基于超声相控阵的机织层合复合薄板试件内部缺陷检测方法

针对机织层合薄板复合材料试件的内部缺陷,采用超声相控阵检测法对其进行超声100%扫查,并对得到的超声定位的缺陷区域进行分析;建立了超声回波A扫描波形图、B扫描图像以及C扫描图像和机织层合板复合材料内部区域缺陷分布的对应关系,分析比较了复合材料试件分别在同时激发4、8、16个晶片(阵元)的条件下得到的超声检测结果图,并在相控阵设置最优条件下对复合材料进行横纵方向超声扫描得到检测图,针对C扫描得到的缺陷扫查图进行定量分析。研究结果表明:扫描得到的超声A扫描波形图、B扫描图像以及C扫描图像在复合材料缺陷的位置上有一一对应的关系,超声相控阵检测法可用于机织层合板复合材料的无损检测及其缺陷的初步评价。     

基于磁通图像的平板三维编织复合材料试件内部缺陷检测

基于量子扰动超导探测传感器超高的磁场灵敏度,将量子扰动超导探测无损检测技术应用于三维编织复合材料平板试件内部缺陷的无损检测。构建了适用于量子扰动超导探测检测需要的薄板中圆形缺陷涡流分布的理论模型。提出了量子扰动超导探测检测平板三维纺织复合材料试件内部缺陷的磁通变化成像算法,利用OPENCV软件对磁通图像进行处理,准确判定三维编织复合材料平板内部缺陷情况。试验结果表明：该方法准确描述了被检测试件缺陷的位置和尺寸;量子振动超导探测磁通成像具备良好的检测和定位的能力;相对于超声波等传统检测技术,量子振动超导探测技术是一种更为先进的三维编织复合材料的无损检测技术。     

基于激光扫描成像技术的锯材裂缝和孔洞缺陷视觉识别系统

利用激光扫描技术形成了待检测材面的轮廓信息,把激光位移传感器输出的轮廓距离信息转换成图像的象素值而形成轮廓图像.根据裂缝和孔洞缺陷的形状特征,在统计的基础上提取了裂缝和孔洞缺陷的四个识别特征,并在此基础上开发了用于裂缝和孔洞缺陷识别的八条规则.结果表明,所开发的基于激光扫描成像技术基础上的锯材裂缝和孔洞缺陷的视觉识别系统不仅可以正确表征裂缝和孔洞等厚度缺陷信息,而且该系统能够精确地定位和分类上述缺陷.     

基于神经网络的复合材料缺陷超声波检测研究

描述了三维编织复合材料内部缺陷的超声波检测方法。在实现方法上,系统对三维编织复合材料的超声波A扫描回波信号进行小波包变换后,材料的内部缺陷信号被分解后表示为能量特征,并将缺陷特征值作为BP神经网络的输入参数,通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别,并对三维编织复合材料缺陷自动化识别。实验结果证明该方法分析三维编织复合材料内部缺陷是可行性。     

5083铝合金板材金属化合物缺陷分析与预防措施

针对船舶所使用的5083铝合金板材内部可能存在的质量问题,采用水浸式相控阵超声波检测技术对其进行超声波检测。通过超声波检测得到的C扫描图谱,定位缺陷。对缺陷部位进行剖伤分析,采用金相显微镜、扫描电子显微镜和能谱仪分析缺陷类型。结果表明,本次检测的5083板材内的缺陷类型是Al-Ti-V-Cr-Mn等粗大金属化合物,通过控制熔炼温度范围,适当增加铸造温度和速度,采用表面光滑和导热好的浇口,超声波检测把控质量等措施可有效控制此类缺陷的产生。     

卷烟小盒外观缺陷检测设备成像质量评价方法

针对不同卷烟小盒外观缺陷检测设备间检测能力存在差异等问题,建立了一种烟盒外观缺陷检测设备成像质量评价方法。搭建了烟盒外观缺陷离线检测系统以构建不同成像环境,制作了白度和棋盘格标准块并建立了系统光照均匀性和成像畸变率的量化方法,设计了标准缺陷烟盒样本并在不同成像环境下对其进行检测,分别考察光照均匀性、成像畸变率、成像清晰度以及图像分辨率对缺陷识别率的影响。结果表明：成像畸变率对缺陷识别率影响不大,光照均匀性、成像清晰度以及图像分辨率与缺陷识别率呈正相关;为保证检测效率和识别准确性,检测系统中各参数阈值为光照均匀性系数<5.0%,成像清晰度T值>12.0,图像分辨率≥128 px×128 px。该方法可为提升卷烟产品包装品质提供支持。     

基于BP神经网络的三维编织复合材料缺陷超声波检测技术研究

本文阐述小波包变换处理三维编织复合材料缺陷的A扫描回波信号，提取缺陷信号被分解后表示为能量特征，并将缺陷特征值作为BP神经网络的输入的实现方法，通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别，实现对三维编织复合材料缺陷自动化识别。实验结果证明系统的可行性。 本课题的研究工作，为进一步研究三维编织复合材料的超声波检测奠定了一定的基础。     

层-层正交角联锁机织物及其复合材料的结构及其层切破坏机制研究

采用无损高分辨率X射线成像(显微X-CT)技术对层-层正交角联锁机织物以及复合材料内部结构进行分析,并研究了层间剪切强度与结构之间的关系;通过三维重构展现了机织物的层-层正交角联锁的微观结构,观察到机织物内部的单丝扭转、挤压现象;依据机织复合材料中孔隙和高密度杂质在三维空间的分布,计算了其相应的占比。结果表明:层间剪切实验后的机织复合材料虽然宏观形貌保持了良好的完整性,但内部存在孔隙变形、分层、纤维弯曲、片层断裂等现象;层-层正交角联锁机织结构有效提高了复合材料的层间力学性能,内部的缺陷对复合材料的力学性能有较大的影响;无损高分辨X射线成像技术是研究纤维增强复合材料内部复杂结构特性的有利手段。     

基于机械臂的食物储藏室热缺陷检测系统

目的：提高食物储藏室围护结构的缺陷检测效率。方法：提出了一种基于机械臂搭载热红外相机履带式行走机构为一体的检测机构，根据围护结构的面积规划采集路径，采用改进Ostu图像分割方法对采集的热红外图像进行分析并输出其“缺陷”部位的大小及位置坐标。结果：“缺陷”的检测率和误检率分别为92%和6.6%。结论：检测机构能完整扫描并采集食物储藏室围护结构热红外图像，图像分割法能较为清楚地表述出热源的大小，符合机械视觉检测的实际应用要求。     

加工番茄虫眼及霉变的可见近红外高光谱成像检测

为了探求一种快速有效识别虫眼和霉变加工番茄的无损检测方法,利用高光谱成像技术,从光谱和图像2个角度对其进行检测。先借助可见近红外高光谱成像系统获取408~1 013nm的加工番茄高光谱图像数据,提取并分析感兴趣区域的平均光谱曲线进行主成分分析,根据各波段权重系数优选了550,750,900nm 3个特征波长;然后通过特征波长下图像的主成分分析,选择缺陷部位与正常区域强度对照最明显的第一主成分图像,通过掩模、阈值处理和形态学开运算等图像处理方法对缺陷番茄进行检测判别。虫眼、霉变和正常三类番茄的识别率分别为93.3%,90%,100%。同时利用上述3个特征波长进行波段比图像运算,并选择波段比550nm/750nm图像进行缺陷识别,虫眼、霉变和正常三类加工番茄的识别率分别为93.3%,96.7%,100%。研究结果表明,二次主成分分析和波段比检测算法均可以有效地识别缺陷加工番茄。另外研究中仅选用了3个特征波段,数据量大大减少,为搭建开发适于加工番茄缺陷的多光谱在线检测系统提供了可能。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明:该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。     

应用上下文视觉显著性的色织物疵点检测

为实现色织物疵点的有效检测,提出一种应用上下文视觉显著性的疵点检测方法。根据上下文视觉显著性的原则,将织物图像分为大小相同的图像块;然后针对每个图像块,选取K个与其最相似的图像块计算与该图像块的差异值之和,用该差异值之和表示该图像块中心像素的显著性;从而生成一幅视觉显著性图;最后对显著性图进行阈值分割,得到色织物疵点的检测结果。为验证该算法的有效性,将带有纬缩、破洞和跳花等区域性疵点的素色、条纹和格子色织物图像作为样本进行检测。结果表明:该方法可较好地抑制不同种类织物的纹理背景,突出疵点区域,实现疵点的有效检测,该方法在色织物疵点检测上具有一定的可行性。     

纬编光坯织物疵点图像的特征量提取

针对纬编光坯针织物中存在的不同类型疵点,使用Photoshop和MATLAB软件对其疵点的扫描图像进行预处理,以检测传统的织物疵点。然后通过对色点、玷污、破洞、粗纱等几种疵点图像进行分析和处理,最终得出常见的针织物疵点图像的特征量提取方法。实验结果表明,对于不同类型的疵点,可通过不同的处理方法来获得较佳的结果。     

应用视觉显著性的小提花织物疵点检测

为实现小提花织物的疵点检测,提出了一种基于视觉显著性的疵点定位与分割方法。针对小提花织物的花型具有周期性的特点,通过对织物图像进行快速傅里叶变换和形态滤波来抑制正常花纹的显著性,突出疵点区域的显著性,以获取图像的全局显著图;然后使用基于图论的视觉显著模型来计算图像的局部显著图,并对全局和局部显著图进行合并生成综合显著图;最后使用最大熵法对综合显著图进行分割,以得到疵点目标。实验结果表明,在对横裆、破洞、断头、打结和跳花等5 种瑕疵进行测试时,该方法的正确率高达93.5%,非常适合于对小提花织物进行疵点检测。     

基于深度学习的布匹疵点检测方法

为快速、准确检测布匹疵点,提出以深度学习目标检测框架YOLOv4为基础的布匹疵点检测方式,首先将5种常见疵点图像(吊经、百脚、结点、破洞、污渍)进行预处理,然后将图像输入到YOLOv4算法中进行分类。YOLOv4采用CSPDarknet53作为主干网络提取疵点特征,SPP模块、FPN+PAN的方式作为Neck层进行深层疵点特征提取,预测层采用3种尺度预测方式,对不同大小的疵点进行检测。研究结果表明:经600个测试集样本的验证,该方法对疵点图像的检测准确率达95%,检测单张疵点图像的速率为33 ms。与SSD、Faster R-CNN、YOLOv3方法进行比较,采用YOLOv4方法准确率更高,速度更快。     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。     

纹理织物疵点窗口跳步形态学法检测

针对纹理织物疵点自动检测时因生产速度快造成的织物抖动以及检测速度难以匹配问题,提出窗口跳步形态学法纹理织物疵点检测算法。使用该算法对图像进行窗口分割及预处理后,首先对纹理织物图像的纹理特征进行分析,然后设计形态学算子进行腐蚀操作,最后使用连通域分析来确定疵点大小及位置。仿真实验及工厂实际应用表明,该算法可有效克服工业生产中纹理织物抖动造成的图像明暗不均,可检测出纹理织物中存在的破洞、经纬疵点、污渍、断线、折痕和结头等各种疵点,而且检测速度明显优于快速傅里叶变换特征点算法以及传统形态学检测算法。实时检测速度超过80 m/min,疵点检测精度为0.1 mm,满足实际生产需求。     

基于超声原子力显微镜的检测技术及应用研究

随着纳米材料和纳米技术的发展,对纳米级横向分辨率弹性测量及对次表面缺陷纳米范围成像方法的需求日趋增加,而目前传统的测试方法无法满足纳米尺度的弹性及次表面缺陷的检测.本研究提出的超声原子力显微镜技术,将原子力显微镜与超声方法相结合,即通过使原子力显微镜探针的悬臂梁或被测试件作超声振动,实现在纳米或亚微米尺度无损检测材料的弹性性能.本文基于原子力显微镜,通过激励试样底部的传感器,并采用锁相放大器调制出悬臂梁的振幅,构建了超声原子力显微镜系统,理论分析了超声原子力显微镜的悬臂梁超声振幅成像机理,通过实验得到SiOx纳米薄膜的超声幅值影像.