基于压缩传感的焊管焊缝X射线图像处理

将压缩传感的原理应用于石油焊管的X射线焊缝图像的缺陷检测.利用随机采样矩阵将待检测图像转化为数据量远小于原图像的向量,通过样本图像构成字典矩阵,将待检测图像描述为样本图像的线性组合,并根据所求取系数向量来判断待检测图像的类别.该方法无需对图像进行滤波和增强处理,识别效果好、处理方便,且具有较好的鲁棒性.通过对大量实际焊...     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

PCA和贝叶斯分类技术在焊缝缺陷识别中的应用

以埋弧焊管焊缝的X射线检测图像为应用对象,针对图像中噪声点与微小缺陷易混淆的问题,提出将朴素贝叶斯与主成分分析法相结合,应用到焊缝图像的缺陷识别中的思路。首先,通过主成分分析进行特征向量的去冗余和正交化处理;其次,采用核密度估计的方法进行未知分布样本的条件概率密度函数估计。最后,利用贝叶斯原理实现缺陷类型的判别。试验表明,通过与主成分分析法的结合,朴素贝叶斯方法在焊缝缺陷识别的准确率上提高了5.5%,可有效地应用于焊缝检测图像的缺陷识别。     

埋弧焊钢管焊缝DR检测机理及应用

介绍了DR(数字射线)检测技术在埋弧焊管焊缝检测的机理,进行了埋弧焊缝检测灵敏度、空间分辨率、焊接缺陷检出效果试验。结果表明:该项技术能够达到埋弧焊缝射线检测标准的要求,焊接缺陷图像显示清晰、噪声低、灵敏度高,是埋弧焊钢管焊缝缺陷快速、高效、可行的射线检测新技术。     

稀疏分解算法在薄膜缺陷去噪中的应用

目的实现锂电池薄膜表面缺陷特征的有效提取。方法采用稀疏分解算法实现表面去噪,即通过选取合适的原子函数,在过完备字典中对含有点噪声、高斯噪声、椒盐噪声和加乘噪声背景下的缺陷图像进行稀疏分解迭代,通过观察法得到终止迭代值作为经验值,并将该经验值用于特定噪声背景下的稀疏分解终止迭代条件,得到去噪后的缺陷图像。最后将该方法与中值滤波技术进行比较。结果稀疏分解的去噪性能远优于中值滤波,对锂电池薄膜缺陷有很好的还原性。结论稀疏分解算法能够较好地去除锂电池薄膜图像中的噪声,从而识别出锂电池薄膜缺陷。     

基于压缩传感技术的埋弧焊X射线焊缝图像缺陷检测

将压缩传感理论引入X射线焊缝图像缺陷判断,提出将判断X射线焊缝图像是否含有缺陷问题作为一个模式识别问题处理,将待检测图像视为样本图像的线性组合,通过求取系数向量来判断图像是否存在缺陷. 为实现系数向量的稀疏化,提出利用罚函数的方法求解0范数最小问题的近似最优解,提出新的光滑可导的0-1惩罚项函数,使求0范数最优成为可能. 在此基础上分别利用1范数最小和2范数最小求取系数向量,并利用混淆矩阵对所求结果进行分析. 结果表明,综合考虑0,1,2范数最小化所得系数的识别算法灵敏度可达99%,特异度可达98%.     

基于稀疏优化的织物缺陷检测方法

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。     

基于图像配准的铸件内部缺陷检测技术

针对已有铸件内部缺陷检测方法误差大的问题,提出了一种结合刚-弹性图像配准技术的铸件内部缺陷检测方法。首先使用刚性配准结合Demons弹性配准的方法实现待检铸件图像和模板图像空间位置上的配准,其次通过数字减影技术得到待检图像和模板图像的减影图像,然后对减影图像使用阈值分割的方法去除配准误差造成的虚假缺陷,最后确定缺陷在待检缺陷图像中的位置并进行标注。试验结果表明,该方法可以精确实现图像配准并准确检测出待检图像的缺陷。     

基于CCD图像分析的空轨轨道梁表面缺陷检测

针对空轨轨道梁的表面缺陷,采用图像分析的方法进行检测。对于电荷耦合器件(CCD)摄像机采集到的钢板表面图像信息,先通过基于均值和方差的粗检方法,获取正常样本,即利用一定大小的滑动窗口计算表面图像的均值和方差,分析确定阈值后将样本分成疑似缺陷样本和正常样本。接着在粗检的基础上,采用基于积分图的Bayes细检方法提高准确度,即用压缩感知算法得到缺陷的特征样本,进一步将粗检过程中错分到缺陷样本中的正常样本剔除。试验结果表明,该方法对钢板表面缺陷的检出率达到98%以上,准确率达到95%以上。     

基于压缩感知的Lamb波信号成分分离

损伤检测中常用的超声导波为Lamb波,其传播距离长,灵敏度高,但多模态及频散效应降低了其在时间和空间上的分辨率。提出了一种基于压缩感知的Lamb波成像处理方法,该方法需要构造精确的字典来匹配损伤反射Lamb波信号。利用MATLAB软件模拟得到不同行进距离的单模态信号,通过该信号来建立单模态字典;采用压缩感知得到系数矩阵,选择出单模态字典中最匹配损伤反射信号的原子,并用其表征原始信号以完成模态分离。建立了非频散字典,最终得到单模态、非频散的信号。     

图像降维下的埋弧焊缺陷自动识别算法及框架

针对埋弧焊管焊缝的缺陷,应用X射线成像并检测,设计了自动化的缺陷识别框架与算法。首先对焊缝图像进行预处理,在中值滤波去除噪声后,选取sin函数变换为图像增强的工具,使得对象对比度得到了很大提升。然后采用OSTU算法进行ROI(Region of Interest)区域的提取,获得焊缝区域并且定位缺陷部位,如此实现焊缝缺陷自动化的获取。对建立的数据库里应用PCA进行像素矩阵降维,不仅去除噪声,减小数据量,同时还提取出像素矩阵的参数特征。对提取的焊缝缺陷进行识别,选取三种模式识别的方法进行比对,试验结果显示SVM的效果最好,两种缺陷正确识别率都达到了90%,而神经网络的方法则在80%左右。     

基于RBF网络的焊缝缺陷图像的识别与诊断技术研究

本文主要研究了采用中值滤波、LOG算子的边缘检测以及DSA减影等数字图像处理技术对现有的焊缝缺陷图像进行处理,获得带有各种焊缝缺陷特征的大量图像样本,并用RBF神经网络对样本进行训练,最终获得具有较高识别精度的RBF网络。利用该网络可以大大提高对焊缝缺陷的判断效率,具有一定实用意义。     

基于灰度的螺旋缝焊管X光焊缝识别

焊缝识别是螺旋缝焊管X光缺陷识别的基础。以MATLAB软件图像处理工具箱IPT为基础,根据螺旋缝焊管X光图像的特征,通过中值滤波、屏蔽等预处理,利用图像梯度及概率求取焊缝中心线,并进一步精化,从而实现焊缝分割。通过实例给出识别算法,并分析该X光焊缝识别方法的适用性。     

电动汽车充电站钢结构停车棚焊接节点裂纹识别

钢结构停车棚焊接区域图像噪声影响到了裂纹识别精度,所以提出了电动汽车充电站钢结构停车棚焊接节点裂纹识别方法。通过磁光成像法获得钢结构焊接区域图像,对采集到的焊区分段图像进行灰度处理。经过灰度处理后,使用双边滤波器去除焊接区域图像所有噪声,结合局部阈值的多目标分割与卷积神经网络,得到裂纹判断阈值,利用该值识别焊接节点裂纹。试验结果表明,该方法在缺陷类别识别和检测效果上均优于其他方法,能够识别出各种钢结构焊接细小裂纹,应用价值较高。     

基于图像深度信息集的Hough圆检测方法

针对利用视觉引导的工业机器人进行轴孔装配,提出了一种基于图像深度信息集的工件圆孔检测方法,对三轴磁流体密封装置上的轴承孔进行了边缘特征提取和检测实验。首先利用3D相机采集对齐的三轴磁流体密封装置的彩色和深度数据流样本,根据待检测轴承孔所在平面的深度信息提取出该轴承孔在深度图像中的所有像素坐标。然后对彩色图像矩阵进行相应的数据处理,再经霍夫圆变换即可检测出该轴承孔的相关参数信息。实验结果表明,基于图像深度信息集的霍夫圆检测克服了传统霍夫变换无法单独识别特定的圆以及复杂背景下的错检和漏检等缺点,对复杂情况下的工件圆孔识别和检测具有一定的指导意义。     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

基于有监督过渡区的焊缝X射线图像分割

针对X射线焊缝检测图像中存在大量背景冗余信息,焊缝和缺陷难于准确检测提取的问题,提出一种基于先验知识的有监督过渡区域提取及阈值分割方法.根据焊接图像本身的特点,通过先验知识对样本图像进行训练,确定某个区间来估算图像过渡区域的灰度范围,按照模糊子集理论,给出一种新的加权算子来描述局部窗口内灰度级的变化,从而能充分考虑到局部窗口内灰度级变化的频率和幅度,通过计算过渡区域像素的灰度均值,将其作为阈值对图像进行分割.结果表明,该方法能准确地将目标缺陷从焊缝X射线图像中分割出来,具有良好的适应性.     

钛合金厚板焊缝超声相控阵信号和图像的特征与识别

使用超声相控阵技术检测了钛合金厚板焊缝中的典型缺陷,分析各种典型缺陷的扫描图像特征,总结相控阵技术对缺陷的定性方法,并与常规超声检测方法进行比较。结果表明,结合A扫描和S扫描,相控阵检测方法能够有效对厚板焊缝缺陷进行识别、定位和定量。检测灵敏度和检测效率较A扫描得到大大提高。     

基于BP神经网络的铸造缺陷图像识别技术研究

研究了采用高斯滤波、模糊增强、阈值分割和特征提取等数字图像处理技术对采集的铸造缺陷图像进行处理,获得带有各种铸造缺陷特征的图像样本,并用BP神经网络对样本进行训练,最终获得具有较高识别精度的BP网络。实验结果表明,利用该BP网络可以实现对铸造缺陷图像类型的快速、准确判断。     

基于离焦图像的晶圆表面缺陷检测

缺陷检测在晶圆生产中起着关键作用,在利用机器视觉检测晶圆缺陷时,无论晶圆有无缺陷均进行自动对焦,从而导致检测效率降低,针对该问题,提出了一种基于离焦图像的晶圆表面缺陷检测方法。可在对焦前下对晶圆进行评估,检测缺陷后进行对焦,首先在频域中对晶圆图像进行自适应背景估计和去除,得到光照均匀、特征突出的检测图像;然后使用区域合并的优化分水岭算法进行图像分割;最后对分割后缺陷区域进行缺陷识别。实验结果表明,该方法可以准确鉴别晶圆图像是否存在缺陷,对于存在缺陷的样本,缺陷检测准确率可达95.3%,提高了检测效率。