基于深度神经网络的素色布匹瑕疵检测算法研究

目的为了改进当前布匹检测算法覆盖瑕疵种类不全、瑕疵检测准确率低和定位精度差的问题,提出一种端到端的素色布匹瑕疵检测的实用算法。方法首先通过图像增强扩充样本数量,使用以Resnet50为主干的Cascade-RCNN网络,通过加入可变形卷积、特征融合网络,增加锚框数目的方法实现素色布匹瑕疵检测。结果通过实验对比表明,该算法可实现检测20种布匹瑕疵,检测是否为瑕疵布匹的准确率为97%,瑕疵定位的平均检测精度为65%,每张样本平均时间为80 ms。结论该算法有效提升了布匹瑕疵检测的准确率和精度,检测瑕疵类别更全面,并且可以获取缺陷位置和类别,能够满足工业上的生产需求。     

基于可变形密集卷积神经网络的布匹瑕疵检测

针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。     

图案布匹瑕疵的在线视觉检测

为实现图案布匹瑕疵的在线实时检测,提出了一种基于机器视觉的实时检测方法。离线训练时,通过无瑕疵图像的叠加距离函数以及极值权重分析精确求取图案纹理基元周期,提取标准基元后创建无瑕疵标准基元偏移序列,提取特征用以构建模糊分类器;在线检测时,基于创建的偏移序列求取待检测图像块特征,采用模糊分类器分类,若存在瑕疵则继续构建精确分类器分类。实验表明,所提出的方法对任一批图案不同布匹只需对无瑕疵图案布匹学习一次,即可实现在线检测,检测一帧图像平均时间为200 ms,准确率达99%以上,实时性高且误检率低。     

基于多尺度分析的海洋石油机械零件表面缺陷分割

海洋石油开采任务的顺利完成,离不开海洋石油机械的可靠作业。海洋石油机械的正常工作依赖于对关键零件的定期检测和维护。该文中,以小波变换为基础构件了一种基于小波多尺度分析的机械零件表面缺陷检测方法。从一维小波、连续小波和离散小波多分辨率分析的原理出发,构建了多尺度分析缺陷检测方法的流程。实验过程中,选择传统的一维奥苏分割方法和多尺度分析方法相融合,形成三种不同的方法,对海洋石油机械中轴零件表面缺陷进行检测。试验结果表明：该文构建的多尺度分析方法,对海洋石油机械中轴零件表面的点状缺陷、带状缺陷、坑状缺陷都能实现准确的分割和提取。     

对角切片谱提升的形态学滤波方法及其在万向轴故障识别中的应用

针对多尺度形态学滤波器将所有尺度的滤波结果进行算术平均这一问题,提出利用三阶累积量对角切片谱对其进行改进,用于对高速列车万向轴不平衡故障进行检测与识别。该方法首先对安装在齿轮箱的振动传感器采集到的信号进行多尺度形态学滤波,得到不同尺度下的滤波结果,再计算滤波后信号的三阶累积量及其对角切片谱,最后依据对角切片谱的特征频率系数,选取出最能凸显故障特征的切片谱,从而避免了多尺度滤波器滤波结果的算术平均问题。在万向轴不平衡试验台进行了试验,结果表明,该方法能有效地识别出万向轴不平衡引起的基频和倍频故障特征,与传统的多尺度形态滤波相比,此方法更能彰显故障特征。     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于小波变换模的FAB扩散模型

将小波多尺度边缘检测的思想引入到前向-后向(FAB)扩散模型中,根据小波变换能够准确提取图像局部结构信息的特性,给出了利用多个尺度上小波变换模构造图像扩散系数的方法,进而建立了基于小波变换模的前向-后向扩散模型.最后给出了一系列数值实验结果,以比较本文方法与传统FAB方法的图像平滑增强效果.     

基于小波分析的焊接裂纹金属磁记忆信号特征提取

采用小波多分辨分析和快速傅里叶变换,对焊接裂纹金属磁记忆信号进行了处理,找出了焊接裂纹存在的磁记忆信号的判据特征,并建立了该特征的阈值.现场检测结果表明:采用小波多分辨分析和快速傅里叶变换得出的特征,可以准确判断出裂纹等缺陷是否存在.     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学形态学和颜色特征相结合的算法对车牌进行定位.首先利用最大类间方差法（Ostu算法）找到一个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位.实验表明该算法明显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广.     

小波多尺度改进Chan-Vese模型的红外图像分割

针对红外图像特点,提出了一种小波多尺度改进Chan-Vese模型的红外图像分割算法.首先,利用小波多尺度分析的良好信噪分离性能提取红外图像的有效边缘信息,将边缘信息添加到Chan.Vese模型的能量函数中从而提高模型的局部控制能力.同时增加内部变形能量项,约束水平集函数逼近符号距离函数,避免了水平集函数的重新初始化过程,改进了Chan-Vese模型.然后,从小波变换的顶层低频子带图像开始逐层采用改进的Chan-Vese模型分割图像,并将分割结果通过插值方式传递至下一层作为分割的初始轮廓,最终实现红外图像的分割,具有抗噪性能强和运算速度快的特点.     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

基于数学形态学的织物疵点检测方法

针对织物中普遍存在的破洞、断经和缺纬三类疵点,提出了一种基于数学形态学的织物疵点检测方法.首先运用自相关函数和快速傅立叶变换找出织物经纬结构上的重复单元,然后以这些重复单元作为依据,运用形态处理学中的腐蚀背景法和膨胀目标法确定图像中的疵点信息,通过不同疵点样本对该方法进行仿真实验.运用该方法可使疵点识别率达到97%.实验结果证明该检测方法是可行的.     

织物疵点检测与识别的方法研究

将织物图像分成大小相同的局部窗口,选取局部熵最小的窗口为待研究的感兴趣区域,在此区域内分割出疵点图像并用数学形态学中的开运算滤除噪声,计算疵点形状因子等作为识别参数,研究表明此方法因能避免对整幅图像进行复杂运算,在提取特征参数时对图像的全局搜索,具有识别正确率高、检测速度快等优点．     

基于方向小波变换的镁熔液弱小气泡检测

运用方向小波的多尺度和多方向变换,对高温镁熔液表面弱小气泡进行检测。先对原始图像进行方向小波变换重构高频,抑制背景杂质,再作帧差和迭代阈值分割处理,最后运用数学形态学检测到弱小气泡,并将结果与传统小波检测进行比较。实验结果表明方向小波变换方法是有效的,而且方向小波更符合图像的方向特点,能够较好地检测出复杂背景中的弱小气泡。     

A Novel Defect Inspection Method for Semiconductor Wafer Based on Magneto-Optic Imaging

The defects of semiconductor wafer may be generated from the manufacturing processes. A novel defect inspection method of semiconductor wafer is presented in this paper. The method is based on magneto-optic imaging, which involves inducing eddy current into the wafer under test, and detecting the magnetic flux associated with eddy current distribution in the wafer by exploiting the Faraday rotation effect. The magneto-optic image being generated may contain some noises that degrade the overall image quality, therefore, in this paper, in order to remove the unwanted noise present in the magneto-optic image, the image enhancement approach using multi-scale wavelet is presented, and the image segmentation approach based on the integration of watershed algorithm and clustering strategy is given. The experimental results show that many types of defects in wafer such as hole and scratch etc. can be detected by the method proposed in this paper.     

Ball grid array (BGA) substrate conduct paths inspection using two-dimensional wavelet transform

The objective of this paper is to implement two-dimensional wavelet transform (2-D WT) in the detection of mousebite, spur, open, and short defect candidates on ball grid array (BGA) substrate conduct paths. Once the defect candidates are located, traditional BGA substrate inspection algorithms can further detect true defects among these suspicious defects. Therefore, the scope and effort during the inspection stage can be significantly reduced. The binary BGA substrate image is processed that shows only conduct path boundaries, which are decomposed directly by 2-D WT. Then, the inter-scale ratio from the wavelet transform modulus sum (WTMS) across adjacent decomposition levels for the edge pixels on BGA substrate conduct path boundaries is calculated. Since irregular edges in a small domain can preserve much more wavelet energy, an edge pixel is considered as an abnormal one or a defect candidate if its inter-scale ratio is less than a predefined threshold. The proposed approach is template-free and easy to implement, so it is suitable for small batch production. Real BGA substrates with synthetic boundary defects are used as testing samples to evaluate the performance of the proposed approach. Experimental results show that the proposed method is able to capture all the true mousebite, spur, open, and short defects without any missing errors by appropriate wavelet basis, decomposition level, and image resolution.     

基于连续小波变换的玻璃纤维增强树脂复合材料太赫兹特征增强及缺陷成像

玻璃纤维增强树脂复合材料(Glass fiber reinforced polymer,GFRP)因其耐腐蚀、强度高等优点被广泛应用于航空航天、运输等领域,但在其制作过程中存在分层、气泡等缺陷,故需对其进行无损检测。本文针对不同位置的GFRP脱粘缺陷太赫兹无损检测信号特征微弱的问题进行分析与研究,提出了利用连续小波变换(Continue wavelet transform,CWT)对太赫兹特征进行增强的方法,并通过计算图像对比度客观评价连续小波变换后得到的太赫兹图像。最终选择gaus2小波基函数,对变换后的信号进行缺陷成像,其峰值较原来增强了4.5倍,连续小波变换处理后的太赫兹缺陷成像的图像对比度提升了1.3倍,最终实现了6 mm GFRP 5 mm位置处50 μm脱粘缺陷的识别。      

基于高斯金字塔和视觉显著性的色织物疵点检测

目的为了提高色织物疵点检测的准确率。方法提出一种基于高斯金字塔和视觉显著性的色织物疵点检测方法。首先预处理待检测色织物图像,削弱不均匀光照和环境造成的影响;再对预处理后的图像进行灰度化,接着对灰度图进行高斯金字塔分层,然后对分层后的图像进行显著性处理,以获取图像的显著图;最后利用迭代阈值分割的方法对显著图进行阈值分割,得到色织物图像的疵点区域。结果将该方法与其他色织物疵点检测方法进行对比可知,检测的效果明显优于其他方法,疵点检测的准确率为91.25%。结论该方法可以有效地对色织物疵点进行检测,将疵点区域提取出来,为色织物后续生产中的加工处理提供有用信息。     

A novel signal processing technique for eddy-current testing ofsteam generator tubes

In eddy-current testing of steam generator tubes of nuclear power plants, the signals of defects may be corrupted by noise and other nondefect signals arising from the probe lift-off and the structures attached to the tubes, resulting in unreliable detection and inaccurate characterization of defects. In this paper, a novel signal processing technique is presented to reduce the noise and nondefect signals by the use of a wavelet transform. The noise and nondefect signals are reduced by first decomposing testing signals into wavelet components and then modifying the wavelet coefficients. The defect signals embedded in noise and nondefect signals are reconstructed through the inverse wavelet transform of the modified wavelet coefficients. The results of processing the one-dimensional and two-dimensional signals from eddy-current testing of tube test pieces show that this signal processing technique is effective for extracting defect signals embedded in noise and nondefect signals     

Preparation and mechanical properties of carbon nanotube grafted glass fabric/epoxy multi-scale composites

In the present paper, carbon nanotubes (CNTs) were chemically grafted onto surfaces of the amino silane treated glass fabric by a novel chemical route for the first time to create 3D network on the glass fibers. The chemical bonding process was confirmed by Fourier transform infrared spectroscopy and scanning electron microscopy. The glass fabric/CNT/epoxy multi-scale composite laminates were fabricated with the CNT grafted fabrics using vacuum assisted resin infusion molding. Tensile tests were conducted on fabricated multi-scale composites, indicating the grafting CNTs on glass fabric resulted a decrease (11%) in ultimate tensile strength while toughness of the multi-scale composite laminates were increased up to 57%. Flexural tests revealed that the multi-scale composite laminates prepared with CNT grafted glass fabric represent recovering after first load fall. The interfacial reinforcing mechanisms were discussed based on fracture morphologies of the multi-scale composites.