一种平板玻璃缺陷在线检测系统的研究

根据光干涉的原理和视觉检测方法,研究开发了基于机器视觉的玻璃缺陷检测系统。针对实际的目标图像,通过对其进行图像获取、图像预处理、图像分割、特征提取和区域参数计算研究,从而获得玻璃表面锡点、气泡、玻筋等缺陷图像的识别信息。实验表明,该算法简单,速度快,系统抗干扰能力强。系统处理周期最大不超过400 m s,能检测出最小0.3 mm的缺陷。     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

细管道内表面光电检测方法研究

管道是气体和液体传输的重要手段,管道内表面的检测对于工业和国防中管道泄漏事故的预防,减少环境污染和经济损失非常重要。随着电子和半导体技术的发展,光电器件逐步趋于小型化。介绍了基于激光阵列、PSD光电检测、光环截面以及结构光检测等光电检测方法的测量原理和系统构成,并在此基础上对不同光电检测方法的优缺点进行了分析和比较。分析结果表明：光电检测技术适用于管道内表面检测;并朝着快速识别缺陷、管道内表面瑕疵的精确三维测量以及三维图像直观显示管壁缺陷的方向发展。     

牛奶体细胞数检测的研究进展

快速准确的牛奶体细胞数检测对于保证牛奶品质和监测奶牛健康具有重要意义。从牛奶体细胞数的基本概念、牛奶体细胞对牛奶的影响、国内外研究进程、牛奶体细胞数检测方法、相关检测仪器的发展等方面对牛奶体细胞数检测的研究进展进行了综述,分析了各种检测方法和检测仪器的优缺点,指出了作为热点方法之一的基于计算机视觉的牛奶体细胞数检测关键是体细胞图像分割与识别的准确性、识别速度以及相应自动化仪器的研制。     

基于分布式激光超声的带筋构件R区缺陷检测方法

针对带筋构件R区多类型缺陷的快速检测和精确识别等难题，提出基于分布式激光超声的带筋构件R区缺陷检测和分类识别方法。通过建立有限元模型研究了激光超声在带筋构件中的传播规律及其与R区表面裂纹、近表面气孔等缺陷的相互作用机理，进而设计制作了含典型人工缺陷的6061铝合金带筋构件试样，开展激光超声检测实验。实验获得的缺陷时域信号与B-scan特征图像及仿真结果一致，基于反射与衍射原理实现了对带筋构件R区缺陷定位与定量检测，从而验证了所提分布式激光超声检测方法的可行性，为带筋构件制造缺陷的快速检测和分类识别提供了新思路。     

Curvelet结合图像方向离散度的DSPI无损检测缺陷边缘提取

边缘提取是DSPI无损检测缺陷自动识别的基础。根据人类视觉识别的特点,提出以Curvelet多尺度几何分析为基础进行缺陷图像的边缘提取,为了对DSPI检测过程中因光照不足等原因产生的伪缺陷进行分辨,基于矢量积定义了图像的方向离散度,并与Curvelet多尺度分析方法相结合,在橡胶复合材料DSPI无损检测中进行应用。     

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。     

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。     

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。     

基于计算机视觉的管壳表面划痕检测技术研究

针对火工品管壳表面划痕人工检测工作量大、较为繁琐且人为误差较大的状况，将计算机视觉技术用于微小管壳表面划痕的检测分析中，在数字图像处理技术的基础上，应用二值图像轮廓提取的方法得到划痕的特征参数，根据形态学知识对零件表面划痕的形态特征进行比较分析。实验结果表明，通过将划痕显微图像中面积、短长径比等参数提取出来作为检测的依据，不但可以有效地克服现有的人工视觉检测方法的缺陷，而且稳定性和准确度也得到了提高。     

带钢表面质量在线检测系统研究与设计

为了提高现有带钢表面质量检测技术在缺陷检测精度与识别率上存在的问题,设计了基于机器视觉技术的带钢表面质量自动检测系统,从系统整体构成、视觉传感系统、软件开发及检测与分类算法等方面进行了深入地研究,实现了包括图像的采集、传输、缺陷的实时检测和定位,缺陷的分类以及缺陷的存储与报警等功能。实验结果表明,本系统可以对带钢表面常见的边裂、氧化、结疤等几十种不同类型的缺陷进行精确地检测。与现有的缺陷检测技术相比,本系统中设计的算法在检测精度和实时吞吐量上都具有很大优势。     

基于计算机视觉的微球缺陷检测及分类方法

惯性约束聚变试验中,对大批量的聚变靶球的表面质量进行检测和分类是一项重要的工作。传统的人工检测分类方法效率低,精度差,难以满足实际需要。提出了一种基于计算机视觉的缺陷检测及分类方法。该方法在获取待测微球的显微图像之后,通过设置兴趣区域提取圆内部的像素点,并以此绘制灰度直方图。然后计算其累积分布函数,经归一化处理之后对分布函数进行分段线性拟合。最终根据拟合后的分布函数,提出均匀性和透光性两个参数用于定量表示微球的表面质量,很好地实现了光滑、粗糙和畸形三种类型的微球的分类。实验结果表明,该检测分类方法的准确率均在90%以上,处理1280960分辨率的包含20个微球的图像平均只需300 ms,准确高效,可扩展性强。     

大口径精密表面疵病的数字化检测系统

 根据散射光成像原理,采用大小两个视场来获取不同精度的暗背景下的亮疵病图像,设计了完整的数字化表面疵病检测系统。该系统采用多区域自适应阈值分割算法对图像进行分割,然后采用基于等价归并标记方法快速提取疵病的特征参数,最后利用BP神经网络对疵病进行分类。实验结果表明该方法既满足实时性需求,又取得了较好的分类检测效果。     

基于深度学习的光学元件表面疵病识别北大核心CSCD

精密光学元件表面疵病的人工检测分类方法效率低,且准确率易受疲劳等人工因素影响,而基于传统机器学习方法的分类准确率有待进一步提高。提出了一种基于深度学习卷积神经网络的光学大尺寸元件表面疵病识别方法。首先,通过现场实验采集并整理了大尺寸镜面疵病样本;接着,基于单通道灰度图像构建融合梯度的三通道图像,挖掘更深入的特征表达;最后,基于经典的LeNet网络,提出了面向激光惯性约束聚变(ICF)的光学元件表面疵病识别网络ICFNet,该网络不需要复杂的手工特征设计和提取,仅使用原始灰度图像就实现高效的疵病识别。实验结果表明:针对包含麻点、划痕和灰尘的三类疵病数据,ICFNet相较于使用多项特征和支持向量机的传统方法拥有较好的分类准确率。     

声纹信号-图形差分场增强和多头自注意力机制的变压器工作状态辨识方法

为提升电力变压器工作状态的智能监测水平,提出声纹信号-图形差分场增强和多头自注意力机制的变压器工作状态辨识方法。基于图形差分场技术将声纹信号映射为二维图像,再借助多头注意力机制的视觉转换器实现图像信息的深层挖掘与状态辨识,采用梯度加权类激活映射实现分类结果的可解释性分析。搭建了包含变压器4种典型工作状态下的实验模拟测试系统平台,实验结果表明：所提方法不仅能够有效表征变压器声纹信号的状态特征,且分类辨识精度相较于“时频图+引入多头注意力机制的变换网络”与“图形差分场+引入残差模块的卷积神经网络”的常规方法有显著提升,提升约6%,同时也具备较好的鲁棒性,可为电气设备的故障检测研究提供一定参考。     

圆结构光视觉三维点管道缺陷检测及重构

管道内表面的缺陷检测对于保证介质运输安全,避免泄漏和爆炸事故非常重要。在分析三维点分布几何特征的基础上,对基于视觉检测获得的管道内表面三维点,通过判断同一圆周上相邻点法线夹角变化检测管道内表面的凹凸缺陷,采用空间点相邻三角平面法线加权平均获取空间点的法线。依据三维点呈圆周分布的特点,采用相邻圆周上点顺次连接进行快速三角剖分。基于上述方法对实际测量的管道内表面三维点和仿真三维点分别进行了凹凸缺陷检测和三维重构。该方法能实现径向变化小于0.1 mm的管道凹凸缺陷的检测和识别,三维测量精度为0.081 mm。     

基于听觉谱特征的变压器绕组状态检测研究

绕组松动是变压器常见故障之一,对变压器的安全运行产生巨大威胁.故对其进行精准的监测,对提高电力系统的安全稳定性具有十分重要的意义.基于声信号的变压器绕组松动检测,由于其具有无损检测和不需停运变压器等优点,成为近年来研究的热点.但声信号检测存在故障特征提前复杂和易受噪声干扰等缺陷,限制了其工程应用.该文提出了一种基于声信...