基于广义模糊算子的焊缝图像的缺陷提取

在X射线成像自动检测技术中,至关重要的一步就是图像中缺陷的提取和分割,其处理效果直接影响到后续缺陷的识别的正确性。先对焊缝图像进行广义模糊算子GFO增强处理,再运用数学形态学对焊道边界进行处理,最后提取出焊缝缺陷。实验证明,该方法能有效地提取出缺陷,为后续正确识别缺陷打下良好基础。     

起重机械金属结构缺陷的热成像技术研究

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像技术检测原理,设计了脉冲红外热成像检测系统,并根据脉冲红外热成像检测系统搭建了脉冲红外热成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处理,并针对以上算法处理后缺陷轮廓边缘模糊的问题,提出了巴特沃斯带通滤波算法。对图像进行阈值分割、边缘检测后提取出缺陷轮廓特征,根据平板试件的实际尺寸和轮廓特征图像像素之间的换算关系,最终得到裂纹缺陷的识别精度。经过对比验证,脉冲红外热成像技术可以满足对起重机械金属结构裂纹缺陷检测的检测需求。     

起重机械金属结构缺陷的热成像技术研究

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像技术检测原理,设计了脉冲红外热成像检测系统,并根据脉冲红外热成像检测系统搭建了脉冲红外热成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处理,并针对以上算法处理后缺陷轮廓边缘模糊的问题,提出了巴特沃斯带通滤波算法。对图像进行阈值分割、边缘检测后提取出缺陷轮廓特征,根据平板试件的实际尺寸和轮廓特征图像像素之间的换算关系,最终得到裂纹缺陷的识别精度。经过对比验证,脉冲红外热成像技术可以满足对起重机械金属结构裂纹缺陷检测的检测需求。     

PE管道的近场微波成像及缺陷定量表征

为有效对聚乙烯（PE）管道内部缺陷进行检测,采用微波无损检测技术对PE管道进行检测及缺陷定量。针对PE管道缺陷图像的提取,提出了一种基于主成分分析（PCA）杂波抑制成像增强方法。针对已增强图像,使用阈值分割技术提取缺陷特征。实验结果表明,所提方法能有效对PE管道进行成像并对缺陷进行凸显,其成像质量优于未进行杂波抑制的图像,与理论值进行对比,缺陷定位的平均相对误差为2.38 mm,缺陷面积相对误差为13.25%。     

基于激光光散射层貌术的蓝宝石内部缺陷检测系统

蓝宝石是制作发光二极管(LED)衬底的基本材料,其质量直接影响高亮度LED衬底的晶片制造成品率,对于棒状蓝宝石晶体内部缺陷的检测定位能极大地降低生产成本,提高成品率。针对蓝宝石衬底加工要求,在机器视觉技术的基础上,利用LabVIEW及NI公司的图像采集卡和数据采集卡搭建了一个基于激光光散射层貌术的蓝宝石内部缺陷检测定位系统。系统利用高强度的线状激光照射下缺陷产生的光散射效应对蓝宝石晶体进行逐层扫描和图像采集,运用图像增强、图像分割及图像提取等图像处理手段对采集到的图像进行缺陷提取和分析,实现了对蓝宝石内部缺陷的检测和定位,具有很高的实时性和可视化效果。实验结果表明,该系统能有效地识别出蓝宝石晶体中的散射颗粒缺陷,并对其在棒状蓝宝石晶体深度方向上准确定位。     

基于直觉模糊C均值聚类的红外图像缺陷检测

红外热成像技术常被用来检测碳纤维增强复合材料的内部缺陷,但常用的光学热源加热效率低,需要近距离加热试件。激光具有能量集中、衰减小的优点,其作为加热源有助于实现远距离检测。本文介绍了线激光扫描红外热成像无损检测技术,并对加热过程中材料内部热传导进行了分析。其次,针对红外图像均匀性差、对比度弱,不利于缺陷特征提取的问题,本文引入基于直觉模糊C均值聚类算法的图像分割方法来提取缺陷边缘,与K-Means聚类方法相比,该方法可以提升缺陷模糊边缘的识别和检测能力,保留更多图像的细节信息,有助于准确提取缺陷边缘特征。     

基于目标检测网络的轮对踏面缺陷检测方法

针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。     

基于掩模图像的磁环表面缺陷提取研究

磁环表面缺陷图像具有对比度低、纹理背景复杂 、缺陷种类多和亮度不均匀等特点,提出了一种 基于掩模图像的磁环表面缺陷提取方法。首先,通过分析磁环表面图像中不同缺陷区域与正 常区域的灰度 差别,将磁环表面缺陷划分为两类,第1类为缺陷灰度值与正常区域差别大易分割,第2类为 缺陷灰度 值与正常区域灰度值差别小不易分割;其次,根据两类表面缺陷的成像特点以及与背景的 关系,利用掩 模技术分别设计了相应的缺陷提取方法;最后,在不同的光照、规格、缺陷类型及大小等方 面,利用开发 的样机进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能 够准确、快速 地提取出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为95.3%。     

基于红外热成像技术的材料表面缺陷识别研究

针对当前材料表面缺陷识别方法存在的误差大,实时性差等不足,为了提高材料表面缺陷识别精度,提出了基于红外热成像技术的材料表面缺陷识别方法.首先分析材料表面缺陷识别的原理,找到不同方法的局限性,然后计算材料表面的温度,判断材料表面是否完整,并采集材料表面缺陷识别的红外热图像,最后采用全局阈值分割对材料表面缺陷进行分割和边缘...     

基于图像区域划分的轨道缺陷自动检测技术研究

轨道表面缺陷检测是保障铁路运输安全的重要手段之一,本文设计了基于机器视觉的轨道缺陷自动检测系统,并对钢轨表面缺陷提取技术进行了研究。改进了最大类间方差自适应阈值分割算法,提出了基于轨道峰区检测的自适应二值图像投影法快速提取钢轨表面区域;最后,采用内部点掏空法和链码跟踪算法获取并存储缺陷轮廓信息,实现了钢轨表面缺陷区域的自动检测。实验结果表明:本文所采用的方法可快速定位钢轨区域,并自动准确提取缺陷图像,平均每幅图像耗时11 ms,从而为后续缺陷的测量和识别奠定基础。     

基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测

针对手机屏幕图像整体亮度不均以及Mura缺陷对比度低等特点,提出一种基于自适应局部增强的Mura缺陷自动在线检测方法。首先对CCD相机采集的手机屏幕原始图像进行感兴趣区域提取、几何校正、滤波等预处理,获取图像中的屏幕区域,然后将屏幕区域划分为多个不重叠的像素块,并根据每个像素块的灰度分布特征,采用自适应局部增强算法自动识别并定位图像中的Mura区域,最后考虑到Mura缺陷大小的不确定,提出采用多层级分块的方式对屏幕区域进行检测,提高算法鲁棒性。实验结果表明,相较现有多种屏幕缺陷自动检测算法,本文方法能更准确有效地识别手机屏幕中的Mura缺陷,且覆盖率和误检率分别为91.17%和5.84%。     

红外热成像技术在亚平面缺陷检测中的应用

根据红外成像无损检测原理,利用机器视觉技术,通过实验将红外热像仪采集的亚表面红外缺陷图像进行一系列的处理,包括滤波降噪,图像增强,边缘提取等,将缺陷检测出来。文中用matlab和Visual C++2010联合编程的方式对红外缺陷进行识别,通过窗口可视化将图像和图像中的缺陷位置,大小提取出来。通过多次实验,本方法能够检测大多的亚平面缺陷,具有较高的应用价值。     

基于红外图像识别的输电线路故障诊断方法

基于红外图像研究了输电线路的故障诊断方法,首先采用LSD线段检测法提取红外图像中的导线,采用深度卷积神经网络提取红外图像中绝缘子,从而得到线路元件区域。在线路元件区域内进行温度和灰度分析提取发热点,并利用漫水填充算法对过热区域进行分割,提取骨架扫描点数、有效凸缺陷、引流线对缺陷类型进行识别。实验证明该算法有较高发热点定位准确率和缺陷类型识别准确率。     

基于视觉传达的包装样品表面缺陷特征提取系统设计

为解决多帧包装表面图像复杂背景对缺陷特征提取精度的影响,设计基于视觉传达的包装样品表面缺陷特征提取系统。其中,图像采集模块由光源、CCD线性扫码相机、图像采集模块及A/D模数转换器组成,负责采集包装样品表面图像;FPGA逻辑控制单元产生控制逻辑,采集到的包装样品表面图像传输至DSP数字信号处理器后,利用小波变换方法分解包装样品表面图像内的灰度与细节特征,以包装样品表面图像缺陷前景同背景的分类问题替代包装样品表面图像缺陷特征提取问题,实现视觉传达下包装样品表面缺陷特征提取。实验结果表明,所设计系统对于不同包装表面缺陷类型识别精度基本达到97%以上,平均能耗为0.52 J左右,均显著优于对比系统。     

面向再制造服务的回转类表面缺陷识别

再制造活动现场复杂的环境对获取清晰的再制造目标表面缺陷图像造成了困难,针对这一问题提出一种结合频域与空域特征进行回转类表面缺陷识别的方法。首先使用非下采样Contourlet变换提取原始图像中各尺度下的Contourlet系数特征,并与图像中的灰度纹理特征组合;再采用基于径向基核函数的PCA分析方法对原始特征进行降维处理;最后,利用最小二乘概率分类方法对降维后的特征进行分类。通过对现场采集的图像进行案例分析,所提出的分类识别方法对4类再制造轧辊缺陷的分类平均正确率达到92%以上。     

基于Census变换的智能型防雷接地设备缺陷可视化系统设计

为提高防雷接地设备缺陷定位的精度,提出基于Census变换的智能型防雷接地设备缺陷可视化系统设计。采用视频跟随扫描与控制方法采集智能型防雷接地设备缺陷图像,结合CT和红外传感识别方法,分析设备缺陷的可视化特征;构建设备缺陷可视化图像的边缘纹理特征分析模型,利用图谱特征解析和差异性特征点标定方法,重构设备缺陷可视化图谱;在边缘纹理特征分析模型下,通过机器视觉识别技术检测图像的缺陷特征,进而采用Census变换进行智能型防雷接地设备缺陷可视化分析和视觉跟踪定位。仿真结果表明,采用该方法进行智能型防雷接地设备缺陷可视化识别的准确性较高,缺陷定位精度高达97.7%。     

基于光学超精密检测的新能源汽车电池表面缺陷检验

为了提高新能源汽车电池表面缺陷检测能力,提出基于光学超精密检测的新能源汽车电池表面缺陷检验方法,构建新能源汽车电池表面光学超精密成像模型,结合超精密激光扫描的方法进行能源汽车电池表面激光成像处理,提取能源汽车电池表面激光成像的边缘轮廓特征量和纹理分布,结合图像边缘与区域信息融合的方法进行新能源汽车电池表面缺陷定位,建立新能源汽车电池表面激光成像的分割模型,采用光学超精密检测方法进行新能源汽车电池表面纹理异常点检测,实现新能源汽车电池表面缺陷检测和检验优化。仿真结果表明,采用该方法进行新能源汽车电池表面缺陷检验的准确性较高,在精度、抗噪性、鲁棒性方面具有优势,对缺陷定位的精度较好,提高了汽车电池表面合格检测率。     

基于Matlab GUI的绝缘子缺陷检测系统

绝缘子在输电线路的电能输送任务中承担着重要作用,而依靠传统巡检的绝缘子检测方式存在主观性强、人工成本高等劣势。针对上述问题,基于Matlab GUI设计了一种对无人机采集绝缘子图像进行自动缺陷检测的系统。通过对图像进行边缘模糊、灰度化、全局腐蚀、形态学闭运算等处理,在初始图像中识别并定位绝缘子缺陷部分。实验结果表明,该系统对空间位置处于水平、垂直及倾斜的缺陷绝缘子识别准确率分别为80.0%、86.7%、86.7%,对实际运用具有一定价值。     

基于Faster R-CNN的钢轨表面缺陷识别研究

外界因素常会干扰钢轨表面缺陷检测仪器,导致其精度和效率降低。文中研究了一种基于Faster R-CNN网络检测钢轨表面缺陷的方法。该方法将预处理后的图像进行反转,利用Radon变换实现钢轨图像的投影。投影曲线中,利用钢轨长度为定值且灰度值小于图像平均值的特性,完成对钢轨表面区域的提取。然后通过区域建议网络提取候选区域,并与Fast R-CNN网络的区域建议对比分析,完成Faster R-CNN网络对钢轨的表面缺陷检测。试验数据表明,裂缝、疤痕、磨损和划伤4种缺陷的识别精度分别为92.17%、91.85%、93.45%和93.27%,证明使用该方法能够高效而又准确地识别钢轨的表面缺陷。     

基于机器视觉的缺陷在线检测系统的研究

本文研究了基于机器视觉玻璃表面缺陷检测方法与原理。在玻璃的生产过程中对玻璃进行图像采集,通过对图像的处理,对玻璃中存在的缺陷进行有效的处理,本系统在缺陷的提取上与缺陷的识别分类上分别运用的是一种改进的动态阈值算法与一种改进的BP神经网络算法。研究结果表明,改进的两种算法简单、速度快、系统抗干扰能力强,在检测精度,效率和准确度上都有较大的提高。