基于电磁超声换能器的火车轮探伤研究

利用电磁超声探伤方法对检测火车轮表面及近表面缺陷进行实验探究,从而保证车轮质量,避免事故发生。文章介绍了火车车轮电磁超声探伤的原理和方法。根据电磁超声表面波辐射扩散角的分布情况,得出利用电磁超声表面波进行车轮踏面探伤的可行性。将制作的小巧换能器探头与便携式电磁超声探伤仪配合,能够实现对车轮的快速探伤检测。通过大量的车轮探伤实验,检出了典型车轮踏面缺陷。根据检测波形特点并结合生产工艺情况,分析得出产生缺陷的原因。研究表明:电磁超声无损检测方法能够快速、有效检出车轮踏面缺陷。     

轨道车辆轮对踏面面型检测方法研究

轮对是列车的重要部件,轮对踏面的关键尺寸参数是否超限关乎车辆行驶安全,因此必须定期对列车轮对踏面磨损状况进行检测.提出一种测量轮对踏面面型的方法,包括测量系统设计以及改进的灰度中心算法处理.在此基础上,建立模拟轮对踏面检测实验系统,对轮对踏面面型测量的精度进行了实验研究,在踏面分别贴上厚度分别为1～10 mm的块规,测...     

刹车片表面缺陷的图像检测方法

针对汽车刹车片表面纹理情况不一、种类繁多的问题，提出一种基于机器视觉的刹车片表面缺陷图像检测方法，该方法结合了灰度共生矩阵与密度聚类。首先提取刹车片的摩擦面，然后确定灰度共生矩阵的构造因子的选取，利用线性相关性选择特征参数。将每个摩擦面切分成若干小窗口，计算各个小窗口的特征值构造特征数据集，通过自适应密度聚类算法进行聚类分析，从而进一步判断是否存在缺陷区域。通过对58块不同型号的刹车片样本进行检测结果统计分析，实验表明，该方法误检率为8%，漏检率为6%，具有较高的检测精度，因此，该方法能够较好地检测刹车片样本是否存在缺陷，具有广泛的适用性。     

基于过焦扫描光学显微镜的光学元件亚表面缺陷检测方法

微/纳米尺度亚表面缺陷会降低光学元件等透明样品的物理特性,严重影响光学及半导体领域加工制造技术的发展。为了快速、无损检测透明样品亚表面缺陷,本文针对光学元件亚表面内微米量级缺陷的检测需求,提出了一种基于过焦扫描光学显微镜（TSOM）的检测方法。利用可见光光源显微镜和精密位移台,沿光轴对亚表面缺陷进行扫描,得到亚表面缺陷的一系列光学图像。将采集到的图像按照空间位置进行堆叠,生成TSOM图像。通过获得所测特征的最大灰度值来获得亚表面缺陷的定位信息。提出方法对2000μm深亚表面缺陷的定位相对标准差达到0.12%。该研究为透明样品亚表面缺陷检测及其深度定位提供了一种新方法。     

基于多尺度数学形态学的连铸坯缺陷边缘检测方法

连铸坯的缺陷会对轧制工艺产生影响,通过对连铸坯表面图像特征进行分析,提出了一种基于多尺度数学形态学的连铸坯表面缺陷检测方法。该缺陷检测方法能够有效去除噪声,并对水痕、氧化铁皮、渣痕等伪特征具有较好的抑制作用。实验结果表明,与Sobel方法、Prewitt方法、Canny方法、Laplacian方法等边缘检测方法相比较,该方法对缺陷边缘提取完整、平滑、定位准确,识别准确率达96.37%。     

基于纹理特征的挠性印制电路板焊盘缺陷检测

纹理特征反应了物体表面微观几何形貌与颜色的波动程度。针对挠性印制电路(FPC)焊盘纹理特征的提取与检测,本文提出基于灰度与纹理梯度二维分布特征的方法建立描述纹理特征的熵统计量,该统计量能够灵敏地反映、量化焊盘金面正常或异常情况下的不同表面视觉特征,当用于缺陷检测时,可准确地识别出焊盘缺陷,检测准确率高达96.7%,50个焊盘的平均检测时间为300ms,满足在线检测的要求。     

蜂窝缺陷的红外无损检测及有限元模拟

蜂窝结构在使用过程中,常见的缺陷有脱粘和积水。红外无损检测技术通过对试件主动加热,利用热像仪采集试件表面的红外辐射变化,从而检测出物体的缺陷信息。实验结果表明,蜂窝积水位置的温度要低于参考区域的温度。基于这一现象,利用Ansys有限元软件模拟了蜂窝结构的脉冲红外热成像检测过程,并与实际脉冲红外热成像用于表面下识别检测实验结果进行对比,验证了模拟结果的正确性。对蜂窝结构的积水、脱粘和积油缺陷模拟并进行对比识别,为实际实验提供理论基础。     

基于图像边缘信息和Fisher准则的钢板表面缺陷分割研究

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点,提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘,并对边缘检测所得的梯度图进行灰度拉伸,提高梯度图的对比度;然后利用Fisher准则寻找最佳阈值,分割出缺陷;最后运用数学形态学滤除噪声,实现了缺陷的自动分割和定位。实验证明,该方法不仅能够识别出弱小的缺陷,而且实现了在线实时检测。     

采用五棱镜扫描法检测大口径平面镜的面形

为了提高大口径平面镜面形检测的精度和效率,提出了一种新的五棱镜扫描法。该方法采用径向扫描的方式,使用一个扫描的五棱镜和一台自准直仪来测量表面倾斜角的差值,然后将被测平面镜的面形表示为Zernike多项式的线性组合,再利用表面倾斜角的差值建立方程组,最后采用最小二乘法计算得到被测平面镜的面形。在检测过程中,该方法还可以对五棱镜在扫描过程中的倾斜变化量进行自动监视和调整,减小了检测误差。误差分析表明,该方法的面形检测精度为7. 6 nm rms(均方根误差)。采用该方法对一块1. 5 m口径的平面镜进行了面形检测,并与Ritchey-Common法的检测结果进行了对比,两种方法面形结果的差异为7. 1 nm rms,小于五棱镜扫描法的面形检测精度。证明了利用该五棱镜扫描法检测大口径平面镜面形的正确性。     

玻璃质量在线视觉检测系统光源的设计

为了实现生产线上玻璃质量的自动检测,采用机器视觉的方法对生产线上的玻璃进行缺陷检测。采集图像过程中光照方式对图像质量影响很大,为了避免由光照效果不佳对玻璃质量判断造成的干扰,保证视觉检测系统可识别不同种类的裂痕,研究了机器视觉系统中光源系统相对于生产线上玻璃的位置和光强度,解决上述问题造成的影响。分析光源系统对拍摄玻璃图像中缺陷部分和质量合格部分的相关影响,提出了一种可以检测出不同种类裂痕的光源照射方式,使其能够拍摄满足条件的高质量玻璃图像。通过样本批量测试实验证明:该光源照射方式对玻璃质量在线检测的识别准确率均为90%以上,所采集图像质量满足要求,能够准确检测出不合格产品的缺陷位置、面积大小及缺陷深度。     

轮对轮缘磨耗的光电图像检测方法

提出用光电图像方法非接触检测车辆轮对的轮缘磨耗。用高精度激光位移传感器实现轮缘内侧面的定位,用激光线光源和高分辨率CCD探测器获取轮缘轮廓,通过与光源波长相匹配的窄带滤波片减少背景光干扰,再结合数字图像处理技术获得轮缘厚度、轮缘高度、垂直磨耗等轮缘磨耗参数。现场使用表明,该方法重复性较好,测量精度和稳定性可满足车辆段修现场的自动检测要求。     

基于相机阵列的光学组件缺陷在线检测方法

利用调焦方式可以实现焦距的连续变化从而对不同物距下的光学组件进行在线检测,但是调焦过程操作复杂且对调焦位移精度要求较高,景深内光学元件缺陷无法区分,难以实现真正意义上的在线检测。因此,本文提出了基于相机阵列的光学组件缺陷在线检测方法。首先建立了相机阵列的成像模型并给出了数字重聚焦表达式以及空间分辨率的表达式。接着利用MATLAB模拟相机阵列成像过程和数字重聚焦过程。最后进行实验验证,通过二维位移台带动相机对不同物距下的多个光学元件表面缺陷进行成像获得阵列相机图像,通过数字重聚焦算法得到不同物距下的光学元件表面缺陷分布信息。实验结果表明,基于相机阵列的光学组件缺陷在线检测技术能够同时对位于景深范围内的光学组件进行在线检测。该方法在光学元件缺陷在线检测方面有着一定的应用价值。     

一种空域和频域相结合的运动图像亚像素配准技术

针对视频图像运动检测问题,提出了一种结合空域灰度投影和频域相位相关的亚像素图像配准方法。首先,采用灰度投影算法在空域对运动图像进行粗配准,即在图像行和列方向上计算图像灰度投影特征数据,根据灰度相关函数最小化准则,估计像素级运动量;然后,在经过粗配准的两幅图像中心选取尺寸相同的区域,进行快速傅里叶变换,在频域采用扩展的相位相关算法对图像进行精确配准。该方法利用图像的功率谱信息,减少对图像内容的依赖,运用基于最小二乘的曲面拟合法,实现亚像素图像配准参数估计,具有从粗到精的特点,有效提高了图像检测精度。文中最后对样本图像进行了图像配准对比实验,结果表明,该方法可以检测0.01 pixel的运动量,最大配准误差为0.004 8 pixel。     

激光诱导击穿光谱技术对火车车轮钢中成分的原位统计分布分析表征

随着铁路规模的迅速扩大,对列车运行的可靠性及耐久性的要求也越来越高,车轮作为铁路机车车辆行走系统的核心部件,它与轨道之间的摩擦既要保证安全又要提升速度,车轮材料的性能直接影响车轮对磨损和滚动接触疲劳损伤的敏感性,其服役性能也受到高度关注。研究表明,车轮钢材料的成分及分布状态可对其组织性能产生显著影响,因此,运用激光诱导击穿光谱分析技术结合原位统计分布分析方法,通过其可多元素同步快速分析的高效性、较好的空间分辨能力、较大区域内的扫描分析能力等技术优势,结合统计分布分析方法,实现对车轮钢材料成分及其分布状态的快速表征。选取垂直于车轮轮辋外侧面作为分析面,对其进行低倍检测观察到在远离踏面的区域存在明显的粗大树枝晶结构,其组织结构存在不均匀性,并以此作为特征分析区域进行取样,采用320目的氧化铝砂纸进行表面处理,利用LIBSOPA系统进行成分分布分析。首先,在不同剥蚀条件下对各元素特征谱线的光谱信号强度及其稳定性进行比对分析,优化选定了20个预剥蚀10个剥蚀作为实验条件;其次,采用内标法建立了火车车轮钢中Si,Mn,P,S,Cr,Ni,Mo,Cu和V等九个元素的定量分析方法并对车轮钢样品中的元素含量进行测定,其定量结果与直读光谱分析的结果具有较好的一致性;最后对样品进行了区域扫描并运用统计偏析度对各元素的成分分布状态进行了统计表征,成分分布分区统计结果显示所有元素靠近踏面区域的统计偏析度均小于远离踏面区的统计偏析度,结合成分二维分布图可知,测试样品远离踏面区域的成分分布不均匀,其结果与低倍检验方法观察到的结果对应性较好。运用LIBSOPA 技术实现了对火车车轮钢材料中多元素的成分分布表征,为快速判定车轮钢材料成分及分布状态提供了全新的思路和表征手段。     

基于相位相关的亚像素配准技术及其在电子稳像中的应用

介绍一种基于相位相关的图像配准方法,并将该方法应用于序列图像的运动检测,通过运动补偿,实现了序列图像的稳定输出。采用相位相关配准方法对序列图像进行亚像素精度配准,运用基于最小二乘的曲面拟合法,估计当前图像相对参考图像的亚像素级的平移量。在补偿图像运动时,为保证亚像素级的补偿精度,采用平滑算法,避免在图像补偿时出现马赛克现象。最后,对样本图像进行了亚像素级位移配准和图像补偿对比实验。实验结果表明,提出的方法可以检测到0．01pixel的运动量,最大配准误差为0．008pixel;采用亚像素级运动量补偿图像,最大误差〈0．5。     

基于深度学习的铸件X射线图像分割研究

针对当前图像分割算法在实现工业铸件内部缺陷分割上精度低且算法不够轻量化的问题,提出一种基于改进DeepLabv3+的工业铸件内部缺陷检测算法Effi-DeepLab。该方法采用EfficientNet中的MBConv来代替原有的Xception模块进行特征提取,使特征提取网络更加高效与轻量化;针对工业铸件内部缺陷尺寸小的问题,重新设计空洞空间金字塔池化（ASPP）层中空洞卷积的扩张率,使得卷积块对小目标具有更高的鲁棒性;在解码端充分利用特征提取阶段的低阶语义信息进行多尺度特征融合,以提高小目标缺陷分割的精度。实验结果表明,在本文使用的汽车轮毂内部缺陷图像数据集中,Effi-DeepLab模型对缺陷的分割准确率和平均交并比（mIoU）分别为93.58%和89.39%,相比DeepLabv3+分别提升了2.65%和2.24%,具有更好的分割效果;此外,还通过实验验证了本文提出算法具有良好的泛化性。     

一种眼镜镜片缺陷自动化检测系统的研究

根据光散射原理和视觉检测的方法,研究开发了一种基于机器视觉的眼镜镜片缺陷自动化检测系统,对眼镜镜片进行图像获取、简单的图像处理与分级、分拣,实现对镜片的分类。系统采用并行机构运行,利用低角度前向照明方式获得了镜片表面和内部的斑、杂质、羽毛等缺陷图像;利用归一算法进行图像处理与分级,得到不同缺陷的识别信息。实验结果表明,系统能够检测出镜片中含有的所有缺陷,每个镜片的平均检测时间控制在2 s以内,检测精度为0.038 mm。     

基于深度神经网络的太阳能电池组件缺陷检测算法研究

针对太阳能电池组件中电池片出现隐裂导致整片电池破碎,最终影响整个组件发电量的问题，在对电池组件光致发光（PL）图像待检测区域筛选定位的基础上，提出了一种利用卷积神经网络（CNN）进行电池组件隐裂缺陷检测的方法。首先利用PL成像方法获取电池组件图像，然后对图像进行预处理，基于聚类的方法对待检测目标区域进行筛选定位，最后利用3种不同结构的卷积神经网络模型对电池片进行缺陷检测，并进行准确率对比，使最优识别准确率达到99.25%。实验结果验证了该方法能准确地检测出太阳能电池组件的隐裂缺陷。     

基于频域纹理消除的结构性纹理缺陷检测方法

针对金属加工表面等结构纹理表面图像缺陷检测问题，结构纹理的存在会对缺陷（比如划痕）检测带来干扰，该文开展在频率域中消除背景纹理的方法来进行缺陷检测的研究。首先基于傅里叶变换的图像复原技术，空间域图像中的结构性纹理对应傅里叶域中高能频率分量，使用最小二乘法直线拟合操作去除，并将这些能量设置为零，经傅里叶逆变换为空间域图像。在复原的图像中，原始图像中的结构纹理区域将变为近似的均匀灰度级，但其中缺陷部分将被保留下来。再使用统计过程控制来设置阈值的方法就能从复原图像中分离出缺陷。最后在一系列的结构性纹理图像上的实验证实了所提方法可行且有效。