基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法

针对锂电池极片在人工检测过程中检测效率低、检测错误率高等问题,提出一种基于自适应Gabor滤波与分水岭算法融合的锂电池极片缺陷检测方法。首先通过改进传统Gabor滤波器的参数,实现Gabor滤波器的自适应,得到滤除背景的缺陷图像;然后使用大津法对图像二值化处理,利用分水岭算法进行边缘提取;最后利用分割出的边缘获得坐标,利用最小外接矩形法实现缺陷检测。结果表明,相对于区域生长算法和改进的Canny算法,本文方法的抗干扰能力得到提高,可以对锂电池极片漏金属、黑斑、白斑、脱碳、条痕等多种缺陷进行较为精确地检测,能够用于锂电池极片缺陷的自动化检测。     

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。     

复杂场景下在建建筑区域识别方法

针对在建建筑区域具有与周围非在建建筑颜色特征不同、与周围自然环境纹理特征不同的特点,提出了一种基于在建建筑颜色和纹理特征的高空影像中在建建筑区域识别方法.首先对只包含在建建筑图像数据集中的图像进行颜色和纹理特征提取,由这些特征矢量构建图像特征索引库;然后将待检测图像分块,对其颜色聚类屏蔽绿色植被区域并计算特征矢量,将其与特征索引库做相似性度量,判定该图像块在整个待检测图中的位置,对检测到的在建建筑用红色矩形框和唯一的标识符框选出来.实验结果显示,利用本文提出的在建建筑区域识别方法,能够有效地识别城市高空影像中的在建建筑区域,基于本文算法的系统可以运用于城市规划.