共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
3.
针对磁瓦表面缺陷人工检测时存在效率低、稳定性差的问题,提出一种将小波变换应用于磁瓦表面缺陷检测的视觉检测方法。实验中对随机样品磁瓦和模板正品磁瓦进行相同的处理,对比两者处理过程中采集到的参数来判别实验磁瓦是否存在缺陷。先通过小波去噪处理图像,利用灰度直方图阈值提取图像并二值化,计算对比阈值提取区域匹配相似度;再用Canny边缘检测算法提取出阈值提取区域轮廓边缘,经过形态学操作,计算对比最大轮廓长度,最大轮廓面积和凸凹平均面积;最后通过设定提取特征的合格区间来判别磁瓦是否存在缺陷。实验结果显示,该算法对倒角不合格、偏磨、掉块和起层等缺陷的识别效果较好,可将磁瓦表面存在的显著缺陷准确地检测出来。 相似文献
4.
针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视
觉的磁瓦表面缺陷自动检测与识别方法。为解决磁瓦表面缺陷种类多、对比度低、图像中存在
磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成
特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多
类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提
高了分类器的准确性和有效性。实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的
各类缺陷,检出率可达到96%以上,识别率超过91%。 相似文献
5.
钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90%以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理. 相似文献
6.
钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90%以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理. 相似文献
7.
8.
9.
将卷积神经网络(CNN)应用于工件缺陷检测,来检测工件在生产过程中表面出现的缺陷,以提高工件的生产质量。利用CNN可以对工件的图案进行识别,但识别无法检测出细微缺陷的问题。在CNN进行工件图案识别的基础上,研究一种利用CNN实现缺陷检测的方法。该方法通过扩充缺陷样本,利用CNN识别的中间输出参数,定义了缺陷分辨率的概念来衡量缺陷的程度,当缺陷分辨率达到一定水平时则认为是无缺陷图案,否则认为其存在缺陷。实验验证了提出的CNN工件缺陷检测方法的有效性,数据表明缺陷检出率可达到 93.3%。 相似文献
10.
常用分拣检测技术识别工件类别时,忽略机械图像的深度信息,导致工件识别精度和识别效率较差。为此,研究基于旧电表机械自动化分拣及检测技术。摄像机采集旧电表工件视频信息,转换视频帧为数字图像,预处理后提取图像边缘信息和深度信息,识别旧电表工件位姿,判别工件类别,利用PLC发出执行信号,控制机械手到达抓取位置,分拣识别出的旧电表工件,输入边缘特征和深度特征至卷积神经网络,预测工件类别,检验分拣是否准确。实验结果表明方法可提高工件分拣的准确率和召回率,提高旧电表工件识别精度和识别效率。 相似文献
11.
《自动化仪表》2017,(12)
荧光磁粉检测技术是一种常见的无损探伤技术,常用于成品、半成品以及原材料的检验,以确保工件质量的可靠性。小波变换作为分析信号频率分量的数学工具,已成功地应用于图像处理的各个领域。将图像小波技术与磁粉探伤技术相结合,能快速、有效地提取出工件的缺陷特征。目前,磁粉缺陷检测通常通过肉眼观察,不仅速度慢,而且效率低。为了在工业生产中实现自动化、提高检测效率、拓展小波变换的实际应用,提出了一套基于小波变换的自动识别方法,并将其用于检测缺陷。首先,利用小波分析方法提取缺陷特征。图像经过小波变换后,可获得其低频系数和高频系数。高频系数较好地保存了图像的边缘信息(缺陷信息)。然后,对高频系数分量进行垂直投影等基础图像处理操作,以获取缺陷特征。最后,使用BP神经网络进行分类识别。测试结果表明,该系统对工件上的裂纹缺陷和凹坑缺陷具有良好的检测效果。 相似文献
12.
管道腐蚀检测中的脉冲漏磁检测技术 总被引:2,自引:0,他引:2
漏磁检测技术广泛应用于管道等铁磁性材质的检测;由于常规漏磁检测的局限性,往往难以检测近表面和表面下缺陷;在分析漏磁检测原理基础上,采用脉冲交流磁化方式;介绍了脉冲漏磁检测系统,并对不同深度的缺陷钢管试件进行了试验,试验结果表明提取脉冲漏磁检测传感器(径向分量)输出的瞬态输出电压信号可对表面和表面下腐蚀缺陷进行有效识别;脉冲漏磁检测方法综合了漏磁检测和脉冲涡流检测的优点,具有快速、定量检测的特点,在管道等的缺陷检测中具有广阔的应用前景。 相似文献
13.
在漏磁无损探伤中,钢管端头存在端部效应,会造成钢管端头的检测盲区。为了消除管端缺陷检测的盲区,实现端头盲区的高速检测,提出了一种基于干磁粉成像的视觉检测方法。该方法通过在钢管端部表面施加干法红色磁粉,利用漏磁检测的磁化场形成磁痕,在互补的红色和绿色光源下分别成像,其中红色光源增强、绿色光源减弱磁痕灰度,并通过图像差分消除背景噪声和增强磁痕特征,从而准确地实现钢管端头盲区的快速检测。通过搭建实验平台,开展实验及图像处理耗时分析,结果表明,该方法可以实现对钢管端头盲区的高速有效检测。 相似文献
14.
在金属工件的生产过程中,不可避免地会生产出一些不良品,必须进行快速识别。缺陷检测系统需使用图像采集设备采集金属工件的表面图像,完成混合噪声滤除等预处理后,进行图像配准并使用差影法分割图像,然后标记缺陷和提取缺陷纹理特征,最后进行工件缺陷的分类和识别。为了提高金属工件表面检测系统的检测速度,以满足高速生产流水线对检测系统的高实时性要求,依托GPU平台设计了一套合理的并行算法来完成不合格工件的自动检出工作。实验结果表明,在满足检测精度的前提下,基于GPU的并行图像处理算法相对于串行算法能取得较好的加速效果(实验环境为3.2~10.3倍加速比),为工件表面缺陷的快速检测提供了一种新的途径。 相似文献
15.
16.
17.
18.
荧光磁粉自动无损检测系统 总被引:4,自引:1,他引:3
介绍了凸轮轴荧光磁粉自动无损检测系统 ,该系统以微机为核心 ,通过与PLC的串行通信实现对磁粉探伤机工作过程的控制 ,通过并行口对步进电动机驱动装置的控制实现工件的可控旋转 ,并实时采集工件磁痕图象进行处理和识别 相似文献
19.
轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷,从而影响配套主机的精度、可靠性及寿命,急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备,利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理;采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取;采用最小二乘法拟合外轮廓圆得到圆心及外径,结合半径占比分离法实现防尘盖圆环区域的提取;采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割;采用垂直方向投影法分离字符区和非字符区,通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明,采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法,可实现轴承防尘盖缺陷的自动化检测,正确识别率为96.9%。 相似文献
20.
工件表面缺陷检测是现代化工业生产中不可缺少的环节,利用卷积神经网络实现工件表面缺陷检测能有效地提升检测效果.当工件表面出现微小缺陷时,缺陷部分的特征容易被其他区域的特征所掩盖,影响检测的准确率.针对这一问题,提出了每级由3个卷积模块和一个视觉注意力模块构成的3级视觉注意力网络.通过注意力模块生成软注意力模板,为卷积模块构成的主干网络的特征图加权,增强缺陷区域特征并抑制背景区域特征,提升缺陷检测的准确率.实验采用具有明显缺陷和微小缺陷的5类工件图像进行对比测试,结果表明,软注意力模板在容易出现缺陷的区域具有更高的权值;加入视觉注意力模块能将缺陷检测的准确率从90.9%提升至98.1%. 相似文献