基于图像的缸体零件表面缺陷检测方法

针对人工抽样目测方法和超声波、电磁波等测量技术用于新型检测方法存在各式各样的缺点,为了实现在线高速检测汽车制动缸内壁是否存在缺陷,基于数字图像处理技术,提出了一种能很好满足要求的图像处理和缺陷检测方法.通过CCD相机采集零件需要检测表面的图像;用Matlab软件对图像进行必要的处理、对边缘进行提取;通过腐蚀和膨胀运算优化边缘,再采用连通域标记,通过计算缺陷区域处面积和周长两个物理量来判断缺陷类型和特征.结果表明:此方法能检测出缸体内表面缺陷,基本上能满足缺陷快速检测要求.     

基于机器视觉的某机座内孔表面缺陷在线检测系统设计

针对某压缩机孔内表面缺陷检测问题,提出了一种基于DM642和机器视觉的检测方法。通过内窥镜获取机座孔内表面图像。在DM642中对图像进行去噪、mean shift分割等处理,识别出缺陷并计算缺陷大小。最后在显示屏上显示出检测结果。通过键盘可以设定工件编号和保存孔内表面图像。     

基于形态学的焊接图像缺陷检测方法研究

射线焊接缺陷的准确检测是保证焊接构件质量的关键,针对焊接生产中采集的图像存在对比度低、噪声干扰及边界模糊等特点,提出了一种基于灰度形态学的射线焊接图像的缺陷检测方法;首先,在对原始射线焊接图像滤波和增强的基础上,根据对焊接图像列灰度的分析运用阈值法提取出焊道;然后,选取了多尺度多结构元素,采用灰度形态学方法对焊接图像进行缺陷边缘检测,并二值化处理后提取出焊接图像巾的缺陷;试验结果表明,相比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好.     

基于红外图像技术的钢构材料无损检测方法的研究

红外辐射成像检测由于其非接触性、快速性、检测面积大等特点,成为当前主要的无损检测方法。基于传热学理论知识建立了热量在钢板中传导的数学模型,并利用红外无损检测技术对含有缺陷的钢板进行研究。通过求取图像矩阵方差判断缺陷,采用直方图和形态学方法对缺陷图片进行预处理,提取缺陷的几何特征。使用阈值分割方法将缺陷从背景中分离出来,达到了图像的平滑滤波、缺陷中心定位、边缘检测等目的。提出了计算缺陷面积和周长的算法,完成对缺陷面积和周长等几何特征的检测。该研究方法及结论对钢板红外无损检测具有一定的指导意义。     

基于小波与数学形态学的木材缺陷检测

木材缺陷检测是木材加工中的重要步骤,为了实现木材缺陷自动检测,提出了一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottom-hat变换,结合阈值处理和区域生长检测出各种木材缺陷。实验表明,该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。     

数字式射线图像缺陷检测的C-V方法

数字式射线图像（DR图像）缺陷检测主要是进行缺陷区域的分割和测量,分割精度将直接影响到测量精度。C-V模型是一种新的基于曲线演化理论和水平集方法的图像分割模型,它结合区域信息使得分割结果全局最优,可以很自然地处理轮廓线拓扑结构的变化。针对工件DR图像特点,研究了一种DR图像缺陷检测的C-V方法：首先应用C-V模型进行DR图像缺陷区域的分割,在此基础上,完成缺陷区域几何参数的测量。实验表明,C-V方法能准确地分割出DR图像中的缺陷区域,并获得缺陷形心和面积等参数。     

数学形态学在磁瓦表面缺陷检测中的运用

高效、快速的磁瓦图像处理方法是基于机器视觉技术磁瓦表面缺陷检测系统的关键技术之一。由于数学形态学具有简化图像数据,保持它们基本的形状特性,同时天然具有并行实现的结构特点。提出了一种将数学形态学运用到磁瓦表面缺陷检测中的方法。通过选择合适的结构元素,对缺陷图像进行多种形态学运算,提取出缺陷轮廓,并作为缺陷面积计算的基础。实验结果表明,该方法效果良好,缺陷的检测准确率高,计算处理的速度快。     

基于计算机图像处理的电路印刷板缺陷检测

针对人工目检等传统PCB检测方法高成本、低效率问题,通过提出一种基于计算机图像处理的PCB板计算机视觉混合检测方法,完成了实现快速稳定可靠的PCB缺陷智能在线检测的目的;建立了系统的软硬件结构,研究出结合图像分模块处理,改进的极小值分割、快速模板匹配、图像对比、形态后处理等措施的混合智能检测算法;实验结果证明,该方法解决了海量数据与实时性处理的矛盾以及噪声干扰等问题,能准确检测PCB常规缺陷,并保证了自动在线检测的实时性、可靠性和低成本.     

基于小波分解的带钢缺陷检测

带钢缺陷是带钢质量检验的重要组成部分,通过相关的理论分析,本文提出了一种基于小波分解的带钢缺陷检测方法。首先对带钢图像进行小波分解;然后,选择子图进行融合,从而有效地抑制了背景纹理信息;在此基础上,对带钢的融合图像进行图像分割和形态学滤波,实现对带钢缺陷的位置和面积的准确检测。实验结果表明,该检测方法是有效的。     

基于红外图像的太阳能面板的缺陷检测

由于太阳能电池板在使用过程中可能存在各种缺陷,因此,缺陷检测对确保太阳能发电的效益至关重要。本文提出了基于红外成像的缺陷检测方法,利用红外相机捕获太阳能电池板表面的温度分布图像,并通过图像处理和分析确定可能存在的缺陷区域。为进一步提高检测精度,本文采用了传统图像处理和卷积神经网络(CNN)相结合的方法,得到了更准确的缺陷检测结果。实验结果表明,该方法可以有效地检测出太阳能电池板表面的缺陷,并具有较高的准确率和较强的鲁棒性。     

基于嵌入式深度学习的电力设备红外热成像故障识别

随着大型图像集的出现以及计算机硬件尤其是GPU的快速发展, 在有限计算资源的嵌入式设备上部署卷积神经网络(CNN)模型成为具有挑战性的问题. 电力设备过热故障可以通过采集的红外热成像进行识别. 由于红外辐射在空气中传播衰落, 红外测温结果低于实际温度值. 本文提出一种基于嵌入式设备的高效卷积神经网络用于电力设备热故障检测, 将SSD算法中的骨干网络替换为MobileNet, 同时Batch Normalization与前一卷积层合并, 以减少模型参数、提升推理速度、使之能够在轻量级计算平台上运行. 针对红外辐射在空气中传播损失的问题, 提出一种基于BP神经网络的红外测温修正单元. 基于上述创新设计了一种电力设备热故障检测系统, 实验以及现场应用表明, 该方法具有较高的准确性以及推理速度.     

弱对齐的跨光谱人脸检测

跨光谱人脸检测在活体人脸识别、体温筛查等领域有着重要的应用价值.众所周知,可见光人脸易于检测,然而红外人脸难于检测,因此借助可见光图像的人脸检测结果进而完成红外人脸检测是一种有效的解决方案.但是跨光谱图像之间不可避免的存在偏差,导致检测精度不高.为了解决这一问题,提出了一种弱对齐跨光谱图像的人脸检测算法,该方法基于跨光谱图像之间的偏差设计了候选框布置策略,并在此基础上提出了跨光谱特征表示方法用于选取最优候选框.此外,本文还构建了一个跨光谱人脸数据集.最后,在跨光谱人脸数据集和OTCBVS人脸数据集上的实验结果证明,该方法能够较好地完成红外图像人脸检测任务.     

多尺度红外超像素图像模型的小目标检测

目的 复杂背景中的红外小目标检测易受背景杂波与噪声的干扰,直接利用现有的低秩约束与稀疏表示联合模型存在准确率低、虚警率高及检测速度慢等不足。为了解决这些问题,提出一种基于多尺度红外超像素图像模型的小目标检测方法。方法 首先,采用超像素方法分割原始红外图像,得到无重叠区域的超像素图像,充分利用红外图像的局部空间相关性;然后,引入多尺度理论,融合多个不同尺度下检测的目标图像,增强该方法检测不同尺寸目标的稳健性。结果 针对多幅不同场景下的红外小目标图像进行了实验验证,并选取信杂比增益、背景抑制因子及检测时间作为定量评价指标,以此衡量背景抑制效果及算法运行速度。大量实验结果表明,与Top-Hat、Max-Median、二维最小均方、局部显著性图、红外块图像、加权红外块图像等方法相比,本文方法能有效地去除各种干扰,在背景抑制方面具有更好的效果,且所得背景抑制因子为其他方法的数十倍;与同类方法相比,红外超像素图像模型减少了至少78.2%的检测时间。结论 本文将超像素图像分割与多尺度理论引入低秩约束与稀疏表示联合模型,能够取得更好的背景抑制效果,并且可以适应不同大小目标的检测,实现复杂背景中红外小目标的准确检测。     

基于红外可见光图像配准的电力设备分割算法

电力设备故障会导致变电站大范围停电,造成巨大损失。根据电力设备运行时会发热的特点,提出一种基于红外可见光图像配准的电力设备分割方法,便于进行故障检测。该方法首先利用结构化随机森林对电力设备的红外和可见光图像进行边缘检测,构建可见光边缘图像的多尺度高斯金字塔,然后结合归一化互信息对红外和可见光图像进行配准,对红外图像进行Otsu阈值分割,结合配准结果分割出可见光图像中的电力设备。实验结果表明,该算法能精确地实现配准及分割,具有一定实用性。     

序列滤波器在缺陷边缘检测中的应用

为了提取带钢表面缺陷特征,首先需要正确检测缺陷边缘。针对现有方法对于光照不均和复杂背景条件下噪声抑制以及保持图像细节方面的不足,提出一种新的基于序列滤波器的边缘检测方法。先将缺陷图片进行中值滤波,然后在新的滤波器窗口相对于中心元素计算总变差,结果图像作为预处理图像送入Canny边缘探测器进行边缘检测,最后采用形态学方法进行光滑处理,得到完整的缺陷边缘。实验表明该方法具有较强的抑制噪声能力,有效去除现场工况条件下粉尘、光照不均等因素对检测结果的影响,很好地提取了复杂背景条件下的目标边缘。     

基于机器视觉的螺纹钢表面缺陷检测方法

螺纹钢是一种广泛应用的建筑材料,在轧制过程中如果不能及时发现其尺寸和表面缺陷,就会生产出大量废品,给企业带来损失.本文设计了一种基于视觉的螺纹钢表面缺陷检测方法.先利用仿射变换对图像中歪斜的螺纹钢进行校正,然后基于霍夫变换检测纵肋边缘直线位置的方法对螺纹钢正面、侧面图像进行区分.最后针对正面、侧面图像分别进行缺陷检测,快速准确地判别表面是否存在缺陷.实验表明所设计的方法具有较好的稳定性和实用性,能有效地解决人工检测过程中效率低、误检率高等问题.     

电机故障检测的小波分析红外图像增强

针对红外成像电力机车电机检测技术中图像特征不明显,故障点获取困难等问题,提出基于小波分析的红外图像增强算法。采用对图像边缘高频图像信号进行提取,舍去其他高频信号,并对低频分量进行直方图均衡化处理,以此来重新构建红外图像,达到对红外图像去噪、边缘以及故障点增强的作用。通过实验证明,该方法能有效去除图像高频噪声,保留红外图像的边缘特征,对红外图像故障检测提供有效信息。     

面向可见光—近红外图像融合的植被与天空概率模板生成

目的 近红外(near-infrared,NIR)图像在夜视和去雾等方面发挥着重要作用,RGB-NIR图像融合是一种常见且有效的处理方式。在实际图像处理过程中,图像的不同对象区域因特性不同需要进行差异化处理,但是现有图像融合算法在植被和天空图像区域存在明显不足。对此,提出RGB-NIR联合图像的植被和天空区域概率模板生成算法。方法 以植被为感兴趣区域,基于RGB图像各通道比值和扩展归一化植被指数(normalized difference vegetation index,NDVI)两种特征,提出RGB-NIR联合图像的植被区域概率模板生成算法。以天空为感兴趣区域,基于透射率图引导的局部熵和扩展NDVI两种特征,结合像素高度信息,提出RGB-NIR联合图像的天空区域概率模板生成算法。两种算法生成的植被和天空的概率模板在RGB-NIR图像融合过程中利用概率模板对权重矩阵进行修正,可明显改善融合效果。结果 检测植被的模板生成算法与传统NDVI进行比较,在对比度和鲁棒性方面有更大优势;与语义分割进行比较,在准确度和纹理细节上有更好表现。检测天空的模板生成算法与当前的概率模板天空检测算法相比,准确率更高,边缘过渡更平滑;与当前的二值模板天空检测算法相比,在检测效果相当的情况下能保留更多细节信息,并且对小物体的划分更为准确。以本文检测算法修正后的图像融合结果在保持细节增强效果的同时,视觉感观更为自然,在定量指标上也更占优势。结论 本文提出的概率模板生成算法结果准确、性能鲁棒,能有效提升RGB-NIR图像融合的效果,特别是在涉及权重的图像融合中能更好地结合与应用。     

结合分块的改进三帧差和背景差的运动目标检测

针对运动目标检测易受背景影响及帧间差分易产生空洞的问题, 提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法. 该算法利用边缘检测法和均值法建立初始背景模型, 将视频图像划分成多个子块, 对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测, 获取图像中的运动前景目标, 背景图像采取自适应更新方法. 实验结果表明, 该算法能完整的提取运动目标, 背景适应性强, 具有较高的准确性和效率.     

Automatic surface defect detection for mobile phone screen glass based on machine vision

Defect detection using machine vision technology plays an important role in the manufacturing process of mobile phone screen glass (MPSG). This study proposes an improved detection algorithm for MPSG defect recognition and segmentation. Considering the problem of MPSG image misalignment caused by vibrations in the mobile stages, a contour-based registration (CR) method is used to generate the template image used to align the MPSG images. Based on this registration result, the combination of subtraction and projection (CSP) is used to identify defects on the MPSG image, which can eliminate the influence of fluctuation in ambient illumination. To segment the defects with a fuzzy grey boundary from a noisy MPSG image, an improved fuzzy c-means cluster (IFCM) algorithm is developed in this study. A defect detection system is developed, and the proposed algorithms are validated using a number of experimental tests on MPSG images. The testing results demonstrate that the approach proposed in this study can effectively detect various defects on MPSG and that it has better performance than other methods.