电机铜排表面毛刺缺陷检测技术研究

为了提高应用于工业环境下的大型电机转子导线的铜排毛刺检测精度和效率,针对铜排工件毛刺检测存在光学照明不均、毛刺种类繁多、检测识别率不高等问题,提出了一种基于电机铜排毛刺生长区域的缺陷特征提取方法。设计了由硬件模块和图像处理模块组成的毛刺缺陷自动识别系统。在各类毛刺特征分析的基础上,通过基于掩膜的图像优化算法得到待检测铜排标准图像;利用形态学算法构造出图像待检测区域并分割;最后提取缺陷特征并通过毛刺分类算法和针对各类毛刺的阈值去噪方案得到毛刺的判决结果,实现铜排毛刺的自动检测。实验结果显示,算法能快速准确地检测出毛刺缺陷,对铜排加工过程中产生的毛刺具有较高的鲁棒性,检出率接近98%,漏检率为0%,误检率为1.471%,能够满足工业检测的要求。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

炭素制品缺陷X射线自动检测关键技术的研究

以炭素制品X射线检测图像为对象,对其关键技术进行了研究。设计了目标边界提取算法和基于小波变换的图像增强算法等预处理方法。采用数学形态学和迭代阈值分割相结合的方法进行缺陷提取,取得了良好的效果。制定了一套用于特征描述的参数,设计了基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行了模式分类。实验结果表明,本文提出的方法比较有效,可以用于实际缺陷的自动提取与识别。     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。     

基于PSO改进BP神经网络算法的金属表面缺陷分类

为了实现金属工件表面缺陷在线检测,利用CCD传感器和图像处理技术,对金属工件表面孔洞、划伤和壳状凸起等缺陷进行特征提取与分类。采用自适应阈值分割法对预处理图像进行缺陷特征分割,运用BP神经网络建立对样本的缺陷特征向量和缺陷分类结果的网络预测模型,为了提高网络模型的精确度,采用PSO算法改进BP神经网络的权值和阈值,通过实验样本验证和对比BP和PSO-BP模型的准确率和平均误差,试验结果表明基于PSO-BP算法的金属表面缺陷分类准确率达到85%以上,获得了更优的分类效果。     

基于小波变换和Involution卷积神经网络的滚动轴承故障诊断方法

传统卷积神经网络在滚动轴承故障诊断中存在梯度扩散、参数爆炸和训练时间长等缺点,为此提出一种基于Involution卷积神经网络的滚动轴承故障诊断方法。首先,通过小波变换将原始数据转换为时频图,经过数据预处理后送入基于Involution的神经网络模型;然后,经过不同Convolution卷积核对原始图像的局部区域特征进行不同方式的提取,扩展输入图像通道数;最后,通过Involution对特征图的每个像素点进行进一步特征提取,经过softmax层输出分类结果。CWRU轴承数据集和试验轴承数据集的分析结果表明,基于Involution卷积的神经网络模型所包含的参数较少,训练时间短,故障分类准确率可达99.75%,优于传统的CNN,DBN,自编码器等模型。     

非监督层次化模糊相关的人体红外图像分割

针对当前多级模糊熵算法在分割人体红外图像时,存在划分数需人工指定,全局划分导致熵的信息度量精度受背景干扰,分割精度不高等问题,提出了非监督层次化模糊相关分割。首先采用熵率法将图像划分为若干超像素,确保区域一致性,提高后续处理效率;随后,用准确度量划分适当性的模糊相关来描述图像,构建模糊相关图割2-划分算子,提高层次化分割中单步分割的精度。2-划分算子的核心思想是利用提出的递推计算策略,快速搜索最大模糊相关时目标和背景的划分概率,并用其来设置图割的数据项,实施超像素的模糊相关图割2-划分。最后将2-划分算子与自顶向下的非监督层次化分割策略相结合,迭代地对目标超像素区域实施2-划分,自适应确定划分数,获得人体目标。实验结果表明:较常用算法,该算法不但能自动确定划分数,而且分割精度还提高了约18%,运行时间约为3.8s,能有效用于人体红外图像分割的工程实践中。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪

由于汽车管路连接件表面缺陷图像中的高频噪声和椒盐斑状噪声直接影响缺陷特征提取的精度,提出一种小波与中值滤波相结合的去噪新方法。该方法首先对原始图像进行小波变换分解,分离出高频信号与高频噪声,并将噪声滤除,然后由灰度值变化曲线统计得到缺陷灰度分界阈值,结合中值滤波算法自适应地滤除椒盐斑状噪声以保护缺陷特征边缘,对去噪后的图像进行线性增强,使缺陷边缘轮廓更加清晰,最后采用Sobel边缘算子算法分别对中值滤波、小波滤波、高斯滤波及新方法去噪后的图像进行缺陷特征提取以对比分析去噪效果。实验结果表明,新方法的峰值信噪比(PSNR)分别比中值滤波、小波滤波及高斯滤波提高了10.70%、8.99%和8.87%;结构相似度(SSIM)分别提高了21.82%、23.34%和11.54%,说明新方法具有良好的去噪效果,并在一定程度上提高了缺陷细节形状特征提取的准确性,适用于汽车管路连接件表面缺陷的检测与分类识别。     

基于机器视觉的PCB裸板缺陷自动检测方法

提出了通过比较标准图像与待测图像差异并分析差异区域边界进行印刷线路板(PCB)缺陷检测与识别的算法。在同一位置采集多幅标准PCB图像并计算其灰度平均值从而得到标准图,将待测PCB图与其进行对比。首先使用限定区域Hough变换快速检测出图像中相互垂直相交的细短标志线,将线段的交点作为特征点并计算其坐标,进而对标准图与待测图进行仿射变换配准,差影计算后,再通过二值化、形态学处理等去除伪缺陷,即可获取缺陷区域位置。在此基础之上,对处理过的差影图进行膨胀处理,通过边界检测获取各个缺陷区域闭合轮廓各点坐标。分析各个轮廓坐标对应阈值分割后的配准待测图中点的像素值,并结合缺陷是缺料缺陷还是多料缺陷识别出缺陷类型。对合格的和有缺陷的PCB图各200幅进行算法测试,检测准确率为98.3%,基本能够稳定检测出常规缺陷。     

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.     

箱梁结构件焊缝表面缺陷特征提取及分类研究

针对箱梁结构件焊缝表面缺陷分类识别过程中的在线特征提取及实时性等问题,在二维主成分分析(2DPCA)的基础上提出了一种基于泛化的增量式2DPCA(GI2DPCA)的特征提取算法。首先,对获取的箱梁结构件焊缝表面图像进行图像增强、图像平滑和阈值分割等预处理,实现了焊缝缺陷区域的有效信息提取,建立了焊缝缺陷数据库;然后,利用所提出的GI2DPCA算法对数据库中的焊缝图像提取其特征主元,并通过BP神经网络进行缺陷分类识别;最后,在建立的焊缝缺陷数据库上进行了算法性能的对比实验,并在ORL人脸数据库上对所提算法的通用性进行了验证。结果表明, GI2DPCA+BP神经网络算法的提取及分类速度可达36 fps,识别率达到97%,能够满足箱梁结构件焊缝表面缺陷检测的工程应用及实时性处理需求。     

轨道扣件检测特征提取算法研究

对于有效的提取轨道扣件的特征,提出一种基于小波变换与多尺度局部二进制相结合的特征提取方法。首先将图像进行小波变换,可以有效的去除图像中的噪声,提取出其低频部分,突出图像局部的信息,然后使用多尺度局部二进制对其进行特征提取,而多尺度局部二进制算法则可以在既保留图像局部信息的同时,最大程度留住图像整体信息。通过实际的实验,用最小距离分类器对该特征进行分类识别,表明该方法有效,可行,提高了图像中轨道扣件的识别率。     

高速摄像环境下航天电连接器分离边缘提取算法

为了准确测量航天电连接器的分离距离,以深入研究其分离特性,提出了一种高速摄像环境下电连接器分离边缘的提取算法。该算法主要通过划分感兴趣区域选定待测量位置区域,经滤波处理后,利用小波变换算法增强图像的弱边缘信号,然后通过两次自适应阈值分割图像,并利用SUSAN算子进行边缘检测,进而提取边缘,获得准确的边缘信息。     

基于Hausdorff距离区域生长的缺陷边缘重建方法

针对X射线探伤图像中的缺陷被提取时易产生形变,提出一种基于Hausdorff距离区域生长的缺陷边缘重建方法.首先对图像求补运算,以分水岭算法决定结构元素尺寸,采用改进的自适应数学形态学滤波算法处理图像,图像经阈值分割得到包含缺陷的二值图像;在此基础上对缺陷目标进行形态学收缩得到区域生长的若干种子点,以种子点的原始像素值为初始值,选择目标区域中的像素值大于或等于初始值的像素点进行合并生长得到新目标图像,以初始值减去2得到新的初始值,然后循环生长并计算新目标Canny边缘图像与原目标Canny边缘图像的Hausdorff距离,采用最小hausdorff距离为区域生长停止规则,所有目标生长完全后经过组合从而实现缺陷边缘重建.试验结果表明,该方法能够有效恢复缺陷的原貌,缺陷边缘重建效果明显.     

一种热轧中厚板表面缺陷图像的特征提取方法

研究了快速傅立叶变换、不变矩的原理及特点,并应用于热轧中厚板表面缺陷图像特征提取。从现场在线采集热轧中厚板的表面缺陷图像,将每幅图像划分成64×64(像素)大小的子图像。对子图像进行快速傅立叶变换,得到子图像的幅值谱,再对幅值谱求七个不变矩,然后把求得的七个不变矩作为特征向量输入BP神经网络分类器进行识别。实验表明该方法具有较好的特征提取能力,能够很好的识别热轧中厚板表面缺陷。     

基于模糊C均值技术的轴承故障诊断

先利用多小波变换对轴承缺陷图像进行去噪,再利用模糊C均值(FCM)聚类用于灰度图像分割具有简单直观、易于实现的特点,对模糊C-均值聚类(FCM)算法进行改进,并对缺陷图像进行分割,试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值.     

一种基于颜色聚类和种子填充的目标识别算法

针对类人足球机器人目标识别易受光照强度变化影响的问题,改进了常规的扫描线种子填充算法,提出了一种基于颜色聚类分割和种子填充的目标识别算法。该算法采用HSI颜色模型,依据亮度和饱和度信息对图像粗分割,基于阈值将彩色区域和灰色区域分离,同时将灰色区域二值化;基于色调直方图聚类分析对彩色区域的像素进行了归类,通过改进扫描线种子填充算法实现了色块的最简扩充和特征提取,使颜色分割和特征提取同步进行,解决了目标物体的快速、精确识别。实验结果表明,该算法抗干扰能力强,分割精度高,能满足实时性要求,具有一定的实用价值。     

基于小波变换多阈值彩色铁谱图像的分割方法

提出了一种基于小波变换多阈值彩色铁谱图像的分割方法.该方法首先将彩色铁谱图像分割为3个层次图像,然后对各单色图的直方图通过小波变换多阈值进行分割,形成背景色、一般磨粒和异常磨粒3个分割区域,最后再合成彩色图像,实现对背景色、正常磨粒沉积链、异常大磨粒的划分.实验证明该方法可以有效地提高所需图像的质量.     

基于图像处理与卷积神经网络的锂电池极片缺陷检测与分类

针对锂电池生产过程中极片缺陷检测存在精度差、速度慢的问题，提出了一种基于图像处理和卷积神经网络（Convolutional Neural Networks,CNN）的缺陷检测与分类方法。首先，利用双边滤波、灰度变换、阈值分割、形态学处理、Canny检测和最小外接矩形提取等方法，分别实现图像去噪、对比度增强、图像分割、区域填充、边缘检测和缺陷轮廓标定；然后，对极片的裂纹、破损、黑斑和压孔四种缺陷图像进行变换，扩充数据集，搭建卷积神经网络模型；最后，将标定轮廓区域延展图像输入到搭建的模型，确定缺陷类型。结果表明，该方法对锂电池极片缺陷的检测与分类具有较高的准确率，能够实现对锂电池极片缺陷的自动化检测。