排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
本文针对圆柱锂电池表面图像具有亮度不均匀、金属表面反射不均、氧化锈斑和高亮噪声点等问题,提出一种基于机器视觉的解决方案.采用定义的双高斯纹理滤波模板与图像进行卷积,提取图像每列的灰度分布曲线,采用定义的极值点韦伯对比度选择曲线上突变点的阈值,根据先验知识筛选出凹坑候选区域,利用区域特征和灰度特征排除非凹坑纹理.测试结果... 相似文献
2.
端面凹坑是圆柱锂电池缺陷检测的重要指标之一。因为明暗对比度小的浅凹坑极易受金属表面上随机出现的亮点暗斑等强噪声的干扰,造成浅凹坑自动检测十分困难。为此,提出了一种解决方案:首先针对在单一光源角度下难以获取清晰的浅凹坑图像问题,采集6张凹坑在不同光源角度下的图像;其次采用时域平均和剔除异常值方法对6张图像进行融合得到基准面图像,并采用基于滑动窗口和奈奎斯特采样定理的空间滤波方法,减弱了信息强度较强的干扰噪声,再根据误差分析理论,提取灰度分布曲线的平均偏差;然后根据凹坑在灰度分布曲线中的形态,提取凹凸曲线段峰谷差和宽度比;最后采用BP神经网络方法建立检测模型来实现凹坑检测。对现场采集到的样本进行了测试,算法的正确检测率为100%。 相似文献
3.
1