对基于支持向量机的轴承表面缺陷检测研究

在以往传统的轴承检测中,主要是通过目测或者手感的方式,对轴承内部、外圈的缺陷程度进行判断,但此种方式的工作量较大,检测结果也很难得到切实保障。基于此,本文将在支持向量机的基础上,对轴承表面缺陷的检测方式进行分析,利用检测算法将缺陷区域划分成两种纹理模式,利用PCA分析法对图像进行降维处理,然后针对不同类型的样本进行采样学习与判断。从实验研究结果中能够看出,本文所研究的算法能够对轴承缺陷进行精确的分类检测,具有较强的现实意义。     

基于粒子群优化支持向量机的焊接缺陷分类

缺陷的自动分类在焊接缺陷的超声无损检测与评价中具有十分重要的意义.而支持向量机是一种性能优越的机器学习方法,在小样本、非线性及高维模式分类问题中能找到全局最优解,因此,支持向量机在超声检测缺陷分类方面具有良好的应用前景.然而,在实际应用中,选择合适的支持向量机参数是很困难的,影响了分类器的性能和分类精度.针对支持向量机训练中人为选择参数的随意性,提出基于粒子群优化的支持向量机参数自动选择方法,并将其应用于焊接缺陷的分类.该方法采用分类正确率作为优化问题的适应度函数,利用粒子群算法对支持向量机参数进行优化.为验证该方法的有效性,并和常规支持向量机、遗传算法优化的支持向量机进行比较,分别采用标准数据集和焊接缺陷实验数据集进行了分类测试.实验结果表明,该方法获得了比常规支持向量机和遗传算法优化的支持向量机更高的分类正确率.     

基于图像处理的油封缺陷自动检测与分类识别方法

提出一种油封缺陷检测及分类识别方法.依据量化的油封表面质量定性判断精度指标要求,结合生产实际设计并构建油封缺陷在线视觉检测系统.采用伺服电机同步传动旋转机构等分采集油封环带图像,经图像预处理分割出不同检测区域.利用小波变换模极大值图像边缘检测算法实现油封缺陷检测;提取描述缺陷的特征参量并进行主分量选择,通过支持向量机M-ary分类策略对油封缺陷进行分类识别.实验结果表明,系统及方法切实可行,具有实用推广价值.     

用于滚动轴承故障检测与分类的支持向量机方法

介绍了支持向量机原理与算法，给出了基于支持向量机多类故障层次分类检测模型以及多类故障分类器构建方法及步骤。用滚动轴承实验数据对分类器的性能进行检验，并与神经网络分类器性能进行初步对比，结果证明了支持向量机方法用于轴承故障检测与识别的可行性和有效性。     

磷虾算法优化多分类支持向量机的轴承故障诊断

为了提高滚动轴承故障类型诊断准确度,提出了磷虾算法优化多分类支持向量机的轴承故障诊断方法。对于时频域特征参数的提取,将CEEMD算法与小波包优势结合,提出了CEEMD与小波包半软阈值去噪相结合的提取方法;对于特征参数降维,针对轴承振动信号的非线性特点,使用局部线性嵌入算法降维,对降维后特征参数使用模糊C均值聚类进行验证,可以看出LLE降维不仅降低了计算量而且有利于模式识别;将二叉树法与投票法支持向量机结合,给出了混合多分类支持向量机,使用磷虾算法对其进行参数优化。实验验证可知,磷虾算法优化的多分类支持向量机具有很高的输出精度,轴承状态识别准确率为100%,使用粒子群算法优化的支持向量机输出精度低,轴承状态识别准确率为79%。     

小波支持向量机多分类器在轴承性能退化评估中的应用

为了准确地对轴承性能退化过程数据进行评估,将Mexican hat小波函数引入支持向量机多分类器中,提出一种小波支持向量机多分类器.并基于平移不变核函数条件,给出该小波函数为容许核函数的证明.根据"一对多"算法建立支持向量机多分类器.通过对内圈故障和滚动体故障的轴承性能恶化过程中数据的分析,表明小波支持向量机具有比BP(back propagation)神经网络、RBF(radial basis function)核函数支持向量机更高的分类正确率.     

基于机器视觉的轴承缺陷检测研究进展

机器视觉是一种用机器替代人眼进行测量和检测的技术,这种技术应用于缺陷检测具有效率高、速度快、成本低等优点,许多学者将其应用在不同领域(农业、航空航天等),并取得了较好的成果,目前轴承领域也逐渐采用该检测方法。因此,需对应用于不同轴承缺陷及机器学习、深度学习下的轴承缺陷检测算法进行综述,并对其缺陷检测算法的性能进行分析归纳及对比。首先,探讨分析了轴承缺陷形成的磨损机理,并详细介绍了轴承常见磨损形式(腐蚀磨损、疲劳磨损、黏着磨损、滚道磨损等);然后,分别介绍了基于机器学习和深度学习的检测算法的区别及特点;其次,列举了机器学习的算法及深度学习的算法用于轴承缺陷检测的研究应用与分析,主要包括机器学习的人工神经网络、主成分分析、支持向量机等,及深度学习的单阶段和双阶段目标检测算法的应用;最后,为了促进深度学习算法用于轴承缺陷的诊断,针对具体问题提出了轴承缺陷检测的挑战和未来研究方向并给出了详细的建议,对机器视觉在轴承缺陷检测中的研究现状提出了总结与展望。     

改进离散熵在列车轴承损伤检测中的应用

针对轴箱轴承早期损伤的检测问题,提出一种基于改进多尺度离散熵算法（improved multiscale dispersion entropy, 简称IMDE）和支持向量机的诊断模型,通过提取振动信号中的关键信息有效识别轴承的健康状态。首先,考虑传统多尺度离散熵（multiscale dispersion entropy,简称 MDE）因数据点重合和粗粒化尺度不断增大而引起的熵值误差增加、分布混乱及波动明显等缺陷,通过对粗粒化过程和离散熵的优化改进算法; 其次,结合实际算例,针对高速列车轴箱轴承在不同运行状态下的振动数据进行试验验证。结果表明,相较于MDE,IMDE计算熵值的误差更小,鲁棒性更好,且支持向量机分类结果显示IMDE取得了更高的诊断精度。     

基于PSO-SVM的齿轮箱故障诊断研究

针对目前齿轮箱故障诊断存在的检测难度大、主观性强、准确性不高等问题,提出了一种基于粒子群算法和支持向量机的故障诊断方法。运用时域频域分析法对振动信号进行分析获取特征值,利用支持向量机(SVM)技术对齿轮箱特征参数进行模式识别和故障分类,并引入粒子群算法(PSO)用于优化支持向量机参数,建立了齿轮箱典型故障诊断模型。实验结果表明:该方法可以对齿轮箱不同故障类型进行准确的分类,有效的提高了齿轮箱故障诊断的可靠性。     

结构可靠性分析的支持向量机分类迭代算法

针对结构隐式极限状态函数的可靠性分析，提出了一种支持向量机分类迭代算法。该算法以分类支持向量机来替代隐式极限状态方程，通过构造合理的迭代格式，使得分类支持向量机在对失效概率贡献大的区域收敛于真实的极限状态方程，从而提高了可靠性分析的精度。给出了所提算法的详细步骤，并且用多个算例验证了所提算法的可行性及效率。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

正交边缘投影快速算法在胶片弊病识别中的应用

为实现对胶片弊病的实时识别,提出了一种正交边缘投影快速检测算法.基于对红外胶片图像特点的分析,通过综合运用邻域平均、边缘检测和投影法等图像处理技术,实现了对胶片弊病的快速、准确识别,并据此算法编制了相应的VC++程序.该算法保证实时的关键是将二维图像投影为两个一维信号进行处理,该算法还可根据实际需要实现功能扩展,用于确定弊病的大小及严重程度.通过在乐凯胶片集团公司的在线实验,证明其能够准确检测出各种典型的胶片弊病,处理一帧大小为659×494像素的图像只需20ms.     

基于频率-波数的频域合成孔径导波成像研究

为实现管道中缺陷位置与尺寸的准确预测,在爆炸反射成像原理的基础上,提出了一种基于频率-波数的频域合成孔径导波成像算法。通过磁致伸缩方式在管道中激励出T(0,1)模态导波,对采集到的回波信号做二维傅里叶变换并进行角谱运算对频域内声场进行重构。最后,对其进行反傅里叶变换后实现目标区域内的聚焦成像。通过实验验证成像结果,同时与原始B扫结果进行了对比。结果表明,所提算法有效抑制了旁瓣效应产生,使成像分辨率提高了约30%,定量误差缩减了26.1%;同时研究表明在缺陷轴向位置、深度及倾斜角度发生改变时,利用该算法实现缺陷图像重构后,其检测准确度只受缺陷周向范围的绝对尺寸影响,对周向表面缺陷检测具体较高的灵敏度。     

用于缺陷检测的指尖型大面积光学式触觉传感器设计与性能研究

对各种具有复杂曲面及平面的材料进行缺陷检测的过程中,传统触觉传感器存在探测面积小、探测效率低等缺点。针对这些问题设计并制备了一种指尖型大面积光学式触觉传感器,并将该传感器应用于多种材料的表面缺陷探测中。所设计的传感器外形类似人类手指尖端,同时具备指型曲面和平面双接触面,可满足各种复杂接触面的探测需求。传感器中设计了微型传动装置用于带动摄像头转动以提高成像质量,并通过转动采集多张图像使用APAP图像拼接算法对其进行拼接,增大单次探测有效面积。通过模拟多种材料表面缺陷并制作触觉图像数据集,采用DeepLabv3模型对其进行训练。实验结果表明,在单次采集的情况下,有效探测面积达到16.3 cm²,模型通过训练MIoU达到91.2%,可实现多种材料复杂曲面和平面的缺陷探测。     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

[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。     

基于深度学习的航天密封圈表面缺陷检测

针对航天密封圈表面缺陷人工检测效率低、传统图像处理检测算法通用性差的问题,提出了两种基于深度学习的密封圈表面缺陷检测算法。首先,针对缺陷大部分为小目标的特点,选取对小目标较敏感的RetinaNet网络作为检测算法的基本架构,通过在RetinaNet网络中引入轻量级网络MoGaA构建出MoGaA-RetinaNet算法。然后,为了提高检测精度,在MoGaA-RetinaNet基础上,用分解卷积模块代替MoGaA骨干网络中的深度卷积构建了newMoGaA骨干网络,设计出newMoGaA-RetinaNet算法。最后,在测试集上的实验结果表明,MoGaA-RetinaNet算法比RetinaNet算法检测速度更快,但检测准确率略低;而newMoGaA-RetinaNet算法实现了检测精度与检测速度的良好平衡,比RetinaNet算法准确率提升4.5%,达到92%,检测速度提升55%,达到31 frame/s,网络参数量减少50%。所设计的newMoGaA-RetinaNet算法可以实现密封圈表面缺陷的快速准确检测。     

基于数字图像处理的印刷电路板缺陷检测

针对传统PCB检测方法高成本、低效率问题,提出一种基于数字图像处理的PCB板自动光学检测方法,建立了将标准图像和待测图像进行对比的检测系统。针对PCB板生产过程中遇到的短路、断路、空洞、凸起、凹陷等缺陷,采用了求连通区域数、计算欧拉数、求缺陷区域面积等方法,来检测上述缺陷问题,并给出算法的全过程。经实验结果分析,该方法能准确地检测出待检测电路板上存在的缺陷,达到了自动实时检测的目的。     

Online auto-detection method and system of presswork quality

An online auto-detection method and system of presswork quality is studied in this paper. An evaluation criterion for real-time-gathered images of multicolor printing is proposed. Integrated designing and optimizing make it transparent the key factors influencing the real-time performance of a detection algorithm. A subspace-based registration algorithm that accelerated the search speed is presented, and the dynamic refreshing of a reference image avoided the cumulative departure and improved the registration precision. To obtain the position and geometric characteristics of various defects in real time, a method of thresholding by cluster and line-by-line scanning of a dynamic array is proposed to extract and merge defects. Finally, geometric characteristics and statistics parameters are adopted to classify and identify the massive defects, discrete dots defects, and linear defects. A motion image acquisition system and distributed computer processing system are designed. Experimental study and practical running indicates that defects including stria, splash ink, blowby, foreign bodies, etc. could be detected, displayed, stored, and warned in real time. The detection speed reached 250 m/min and the precision reached 0.375 mm in the running direction and 0.15 mm in the crossing direction.     

基于改进 Faster RCNN 的铝材表面缺陷检测方法

针对传统检测算法对工业铝材表面缺陷识别率不高、对于小缺陷定位不准确等问题,提出改进的Faster RCNN深度学习网络对于铝材表面10种缺陷进行检测。首先,对数据进行增强后,在主干网络加入特征金字塔网络(FPN)结构以加强对小缺陷的特征提取能力,随后用感兴趣区域校准(ROI Align)算法来代替粗糙的感兴趣区域池化(ROI Pooling)算法,获得更准确的缺陷定位信息,最后加入K-means算法对缺陷数据进行聚类,得出更适应铝材缺陷的锚框。实验表明,改进后的网络对铝材表面缺陷检测的平均精度均值(mAP50)为91.20%,比原始的Faster RCNN网络提高了16%,并且对铝材小缺陷的检测能力也得到明显的提高。