冰勺表面缺陷检测方法研究

冰勺表面缺陷包括严重缺陷和轻度缺陷。严重缺陷检测技术比较成熟,而轻度缺陷检测存在漏检和误检的博弈。严重缺陷属于不能出售的废品,轻度缺陷中劈裂和污染也是废品,而节子、矿物线、腐朽和色差属于合格品,售价低于无缺陷的优良品。针对轻度缺陷检测提出一套解决方案：首先提取冰勺轮廓,定位冰勺表面区域,然后对冰勺表面进行预处理,利用最小二乘法拟合的直线方程与预处理后灰度值数据相减,计算偏差。通过最小二乘法迭代拟合求取正常表面偏差值,从而计算其标准差,最后基于3σ准则提取迭代前的异常数据即缺陷。以上算法可检测出小面积轻度缺陷,针对大面积腐朽、色差等缺陷通过基于灰度峰值水平直线方程计算偏差来提取缺陷。两种方法相结合检测冰勺表面缺陷。所研究的冰勺表面缺陷涵盖了冰勺生产工业中主要的表面缺陷类型,包括节子、矿物线、劈裂、污染、腐朽和色差等。在自建的图像数据库上做算法测试。结果表明,本文方法漏检率仅为1.27%,误检率降低至3.85%,具有实际应用价值。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

改进深度学习优化电力设备缺陷图像识别

红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的计算量,通过多分辨率特征融合提高网络对缺陷特征语义信息和细节定位信息的应用,最后通过自适应训练数据抽样提高正负训练样本抽取的有效性,从而提高算法缺陷识别准确率.实测数据实验表明,改进模型的目标函数可以在较少的迭代次数下实现稳定实收,在准确率、召回率和运行时间等评价指标上优于传统Faster RCNN模型、SIFT算子模型等已有模型,从而验证了算法的有效性和对不同背景干扰的有效性.     

基于改进灰狼优化算法的金刚石刀具磨损状态识别方法

传统金刚石刀具磨损状态识别方法容易受到外界干扰,导致金刚石刀具磨损状态识别效率低、误检率高,为此提出了基于改进灰狼优化算法的金刚石刀具磨损状态识别方法.利用属性权重去除金刚石刀具磨损状态数据中的冗余数据,对金刚石刀具磨损状态进行初步异常识别,将粒子群算法引入金刚石刀具磨损状态特征选择中.通过计算金刚石刀具磨损状态特征的适应度,更新了粒子速度.在引入惯性因子的基础上更新粒子位置,实现金刚石刀具磨损状态特征的选择.通过计算收敛因子找到最优位置,实现金刚石刀具磨损状态的识别.分析结果表明,基于改进灰狼优化算法的金刚石刀具磨损状态识别方法不仅在识别准确率方面具有一定优势,还可在应用过程中有效提高识别效率.     

基于二次特征筛选的覆铜板表面缺陷检测

为了解决机器视觉技术检测覆铜板缺陷误检率高的问题,提出了一种基于二次特征筛选的覆铜板表面缺陷检测方法。采用模板匹配与图像形态学算法检测出覆铜板表面的疑似缺陷。由于覆铜板加工过程中易发生翘曲和弯曲变形,影响了模板匹配的精度,导致第一次检测结果中存在较多的误判缺陷。采用特征选取框提取出疑似缺陷的特征区域,计算其形状特征属性值,通过修正蜂群算法优化后的支持向量机(SVM)对疑似缺陷进行二次筛选。实验结果表明,通过二次特征筛选能使覆铜板表面缺陷检测的误检率控制在3%以内。     

基于纹理主、旁瓣特征的雪糕棒裂缝缺陷检测

裂缝是雪糕棒表面一种严重缺陷,对雪糕棒的加工和使用影响极大,然而部分又细又浅的裂缝与雪糕棒表面的木纤维纹络具有诸多相似之处,使得当前检测算法提取效果不佳。针对该问题,在对裂缝纹理及木纤维纹络的特征进行详细分析的基础之上,提出了一种基于纹理主瓣和旁瓣灰度特征相结合的检测方案。首先建立纹理主瓣和旁瓣灰度特征提取基本模型;然后提取雪糕棒表面头部全部纹理的边缘;接着,根据建立的模型提取上一步骤所得各边缘相应纹理的主瓣和旁瓣灰度特征量,并根据主瓣特征量的数值大小初步锁定其中属于裂缝纹理的候选边缘(其中包括全部的裂缝边缘和部分木纤维纹络边缘);最后,通过旁瓣特征量与预设阈值的数值关系识别出上一步骤候选边缘中的裂缝纹理边缘,从而实现裂缝缺陷的检测。在自建图库SUT-I3上进行了测试,结果显示所提方法在裂缝缺陷漏检率为0的前提下,其误检率低至6.07%,相对于其他雪糕棒或木材表面裂缝检测方法其误检率最少降低了9.29%,表明了所提方法的高效性,具有实际应用价值。     

汽车制动器总泵活塞表面缺陷的机器视觉检测

分析了汽车制动器总泵活塞表面缺陷特点及其视觉成像难点,设计了一套能自动快速地检测活塞表面缺陷的装置,介绍了机电系统和视觉系统设计的关键技术。对活塞表面微小不规则缺陷的识别方法进行了研究,开发了图像处理和人机交互软件,建立了活塞表面缺陷类型数据库。经样本数量为400的随机抽样实验结果表明,检测无漏检现象发生,误检率不大于2.25%,达到了预期效果。     

基于谱残差视觉显著性的带钢表面缺陷检测

针对带钢表面缺陷检测实时性要求高,采集的图像易受光照环境影响且缺陷特征弱等因素影响,提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先,提出改进同态滤波方法对图像预处理,去除光照不均匀的影响,改善后续的分割结果。然后,构建谱残差视觉注意模型,通过对数频谱曲线差分得到缺陷显著图像。最后,提出加权马氏距离方法对显著图像阈值化增强,并利用连通区域标记法,标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证,结果显示:该算法检测速度快,单幅图像平均检测耗时仅37.6ms,满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法,多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比,结果表明:本文算法对带钢常见8类缺陷类型,平均检测率达到了95.3%,且漏检率和误检率较低,有效性高于对比算法。     

基于角点检测的热轧带钢表面缺陷在线检测

针对在线检测热轧带钢的表面缺陷的技术特点,提出一种基于计算机视觉的角点检测方法。针对处于工况下的钢板表面特征,所提出的方法优化了基本Harris角点检测算法,避免了完全依靠经验来选取参数的局限。在判定缺陷图像时,通过对比突变点的灰度值和灰度,克服其他缺陷造成的误检、错检,提高检测的准确性。通过实验验证,所提出的方法比Canny算法和Hough算法具有更好的检测效果。     

基于ESPI技术的物体缺陷自动识别技术

电子散斑干涉技术是变形和缺陷检测的重要技术方法,具有非接触、动态特性好、灵敏度高等优点.在缺陷检测中,以变形为载体,通过变形分布上的异常判别缺陷是否存在和大致位置.在这个过程中,如何摆脱人的主观判断,实现缺陷的自动识别,一直是一个技术难点.本文以实现缺陷自动识别为目标,探讨了电子散斑干涉技术的物体缺陷识别技术.总结了ESPI实现系统和变形测量的主要算法,包括时域相移干涉仪中算法、空域载波相移干涉仪中算法及空域相移干涉仪中算法,分析了各自的特点并进行了归类.描述了变形与缺陷之间的关系.讨论和总结了缺陷的时域识别方法和空域识别方法.分析了基于变形梯度的缺陷识别方法,并进行了改进.改进的方法引入了调节因子,提高了缺陷区与非缺陷区之间的界限,从而提高了该方法的缺陷识别能力.