杂背景下TFT-LCD表面缺陷检测系统的设计

设计了背景去除算法和缺陷区域检测算法,对复杂背景与低对比度条件下采集的TFT-LCD图像进行处理,利用一维傅里叶变换和全尺寸小波变换提取缺陷特征信息,可以较准确地检测出缺陷区域.搭建了在线检测系统平台,通过辅助光源和高速线阵相机采集图像,由图像采集卡保存至计算机中,利用Matlab编写上层图像处理软件进行在线检测.实验...     

基于图像融合分割的实木地板表面缺陷检测方法

针对实木地板表面缺陷检测速度慢、精确度低的问题,设计了实木地板视觉检测分选系统,并提出一种基于图像融合的区域生长分割方法。分割方法首先提取缺陷的R分量图像并进行图像缩小,在低维图像空间内运用区域生长方法完成缺陷的快速定位;利用梯度信息插值对缩小图像进行放大复原,并对缺陷进行标记生成参考图像;应用小波变换检索标记参考图像的边缘,以边缘像素点为种子在原图像进行禁忌快速搜索,实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行了缺陷在线测试,平均分割时间为13.21 ms,缺陷分割区域的准确率达到96.8%。     

基于红外图像目标检测与温度特征提取的变压器套管发热缺陷识别

针对变压器套管发热缺陷人工检测方法效率低下的问题，设计基于红外图像目标检测与温度特征提取的变压器套管发热缺陷诊断系统，以实现发热缺陷的自动诊断。首先，采用YOLOX目标检测模型对红外图像中不同电压等级套管进行分类识别，使用结合Mish激活函数的快速空间金字塔池化(spatial pyramid pooling-fast, SPPF)结构替换主干特征提取网络的空间金字塔池化(spatial pyramid pooling, SPP)结构，并在特征融合网络中添加高效通道注意力(efficient channel attention, ECA)模块以提高检测准确率；其次，设定所检测套管电压等级类别，根据预测框信息对同电压等级套管进行定位裁剪；最后对套管图像做加权均值法灰度化处理并进行区域划分，提取不同区域温度特征信息进行发热缺陷诊断，并以报表形式展示。实验结果表明：目标检测模型识别准确率达到98.41%,模型对图像的平均检测速度达到46.80帧/s,所设计系统能准确诊断出变压器套管发热缺陷，提高缺陷检测效率。     

基于机器视觉的铁路货车滚动轴承表面缺陷检测

针对目前轴承缺陷检测操作复杂、速度慢、精确度低等缺点,利用数字图像处理技术,设计出基于CCD成像技术的轴承缺陷非接触在线检测系统,讨论了系统中灯光、摄像机的安装位置对成像的影响,提出利用图像特征的麻点的检测方法,该系统能对麻点缺陷进行识别,对缺陷的区域进行测定。现场测试表明,系统操作简单、速度快、精确度高、为轴承缺陷检测提供了一种新方法。     

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。     

基于卷积神经网络的轮胎缺陷X光图像分类

轮胎缺陷的类型直接决定着轮胎是否为残次品或废品,对于轮胎定级具有重要参考价值,探索高性能的轮胎缺陷分类方法至关重要.采用卷积神经网络技术,提出一个端到端的图像自动分类算法.首先,从国内某轮胎生产线上通过现场运行的轮胎X光射线缺陷检测系统采集胎侧异物缺陷、胎冠异物缺陷、气泡缺陷、胎冠劈缝、胎侧开根5种最常见缺陷类型和1种正常胎侧图像作为分类目标,并且依据缺陷图像的缺陷尺度,将每幅图像缩放到127×127像素的统一大小;然后,设计含有5个卷积层、3个池化层、3个全连接层的网络结构.最后,用采集的缺陷样本对所设计的深度网络进行训练学习与测试.并将该算法和大量传统分类算法进行实验对比,取得更好的分类效果,平均测试识别率高达96.51％.     

基于改进 SIFCM 和区域生长的三维 CT 图像缺陷体积测量

针对工件三维CT图像中孔洞和空腔缺陷体积测量问题，本文提出了一种基于改进型空间直觉模糊C均值聚类(NL-SIFCM)和三维区域生长的内部缺陷体积自动测量算法。首先对采集得到三维CT图像进行预处理；随后使用NL-SIFCM在三维CT图像上分割得到二值化缺陷图像组，同时针对三维CT图像切片间具有空间相似性改进得到快速算法；最后对二值化图像组进行三维区域生长得到缺陷体素数和空间结构，并将缺陷空间结构显示于三维可视化软件中辅助检测人员分析缺陷。实验结果表明，对用于模拟缺陷的标准球体积测量值相对误差在1.0%以内，具有较高测量精度；并通过实际工件检测验证了该算法适用性可有效满足CT检测需求。     

基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法

针对锂电池在工业生产时极片上产生的低对比度缺陷难以检测的问题,提出了一种基于小波阈值与区域分裂合并的锂电池极片缺陷检测方法。首先对锂电池极片缺陷图片进行感兴趣区域(ROI)提取,并采用小波阈值对图像进行去噪;其次通过直方图正规化来增强图像,突出缺陷特征,并利用区域分裂合并算法实现缺陷分割;最后通过形态学来对缺陷区域进行填充,并采用高斯差分(DOG)算法进行缺陷检测。结果表明,该算法对极片涂布区域背景上难以辨别的黑斑、漏金属、刮痕和白斑等缺陷有较精确的检测效果,且对工业中的锂电池缺陷检测工作具有一定意义。     

基于实例分割+CCTV排水管道缺陷检测方法研究

当前排水管道检测普遍采用CCTV管道闭路电视检测系统,但系统在缺陷判断过程存在人工参与度高,检测效率低、主观误差大等问题。本文提出一种基于实例分割算法结合CCTV排水管道缺陷检测方法,采用CCTV检测系统采集管道图像,基于Mask R-CNN卷积神经网络排水管道缺陷实例分割检测,对破裂、变形、腐蚀、沉积、障碍物、树根缺陷进行检测分类,并对其中破裂缺陷进行检测评级。实验结果表明,本文方法现场实验缺陷检测准确率达到了100%,现场实验破裂缺陷检测高阶分类准确度达到100%,表现出较好检测性能。     

自适应SUSAN扩散的超声图像去噪算法

为了降低超声图像斑点噪声的影响,提出一种自适应SUSAN(ASUSAN)扩散的超声图像去噪算法.通过引入SUSAN算法检测出图像的边缘,然后采用K均值法对模板区域特征值进行分类,自适应获得图像的全斑点噪声区域和相关参数,最后将SUSAN算法与非线性扩散方法相结合,提出一种新的扩散方程对图像进行非线性去噪.实验证明,相比于其他的各向异性扩散算法,本算法能得到更高的PSNR值和FOM值以及更小的MSE值,且在细节保留方面也能取得更好的效果.     

融合迁移学习的绝缘子缺陷分级检测方法

针对Faster R-CNN算法对复杂环境下的小样本绝缘子缺陷检测精度不高的问题，本文提出了一种融合迁移学习和主体局部的绝缘子缺陷分级检测方法。整个方法使用融合残差模块和特征金字塔结构的卷积神经网络作为骨干网络进行特征提取，用于适应不同尺度的缺陷目标，保留更多有效信息。首先使用迁移学习的方法改善对缺陷所在绝缘子主体的检测效果；然后对检测出的绝缘子主体进行自动裁剪来改善复杂背景对缺陷区域检测的影响，使得模型能够更有效地挖掘出缺陷特征；最后将裁剪后的缺陷绝缘子局部图像送入第二阶段进行训练，进一步提高模型准确率。通过对无人机航拍采集的绝缘子缺陷图像进行检测实验。结果表明，本文方法相较于Faster R-CNN基线模型平均精度提高了37.5%，达到了89.6%。在对自爆和破损检测上，精度分别提高了34.9%和60.2%。     

基于EfficientDet和双目摄像头的绝缘子缺陷检测

绝缘子是输电线路重要的组成部件,带有缺陷的绝缘子会对线路造成隐患,通过图像检测技术可以提高绝缘子缺陷检测的效率,大大减小维护成本.但现有的绝缘子缺陷检测技术有精度不高和检测时间过长等缺点,针对这一问题,提出了基于EfficientDet和双目摄像头的绝缘子缺陷检测方法,首先通过双目摄像头设计了一种数据集采集的方法,解决...     

基于改进生成对抗网络的无监督晶圆缺陷检测

为实现晶圆表面缺陷的无监督检测，提出了一种改进生成对抗网络的无监督晶圆表面缺陷检测模型，该模型通过目标图像与重构图像之间的差异来检测缺陷。该方法使用带有两层跳跃连接和记忆模块的编码器-解码器卷积神经网络来搭建生成器，跳跃连接用以捕获多尺度的输入图像特征，记忆模块对潜在特征实施约束，扩大真实缺陷样本与重构样本间的距离。该方法还通过改进判别器网络结构，使模型轻量化。实验结果表明，该模型能够准确分辨具有缺陷的晶圆样本，ROC曲线下的面积值达到0.934，与已有的无监督学习检测方法相比性能更优,同时判别器网络的参数量和计算量分别降低到1 M和60 M以下。     

基于多模型级联的轻量级缺陷检测算法

基于深度学习技术的缺陷检测算法往往因为网络参数较多而需要大量的图像样本去训练模型,但是在工业生产过程中缺陷产品数量极少,采集大量缺陷数据图像费时又费力。针对这一难题,本文提出了一种基于多模型级联的轻量级缺陷检测算法,它采用监督学习的训练方式,通过少量缺陷样本就可以获得较好的检测效果。首先,使用CBAM注意力残差模块代替常规卷积层进行特征提取,以聚焦缺陷特征,强化网络对缺陷的表征能力;其次,设计了SE-FPN模块,促进各级特征之间有效融合,提高网络对缺陷的分割效果,尤其是对小缺陷的分割效果;最后,在训练阶段,采用监督学习方式对本文所提的多模型算法网络进行训练。实验结果表明,本文所提算法在KolektorSDD数据集上的检测准确率高达99.28%,每张图像的平均检测时间仅需10.5ms,不但充分满足了工业检测行业高精度、实时性的要求,同时,还能实现对缺陷区域精准定位。因此,本文的研究内容非常适合应用在工业产品表面质量在线检测领域。     

基于支持向量机的规则零件检测技术研究

基于机器视觉的零件检测系统由于具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。采用基于支持向量机的分类识别算法,避免了神经网络算法中需要多样本和过度拟合的问题,通过对比分析选择合适于本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试,最后对采集到的缺陷零件样本进行了分类测试实验,达到预定的较高的检测精度。     

基于机器视觉的触点零件在线检测系统研究

为了实现对触点零件的外观形貌质量检测,研究并提出了一种适用于机器视觉检测技术的触点类零件在线检测算法。针对触点零件几何及纹理缺陷的检测要求,设计了独特的算法流程。根据触点类零件的几何缺陷对零件图像提取了5种几何特征,针对零件图像的纹理缺陷,采用灰度共生矩阵的方法提取4种零件纹理特征,检测算法分步、有针对性的对触点进行几何及纹理缺陷的检测。文中对特征提取算法的有效性与常规的特征提取算法进行了对比试验,试验表明提出的算法流程较为简单实用,并能准确高效地识别出目前触点零件中存在的主要质量缺陷。系统基本满足触点零件在线检测的准确性及实时性要求。     

改进 YOLOv5 的 PDC 钻头复合片缺损识别

PDC 钻头复合片的缺损情况是影响钻进效率的重要因素,检测 PDC 钻头复合片是否缺损是修复 PDC 钻头的前提。 为 了减少对 PDC 钻头复合片的误检,提升检测准确率,提出了一种基于改进 YOLOv5 的目标检测算法。 该方法以 YOLOv5 网络为 基础,融合 RepVGG 重参数化模块增强网络的特征提取能力;在 C3 模块中引入坐标注意力机制,在通道注意力机制中嵌入位置 信息,提升对缺损复合片的目标检测能力;将边界框回归损失函数改进为 WIoU 损失函数,制定合适的梯度增益分配策略。 实 验结果表明,改进后的网络的精确率提升 2%,召回率提升 0. 9%,平均精度均值(mAP)提升了 1. 3%,达到了 98%,能够实现对 PDC 钻头复合片的缺损识别。     

基于i_p-i_q运算方式与离散积分均值滤波的瞬时三相谐波检测方法

根据瞬时无功功率理论,在基于三相谐波ip-iq运算检测方式的基础上,利用三相三线制电网的有功电流ip和无功电流iq只含3k(k为整数)次谐波的特征,设计应用离散积分均值的滤波方法提取基波的直流分量,再从该直流分量重构得到基波及要检测的谐波分量。理论分析和Matlab仿真实验表明,该检测算法在谐波检测方面既具有较快的响应优势与数字滤波器的准确性,又可以减少运算过程计算量,具有较高的应用价值。     

声纹识别与支柱瓷绝缘子的振动声学检测

针对目前各种瓷支柱绝缘子在线检测方法存在的不足,提出采用声纹识别算法进行绝缘子检测结果分析。介绍了振动声学法检测法和声纹识别算法的原理,通过声纹分析技术建立声纹特征矢量库,采用该声纹特征矢量库对某变电站支柱瓷绝缘子的振动声学检测结果进行处理。结果显示,正常绝缘子和有缺陷绝缘子的检测结果在声纹上有着不同的特征,声纹分析技术能有效分辨出有缺陷的绝缘子,达到与人工判断同样的效果。