现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确.对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法.首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶...     

基于改进Faster RCNN的轮对踏面缺陷检测

针对目前传统图像处理算法对踏面缺陷检测存在效率不高、对环境鲁棒性不足等问题，本文提出基于改进Faster RCNN的踏面缺陷检测方法。改进的网络首先使用Resnet50作为特征提取网络，并在特征金字塔层（FPN）特征融合输出部分加入自注意力机制，加强了检测网络对小缺陷的检测能力，最后使用K-means++聚类算法对踏面缺陷数据集锚框进行聚类，并通过聚类结果定制出更适合轮对踏面缺陷的锚框。实验结果表明，改进后的Faster RCNN网络对轮对踏面缺陷检测的平均检测速度为68 ms,平均精度（mAP）达到了97.3%，对小目标缺陷的检测精度（mAPsmall）达到了39.3%。     

面向视觉假体的复杂图像处理技术

为了更准确地提取视觉假体采集的复杂图像中的信息,提出了一种基于视觉显著性的复杂图像视觉焦点检测和基于多尺度信息融合的图像边缘特征提取算法。算法首先利用GB算法计算复杂图像显著性图,然后利用双阈值分割和形态学方法提取出复杂图像中的视觉焦点区域。其次,针对传统边缘检测中单尺度微分算子的不足,提出了融合多尺度Sobel的边缘检测方法。提出的复杂图像处理策略既简化了图像信息编码的复杂度,又提高了边缘提取算法的噪声稳健性。     

基于优化蚁群算法的图像边缘检测改进算法

针对蚁群算法在图像边缘检测应用中出现的停滞、效率低等问题,提出了优化的改进方案。首先根据图像的灰度值确定启发式引导信息矩阵,在迭代运算中对信息激素强度和信息激素挥发度分别进行取值区间限制和自适应控制策略,搜索完成后采用Otsu阈值法检测出边缘。与传统算法相比,优化算法对搜索过程进行了适当的控制,提高了搜索的目的性,有效解决了停滞和收敛速度慢的缺陷。经测试,该算法能以更高的效率有效提取出边缘信息,同时保留了细节信息。     

基于图像处理的智能电表显示缺陷自动检测系统设计

文章设计了一种基于图像处理的自动检测系统,能够实现智能电表显示面板质量检测的自动化。该系统能够很好的检测出LCD显示面板中包括中文字符、数码管以及一些特殊字符和图形由于焊接加工问题导致的图形显示缺笔画或者不显示问题;此过程主要包括图像特征区域的定位、字符的分割、字符的缺陷识别判断;在特征区域定位中,首先采样获取LCD区域彩色图像直方图,然后利用反投影法获取大致特征区域,接着通过Canny边缘检测、概率直线检测确定特征区域的具体坐标;在字符分割的过程中,主要对预处理图像使用了水平、垂直投影等方法;最后利用模板匹配进行缺陷检测。此方法以DL/T 645-2007电表为检测对象,经过工厂实地图像取样,算法经代码实现,缺陷识别度高。     

结合角点的边缘检测法实现输电线路杆塔标牌图像定位

针对现有的定位算法鲁棒性较低,泛性不佳等问题,以手持设备获取的杆塔标牌图像为研究对象,提出了改进边缘检测法。通过透视变换对图像进行倾斜矫正处理,根据像素累计情况采用边缘检测法实现标牌区域的初步定位,结合Radon角点检测结果,计算最小欧几里得距离进一步剔除背景干扰区域,使得标牌区域定位结果更加精确,并通过光学字符识别(OCR)加以验证。试验结果证明,该方法具有较高的准确性和较强的工程价值。