磁瓦表面图像的曲线拟合缺陷提取方法

为了克服磁瓦图像光照不均匀、缺陷区域对比度低等难点,提出了一种基于曲线拟合的图像分割方法。对磁瓦图像进行逐行扫描后得到的灰度曲线,利用形态学滤波去除尖锐的波峰和波谷,然后以二次曲线作为模型采用最小二乘法拟合平滑后的曲线得到该扫描线的灰度分布趋势,最后通过差分手段减弱背景影响、突出缺陷区域,用阈值分割将缺陷区域提取出来。实验证明该方法能够有效准确地提取不同光照下磁瓦内、外表面的不同种类缺陷,为后续缺陷的分类识别奠定了良好基础。     

磁瓦表面图像的下包络线灰度对比度缺陷检测算法

为解决磁瓦表面缺陷对比度低、整体亮度不均匀以及磁瓦图像中存在大量的冲击噪声干扰等难题,提出了一种基于下包络线灰度对比度的缺陷检测算法。首先定义扫描线灰度对比度,用下包络的方式来优化每一行扫描灰度曲线,然后计算下包络线上的最大灰度对比度并判断该点是否为缺陷区域中的点从而得到缺陷区域的"骨架",最后通过8邻接方式对"骨架"进行扩展得到完整的缺陷区域。实验证明,该方法能够有效解决冲击噪声对图像分割的影响,克服光照不均、表面存在磨削条纹等干扰,对不同类型缺陷有较好的分割效果。     

基于OpenCV的磁瓦表面缺陷视觉提取方法研究

针对磁瓦在加工过程中所产生的表面缺陷,提出了一种基于OpenCV的磁瓦表面缺陷机器视觉检测方法.通过计算图像的熵值初步判定磁瓦表面纹理是否均匀,进而对判定有缺陷的图像计算相应的灰度阈值,然后使用所得阈值对图像进行二值化处理,最后使用OpenCV勾勒出缺陷轮廓.实验表明该方法可以准确地在图像中提取出缺陷.     

钢材表面缺陷图像感兴趣区域提取方法

为提高钢材表面缺陷图像检测的效果和噪声引起的伪缺陷过滤能力,基于形态灰度包络的感兴趣区域提取方法被采用。该方法以形态灰度曲线包络为基础,通过回归平滑、曲线基准与偏差计算等步骤实现了对钢材表面图像横向灰度曲线中噪声部分的效过滤以及缺陷部分的保存;并通过感兴趣区域阈值选择与感兴趣区域合并获得了钢材复杂背景环境下的疑似缺陷区域。实验结果表明,形态灰度包络的感兴趣区域提取相比于其他方法更能减少噪声干扰,准确率能达到95%以上,能在不影响检出速度的情况下,凸显缺陷位置。     

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。     

融合改进小波变换的小型磁瓦表面缺陷检测方法研究

针对磁瓦表面光照不均匀且表面纹理复杂的问题,提出一种改进小波自适应阈值去噪方法来消除磁瓦表面复杂的纹理,同时又能较好的保持边缘;针对传统的阈值分割方法面对磁瓦表面照明不均匀不能较好的分离背景和前景问题,将自适应阈值分割方法进行了改进,经过形态学处理和边缘检测实现了磁瓦缺陷的检测。研究表明,所用的滤波方法运行时间为0.0866秒,检测准确度达到了90.6%,并且改进后的自适应阈值分割更有利于提取缺陷,为磁瓦的缺陷检测提供了一种可实现的解决方案。     

交变磁场下焊接缺陷磁光成像特征分析

研究焊接缺陷磁光成像检测方法,基于法拉第旋转效应,分析交变磁场下焊接缺陷磁光成像特征与漏磁场之间的关系。建立焊接缺陷的三维有限元模型,对不同类型和宽度的焊接缺陷漏磁场分布进行模拟,并在交变磁场激励下对不同焊接缺陷进行磁光成像无损检测试验,通过试验验证了焊接缺陷检测模型的有效性。研究结果表明,漏磁场分布与缺陷的类型和宽度密切相关,随着宽度增大,缺陷漏磁场的磁感应强度垂直分量亦增大;在相同宽度下,未熔合、表面裂纹、亚表面裂纹和无缺陷磁光图像灰度峰谷差值呈递减趋势,磁光图像灰度值可与漏磁场强度相匹配;所建焊接缺陷模型和磁光成像试验能有效地描述不同焊接缺陷对漏磁信号和图像灰度值分布的影响,有助于提高焊接缺陷检测和质量评估。     

基于支持向量机和机器视觉的磁瓦缺陷检测的研究

提出了一种基于支持向量机(SVM)和机器视觉的磁瓦缺陷的检测方法,通过图像增强、边缘提取的方法提取磁瓦缺陷后,提取磁瓦各种缺陷类型的形态特征参数,其中选择了面积、周长、紧凑性、离心率、一阶中心矩、二阶中心矩、三阶中心矩、四阶中心矩、五阶中心矩以及六阶中心矩等。将总共90张磁瓦侧面图片的漏磨、开裂和正常等3种情况的特征参数提取,在每种类型随机选取18个样本,即共54个样本作为LS-SVM的建模量,其余36个样本作为LS-SVM的预测样本来检验模型的优劣,获得缺陷类型识别准确率达91.67%,该结果表明通过支持向量机和机器视觉可实现较高精度和效率的磁瓦缺陷检测。     

[表面强化及损伤机理]一种高鲁棒性的钢轨表面缺陷检测算法

利用机器视觉技术检测钢轨表面缺陷时,存在背景光照复杂、车载检测设备与钢轨相对位置发生变化等情况,严重影响了缺陷检测的准确率,为此,提出基于灰度标准差与投影积分的钢轨表面区域定位算法和基于多尺度灰度对比度的增强算法。定位算法利用灰度标准差排除复杂背景的干扰,通过投影积分获取精确的钢轨表面区域;综合不同尺度空间的灰度对比度,将钢轨表面区域图像转化为灰度对比图,实现钢轨表面缺陷的增强;采用迭代阈值分割法提取钢轨表面的缺陷。实验结果表明：提出的钢轨表面缺陷检测算法在几种不同拍摄条件下漏检率均低于6%,准确率均高于93%,用于高速有砟轨道无缝钢轨表面缺陷检测时具有较高的鲁棒性。     

基于纹理特征的磁瓦表面缺陷提取

为了达到准确有效地提取磁瓦表面缺陷的目的,针对磁瓦图像纹理特征,设计了一种陷波滤波器来增强缺陷目标并抑制背景纹理,然后通过自适应中值滤波来消除噪声,最后利用Canny边缘检测方法提取出磁瓦表面存在的缺陷。通过实验表明,该方法能有效地提取多种磁瓦内外表面缺陷,通用性好,为后续缺陷特征的提取和识别分类奠定了良好的基础。     

基于漏磁成像的焊缝缺陷检测可视化方法研究

针对传统的基于漏磁信号识别方法的局限性,以焊缝缺陷的漏磁图像为研究对象,提出了一种新的基于数学形态学的焊缝缺陷的边缘提取方法,对焊缝与缺陷的识别、缺陷定位等方面进行了深入研究,实现了对焊缝缺陷的可视化图像显示。首先利用所设计的新型磁化系统,对实验板上焊缝不同区域分布的矩形槽缺陷进行了连续非接触漏磁扫描,获取了其三维漏磁信号分布图。然后将其转化为二维灰度图形,利用构造的一种数学形态学优化边缘提取算法对灰度图形进行边缘检测。结果表明,根据边缘检测结果的轮廓图,可直观化缺陷形态、位置等信息,定位精度达到96.67%。该方法能较准确地提取漏磁信号图像的焊缝和缺陷边界,实现二者的有效分离,具有良好的适应性和实用性。     

基于机器视觉的金属边缘细微缺陷检测方法的研究北大核心

针对金属表面质量人工检测工作量大、效率低等情况,提出一种机器视觉检测金属零件边缘细微缺陷的方法。先根据金属零件表面反光的特点,在亮场下垂直照射,运用形状模板匹配定位,对前景区域膨胀处理,截取包含零件边界信息的图像,缩小处理区域。接着锐化和滤波边缘区域,线性拟合边缘轮廓,提取拟合线段的方向向量,并以此为特征进行区域类划分,提取边缘坐标点。以提取的坐标点为圆心作圆领域,求取每个领域的灰度平均值并线性插值迭代剔除边界干扰点。最后提取符合要求的坐标点排序,重构多直线段,结合背景差分法提取缺陷。实验结果表明,该检测方法能够有效检测出金属边缘细微缺陷。     

交变/旋转磁场下焊接缺陷磁光成像检测与分类

针对任意角度焊接缺陷难以检测的问题,研究在不同磁场激励下焊接缺陷磁光成像无损检测系统。重点介绍了由U形磁轭产生的交变磁场和平面交叉磁轭产生的旋转磁场激励焊件的机理,比较了交变/旋转磁场激励下不同焊接缺陷的磁光成像效果。基于法拉第旋转效应分析磁光成像特性与磁场强度之间的关系,磁光图像的灰度值可以匹配相应的漏磁场强度。采用主成分分析法提取融合图像列像素灰度特征和通过灰度共生矩阵提取磁光图像纹理特征,建立BP神经网络模型和支持向量机模型识别这些缺陷特征。试验结果表明,在旋转磁场激励下,BP神经网络模型和支持向量机模型的分类精度分别为94.1%和98.6%,相比交变磁场,分类精度分别提高了10.7%和8.5%。旋转磁场激励下的磁光成像克服了定向检测的局限性,能够实现对任意角度焊接缺陷的检测及分类。     

活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量，该文引进了机器视觉技术，以某机械生产制造单位为例，设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求，搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置，采集零件表面图像；对采集的原始图像进行均值滤波处理，去除图像中可能对缺陷区域的判别造成干扰的因素与噪声；采用阈值分割的方式，提取并划分机械加工零件表面的微缺陷区域；采用提取图像边缘算子的方法，计算零件表面原始图像与待检测图像之间的像素相关性，通过对零件表面微缺陷灰度性质点的匹配，完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷，还可以检测到具体的缺陷类别。     

HSI颜色空间下的直线导轨表面缺陷检测方法

为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

一种高鲁棒性的钢轨表面缺陷检测算法

利用机器视觉技术检测钢轨表面缺陷时,存在背景光照复杂、车载检测设备与钢轨相对位置发生变化等情况,严重影响了缺陷检测的准确率,为此,提出基于灰度标准差与投影积分的钢轨表面区域定位算法和基于多尺度灰度对比度的增强算法。定位算法利用灰度标准差排除复杂背景的干扰,通过投影积分获取精确的钢轨表面区域;综合不同尺度空间的灰度对比度,将钢轨表面区域图像转化为灰度对比图,实现钢轨表面缺陷的增强;采用迭代阈值分割法提取钢轨表面的缺陷。实验结果表明:提出的钢轨表面缺陷检测算法在几种不同拍摄条件下漏检率均低于6%,准确率均高于93%,用于高速有砟轨道无缝钢轨表面缺陷检测时具有较高的鲁棒性。     

基于机器视觉的收藏币类型识别及币面缺陷检测

以开发收藏币币面品相检测系统为目标,研究了图像滤波、变换、类型识别及配准等技术。通过预处理初步分割出币面区域,采用多目标相关性模板匹配法,识别出收藏币类型及币面特征在图像中所处的位置,然后根据匹配结果将目标图像与参考图像进行配准,在配准的基础上进行差分,实现对收藏币币面缺陷区域的提取。再根据不同类型缺陷的灰度、几何、形状特征的不同对缺陷区域进行分类识别,然后统计缺陷区域的面积、坐标等参数。实验数据表明,收藏币币面图像识别配准高效准确,能够有效提取出缺陷区域并准确统计缺陷参数。     

工字形焊件射线图像中微小缺陷的分割及提取

采用X射线实时成像系统对工字形激光焊件进行检测,得到了含有微小缺陷的低对比度射线检测图像。在分析图像灰度分布特征的基础上,采用数学形态学方法进行背景模拟,并结合背景相减、自动阈值算法提取出了检测图像中的微小缺陷。在结构元尺寸的确定方面,提出了线灰度分布曲线拟合并相减,再搜索相减结果最大值的方法。试验结果表明:该方法能很好地实现检测图像中微小缺陷的分割,且缺陷分割保真度高,算法适应性强。该方法只对感兴趣的区域进行处理,显著提高了图像处理的速度。