X射线实时成像系统在工业无损检测中的应用

通过对X射线实时成像系统在工业无损检测中的应用,阐述工业X射线实时成像系统构成原理以及功能实现,系统中的图像处理模块对图像灰度等级进行算术运算和处理,利用图像处理器的A/D变换,将所采集的图像数字化处理,提高图像的清晰度,从而提高缺陷检出灵敏度.同时设计计算机自动识别图像,对缺陷智能化判伤,减少人工肉眼判片的误差,准确度高、速度快.     

冲击损伤的增强X射线实时成像检测

对复合材料结构承载能力影响最严重、安全威胁最大的是冲击损伤．因此冲击损伤是复合材料损伤的主要研究对象。本文从增强剂四溴乙烷的浓度、施加方式与时间等方面的选定,进行了冲击损伤的增强X射线实时成像检测研究．其结果是对超声波C扫描检测结果的进一步验证与补充。     

X射线实时成像在铝合金压铸件上的应用

针对快速准确检测铝合金压铸零件内部质量的问题,采用x射线实时成像系统对铝合金压铸件凸轮轴盖进行内部质量检测试验．依据X射线实时成像的工作原理,利用图像呈现的灰度对零件内部缺陷进行评价．采用线切割方法获取零件内部缺陷截面,验证图像缺陷和实际缺陷的对应关系．通过试验发现不同类型的实际缺陷对应实时成像图像不同的缺陷形貌．缩松在影像中呈羽毛状或海绵状,缩孔在影像中呈树枝状较大的影像,气孔在影像中呈现清晰的圆形或椭圆形轮廓．x射线实时成像探伤能够准确反映铝合金压铸件内部缺陷特征,精确控制产品质量．     

实时连续波太赫兹成像在邮件检测中的应用

采用光泵太赫兹激光器和124×124热释电列阵相机,对邮件包装材料中的样品进行太赫兹实时成像研究,获得普通包装材料在太赫兹波段的透射特性,以及样品在各种材料中1.63 THz实时图像,该研究为THz成像技术在邮件检测方面的应用奠定了基础.     

高光谱成像技术在肉品无损检测中的应用及进展

高光谱成像技术是集图像学和光谱学于一身的新技术,能够快速、准确、无损地获得农产品内外品质信息,从而实现农产品的全方位检测.主要介绍了高光谱成像技术的原理及在肉品品质检测中的应用,并对高光谱成像技术在未来肉品检测方面的应用进行了展望.     

高光谱成像技术在肉品无损检测中的应用及进展

高光谱成像技术是集图像学和光谱学于一身的新技术,能够快速、准确、无损地获得农产品内外品质信息,从而实现农产品的全方位检测.主要介绍了高光谱成像技术的原理及在肉品品质检测中的应用,并对高光谱成像技术在未来肉品检测方面的应用进行了展望.     

光锥无畸变特性在数字X射线成像系统中的应用

针对目前国内现有的x射线数字成像系统不能直接与计算机连接进行定量测量和分析的缺点，利用光锥的无畸变传输特性，开发了一种新型数字x射线成像系统。把x射线像增强器光纤面板荧光屏输出的图像与ccD耦合，通过实验验证，该系统具有分辨率高，体积小，携带方便，性价比高等优点，能够满足小幅面x射线成像和无损检测的要求。     

射线检测技术在钢材尺寸测量中的应用

射线检测技术的重要技术特点是无损,现状下该技术在钢材尺寸测量中应用较为广泛.本课题笔者在分析射线检测技术相关仪器的技术指标的基础上,进一步对射线检测技术在钢材尺寸测量中的具体应用进行了探究,希望以此为工业应用及技术创新提供一些具有价值的参考凭据.     

大面积连续实时SAR成像技术

无论是供机上操作人员实时地观察还是将数据下传到地面接收站,综合孔径雷达成像系统都必须具有实时成像处理的功能,而且要求能够实时地输出大面积的连续图像．以SPECAN法为基础,提出一种可以实时输出大面积连续图像的综合孔径雷达成像方法,该方法具有运算量小、编程方便和稳健性高的特点,可满足综合孔径雷达实时处理机的要求．     

红外热成像技术在混凝土无损检测中的应用探讨

红外热成像技术是混凝土无损检测技术中的一项新课题.通过对该技术及优点的介绍,我们认为该技术应当成为检测混凝土缺陷的有效方法之一.     

基于红外成像技术的铝箔封口密封完整性检测研究

提出一种检测精度和检测效率高的铝箔封口密封完整性检测方法。首先,采用红外成像技术,获取铝箔封口部位的红外图像。然后,对所获的红外图像进行预处理,并以环形对称Gabor小波对其进行特征提取。最后,用最近邻分类器对所获图像进行识别与分类处理。实验证明,此密封性检测方法所运用的环形对称Gabor小波较传统的 Gabor变换的算法识别率高、速度快,为后续的铝箔封口生产线中的密封不良产品的自动筛选、剔除提供了技术保证。     

基于图像处理的在线零部件检测技术

基于图像处理的在线检测技术在现代工业零件加工过程中倍受重视.以零件的在线检测技术为研究对象,给出了从原始图像采集到得出测量结果的相关处理方法,包括图像的信号预处理、边缘特征提取等.基于Hough坐标变换提取了零件直线参数;获得了零件的像素空间尺寸,并与标准件进行了校验标定,得出了零件的实际物理尺寸.实验数据表明,与标准件相比误差满足要求.     

基于机器视觉的实时视频监控系统设计

基于图像处理与机器视觉技术，设计了一个实时视频监控系统。并对该系统基本构成、工作原理及图像变化检测的算法进行丁研究结果表明，系统能较好地完成自动检测场景变化功能。     

扇形探测技术在超前探测中的应用研究

用扇形探测技术代替了常规的测量方法以提高矿井瞬变电磁法超前探测资料的解释精度.在数据采集过程中,调整巷道迎头左侧拐角处天线的法线方向与左侧巷道壁的夹角,以60°,45°和30°的夹角进行探测,在迎头断面处布置2-3个测点,调整巷道迎头右侧拐角处天线的法线方向与右侧巷道壁以30°,45°和60°的夹角进行探测.通过调整天线的法线与巷道底板的夹角,探测巷道顶板、顺层和巷道底板方向上介质的电性变化情况.研究结果表明：在超前探测中使用扇形探测技术可提高巷道超前探测资料的解释精度,能更准确的反映出异常体的空间特征.在实际应用中探测成果图上钻孔中心点位置与实际揭露钻孔中心点位置误差不到2 m.     

网络入侵异常检测的实时方法

目前市面上的入侵检测系统一般都是基于特征匹配,不能对未知入侵进行有效检测,异常检测可以较好地检测未知入侵.MIT林肯实验室提出了一种离线的异常入侵检测方法,但不能据此建立实际的入侵检测系统,为此,提出一种能实时检测网络异常的入侵检测方法.该方法可以实时重建网络连接,提取每一连接的31个与入侵有关的特征,运用支持向量机进行在线检测,实验结果表明,该方法是有效的,检测精度在95%以上.为缩短入侵检测时间,对最短检测时间进行了研究,提出了最优入侵检测时间算法,根据此算法得出局域网内的异常连接在250ms内即可较准确地检测出.     

网络入侵异常检测的实时方法

目前市面上的入侵检测系统一般都是基于特征匹配,不能对未知入侵进行有效检测,异常检测可以较好地检测未知入侵。M IT林肯实验室提出了一种离线的异常入侵检测方法,但不能据此建立实际的入侵检测系统,为此,提出一种能实时检测网络异常的入侵检测方法。该方法可以实时重建网络连接,提取每一连接的31个与入侵有关的特征,运用支持向量机进行在线检测,实验结果表明,该方法是有效的,检测精度在95%以上。为缩短入侵检测时间,对最短检测时间进行了研究,提出了最优入侵检测时间算法,根据此算法得出局域网内的异常连接在250m s内即可较准确地检测出。     

基于LabVIEW的流水线产品外观检测技术研究

对流水线产品外观检测的硬件电路设计和基于LabVIEW的图像处理技术进行了研究,提出了完整的产品外观检测技术解决方案。采用光电传感器控制检测流水线产品的图像采集时机,利用80C52单片机控制图像采集指令,结合图形化开发环境LabVIEW和图像处理工具包IMAQ完成产品的图像采集、模版学习和图像模式匹配等,最终实现产品外观检测。实验表明,该方法能够有效完成流水线产品的外观检测任务。     

基于改进YOLOv4-Tiny的矿井电机车多目标实时检测

为解决煤矿巷道环境恶劣以及人工疲劳驾驶电机车导致煤矿井下有轨电机车事故频发的问题,提出一种基于改进YOLOv4-Tiny算法的YOLOv4-Tiny-4S矿井电机车多目标实时检测方法。首先,为了提高网络模型对于小目标的检测能力,将传统YOLOv4-Tiny的两尺度预测增加至四尺度预测,并且在网络模型的颈部引入空间金字塔池化（SPP）模块,以丰富特征融合信息,增大网络模型的感受野;其次,以煤矿巷道中的行人、电机车、信号灯以及碎石作为检测目标,创建矿井电机车多目标检测数据集,并分别采用K-means和K-means++聚类分析算法对数据集重新聚类,通过对比分析验证了K-means++算法具有更好的聚类效果;最后,通过对传统YOLOv4-Tiny算法的消融实验,进一步直观了不同改进措施对网络模型检测性能的影响,并在电机车运行的煤矿巷道场景中,对比分析了YOLOv4-Tiny-4S算法与其他几种算法的检测性能。实验结果表明：YOLOv4-Tiny-4S算法能够准确检测并识别出图像中的各类目标,其平均检测精度（mAP）为95.35%,对小目标“碎石”的平均检测精度（AP）为86.69%,相比传统YOLOv4-Tiny算法分别提高了12.38和41.66个百分点;改进后算法的平均检测速度达58.7帧/秒（FPS）,模型内存仅为26.3Mb,YOLOv4-Tiny-4S算法的检测性能优于其他算法。本文提出的基于YOLOv4-Tiny-4S矿井电机车多目标实时检测方法可为实现矿井电机车的无人驾驶提供技术支撑。     

基于投影－R变换算法的图象目标实时识别

本文采用轮廓跟踪提取图象目标的封闭轮廓，研究了一种投影－Ｒ变换算法提取图象目标的特征参数，对图象目标进行实时识别。研制了以ＴＭＳ３２０Ｃ２５为核心的图象目标实时识别模块，配合Ａ／Ｄ数据采集板和Ｄ／Ａ显示板，整个系统脱机运行，初步实现了图象目标的实时识别。