基于优化残差网络的复杂纹理表面缺陷检测

产品表面缺陷检测是工业自动化生产的重要环节,准确率是评价自动检测系统可靠性的主要指标。基于复杂纹理表面缺陷检测的特殊性以及对检测方法的实时性、通用性等要求,提出了优化骨干网络并使用迁移学习特征映射构建复杂纹理表面缺陷的检测方法。该方法通过优化残差网络模型并建立仿真数据集的方式进行迁移学习,以解决实际情况中复杂纹理表面产品数据集样本数量少、数据集制作困难、相似问题难以互相兼容等问题。实验结果表明,提出的方法可以准确地检测随机复杂纹理的人造木质板材表面缺陷,平均准确率可达99.6%。现有实验条件下单张人造木质板材的检测时间为305 ms,可以满足在线检测的实时性要求。研究结果可为基于深度学习的复杂纹理表面缺陷检测提供新的思路与理论参考。     

自动光学(视觉)检测技术及其在缺陷检测中的应用综述

以智能制造业表面缺陷在线自动检测为应用背景,系统地综述了自动光学(视觉)检测(以下统称自动光学检测,AOI)技术。内容涉及AOI技术的基本原理、光学成像方法、系统集成关键技术、图像处理与缺陷分类方法等。对AOI系统集成中的关键技术,如视觉照明技术、大视场高速成像技术、分布式高速图像处理技术、精密传输和定位技术和网络化控制技术等进行了概述;对表面缺陷AOI主要光学成像方法的基本光学原理、功能和应用场合进行了总结;对表面缺陷检测中的图像处理、缺陷几何特征定义、特征识别与分类算法进行了系统阐述,重点介绍了周期纹理表面缺陷图像中的纹理背景去除方法,复杂和随机纹理表面缺陷的深度学习检测、识别与分类方法。     

基于双目光栅重建和纹理映射的缺陷三维测量方法

针对工业检测中对表面缺陷的高精度检测和定位需求,提出了一种缺陷特征重建方法。通过在基于双目光栅投影的三维重构系统上附加纹理相机,实现对于重构点云模型的纹理映射,并结合纹理相机图像中提取到的特征区域,完成表面特征的三维重构。针对待测物体需要进行多视角重建的情况,引入精密转台,利用旋转轴标定方法获取不同旋转位置下纹理图像与点云数据的映射关系,并利用基于距离判据的判断方法实现了对遮挡部分点云的剔除。采用四象限临近点搜索和基于距离加权平均的线性插值方法对纹理图像中像素坐标进行三维测量。实验完成了对于图像中标注缺陷轮廓内像素点的重建,实现了对于表面特征的精确尺寸计算和定位,通过对重建的缺陷尺寸和位置进行计算并与影像测量仪测得结果进行对比,可得本文方案对缺陷三维尺寸和位置的测量误差不超过0.2 mm,且能更准确地计算缺陷面积。     

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。     

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。     

磁瓦表面缺陷的机器视觉检测方法

为了提高磁瓦表面缺陷在线检测准确率并降低检测时间,提出一种基于机器视觉的检测方法。离线训练时,对经过Gabor小波处理后的子图进行融合并提取纹理特征,使用改进的Relief算法提取与类别相关性强的特征子集,并去除冗余特征。为降低缺陷磁瓦的漏检率,先进行偏向性分类处理,再采用最小二乘支持向量机进行分类预测。实验表明,整体预测准确率96.89%,缺陷磁瓦分类准确率达到99.09%,且在线预测时间减少了近1/4,只需67.4ms。     

基于统计特征的轮胎纹理缺陷在线检测

根据轮胎X光纹理缺陷区域灰度及灰度分布异常的特点,研究了一种通过分析统计特征进行在线缺陷检测的方法。在轮胎X光纹理灰度分布模型基础上,采用正则化预处理去除背景噪声,然后进行图像分块,分别计算每块的灰度均值和方差,并采用双线性插值运算形成均值图像和方差图像,再通过二值化实现缺陷检测。实验表明,与人工检测方法进行对比,该方法误判率低,检测精度高,并且运算速度快,能满足在线检测要求。     

一种基于规则带特征的图案布匹检测新方法

为了对具有纹理图案的纺织品缺陷进行准确有效的检测,提出了一种新的基于规则带( regular band,RB)特征的纹理图案布匹瑕疵检测方法.首先利用规则带分析提取图像的各子带纹理特征;然后对各子带图像特征求梯度,并通过融合各子带梯度来获得纹理梯度,使其在纹理梯度中能有效地突出纹理区域的边界;最后在此基础上,结合分水岭...     

基于激光散斑成像的零件表面粗糙度建模

表面粗糙度是衡量机械表面加工水平的重要参数. 通过构建一套激光散斑成像采集系统, 获取了不同表面加工类型和不同粗糙度值的零件表面激光散斑图像. 应用Tamura纹理特征理论提取图像的纹理粗糙度、对比度、方向度特征, 并分析了这三个特征与表面粗糙度的关系. 发现了纹理粗糙度特征与表面粗糙度的单调关系, 推导出平磨、外磨、研磨三种表面加工工艺的粗糙度值与图像纹理粗糙度特征的数学函数关系, 实现了表面粗糙度的测量. 同时, 利用Tamura纹理特征与加工工艺的依赖关系, 建立了基于贝叶斯网络的工艺识别推理模型, 推理出了零件表面加工工艺. 通过为多种加工类型表面建立粗糙度测量模型, 为粗糙度测量提供了新思路. 实验证明所提的粗糙度测量模型能以较高的准确率识别出零件表面加工类型并测量出其表面粗糙度值.     

微小缺陷的非线性超声检测及其成像技术

采用通用超声检测设备并结合高通滤波技术获取了非线性超声的高次谐波信号,并将其用于薄板点焊焊核的微小缺陷检测及焊核的超声C扫描成像中。较之传统超声检测方法,采用非线性高次谐波检测薄板点焊焊核缺陷具有更高的时域分辨率及缺陷敏感度,能够更加准确的确定内部缺陷的位置及尺寸。此外,本研究还采用非线性高次谐波对薄板焊核进行超声成像分析,获得了清晰准确的焊核结构图像。非线性超声检测技术具有更高的检测效力,能够显著拓展检测系统的检测能力。      

Affine invariant feature extraction algorithm based on multiscale autoconvolution combining with texture structure analysis

Affine invariant feature extraction has been one of the key issues for object recognition, especially for the images captured under the variable environments. Considering that multiscale autoconvolution feature (MSA), which has the prominent comprehensive performance, is very sensitive to illumination change, a novel algorithm of extracting affine invariant feature is proposed based on the MSA transform combining with texture structure analysis. Firstly, a new MSA feature is extracted from texture structure map of the image which is computed based on local binary pattern theory. And then the original image based MSA and the texture map based MSA are combined to a new feature using generalized canonical correlation analysis, called TFMSA. This new feature represents much more image information than the traditional one and is performed in various object recognition tasks. The experimental results indicate that the new TFMSA not only conquers the defect of the traditional MSA, but also has good adaptability for a certain range of viewing angles, partial occlusion, uniform and non-uniform illumination changes. The recognition accuracy of the new feature is superior to MSA and other improved methods.     

彩色纹理分析中的多特征数据融合方法

在小波分解基础上将纹理特征、颜色特征及纹理与颜色的空间相关特征进行融合，提出了一种新颖的彩色纹理特征提取方法，同时结合20类真实彩色自然纹理，针对塔式小波分解(PWD)，不完全树型小波分解(ICTSWD)和小波包分解(WPD)进行了多特征融合和分类比较，实验结果表明：塔式小波分解基础上的多特征融合，其正确分类率为85．78％；小波包分解基础上的多特征融合，其正确分类率为91．03％，但其特征维数呈指数增长；而不完全树型小波分解有选择地进行通道分解，其维数大大下降，多特征融合后的正确分类率达到90．63%，同时也表现出良好的抗噪能力。     

基于小波多通道特征级融合的彩色纹理图像分析

在不完全树型小波分解基础上将纹理和颜色特征进行融合,提出了适合彩色纹理图像分析的新的特征,它比单纯的灰度纹理特征或颜色特征具有更强的分类能力.同时还利用20类真实彩色自然纹理图像对塔式小波分解、不完全树型小波分解和小波包分解进行了多特征融合的分类比较,实验结果表明:不完全树型小波分解的特征级融合表现出良好的分类性能和抗噪能力.     

Wood species identification using feature-level fusion scheme

In this paper, we propose a robust wood species identification scheme by using a feature-level fusion scheme. First, a novel wood feature acquirement system is devised, which can get the curve of 1D wood spectral reflectance ratio and the 2D wood surface color image. Second, the 4 wood color features, the 4 principal texture features, the 4 secondary texture features and the 4 spectral features are established, respectively. Third, a fuzzy BP neural network is proposed to perform the classification work, which consists of 4 sub-networks based on the color feature, texture feature and spectral feature. We have experimentally proved that this scheme improves the mean recognition accuracy to approximately 90% for 5 wood species. Moreover, our feature-level fusion scheme is superior to the recognition schemes which use color feature and texture feature.     

核电站安全壳缺陷检测系统研究设计

借助于可平稳移动于垂直墙面的负压吸附式爬壁机器人平台,将两台分辨率不同的摄像机固定于机器人前端支架上。通过两组相互独立的无线通信网络,分别实现控制爬壁机器人移动和回传摄像机所拍摄到的安全壳外壁视频信息。无线回传的视频信息在本地上位机监控平台上经过前期处理后进行实时播放显示,同时视频处理软件中的缺陷检测算法模块在后台进行图像缺陷检测,检测到缺陷后,软件平台发送停止信号给机器人,同时视频流切换到高清摄像机进行高清照片拍摄,并将包含缺陷信息的高清照片发送至缺陷测量模块,利用在缺陷测量模块中所开发的测量工具进行安全壳外壁缺陷测量,最终测量所得到的缺陷参数会存入后台数据库进行存储管理,方便后期浏览历史数据,监测安全壳外壁缺陷的动态变化情况。     

一种光谱与纹理特征加权的高分辨率遥感纹理分割算法

高分辨率遥感影像呈现极其丰富的光谱和结构信息,传统的基于光谱的遥感影像分割方法往往使得分割区域过于细碎且分割精度不高.尝试将纹理信息引入到特征空间以期解决该问题.本文算法中,特征空间由光谱和纹理两类构成,并采用加权最小距离分类器.光谱信息通过对原始影像的变带宽均值漂移滤波获得,纹理信息由对原始影像逐波段采用多尺度伽博(Gabor)滤波器组滤波获得;依据训练样区中各特征维的方差确定该地物类别分类时特征维的权重,并通过训练样区的特征加权平均获得各地物类别的聚类中心;最后,将像素点归为到加权聚类中心距离最小的类别.实验结果表明,提出的均值漂移带宽确定方法是有效的,加权融合算法较基于光谱的分割方法在分割精度上有一定程度的提高.     

基于小波变换和灰度共生矩阵的轮胎花纹检索

针对在用离散小波变换中提取纹理特征缺少纹理的空间分布特性问题,提出引入方向测度的灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)与离散小波分解相互融合的算法,在低频子带上借助方向测度引入权值因子的方法提取灰度共生矩阵的六个统计量,用生成的综合特征来描述轮胎花纹的纹理构成,用欧式距离进行相似性度量。实验结果表明,融合算法能够有效提高检索效率,改进方法的检索效率优于用传统的灰度共生矩阵和小波变换提取纹理方法的检索效率。     

基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类

为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外（372.53~1 038.57 nm）范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G（Savitzky-Golay）平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机（ELM）中进行分类。此外,还和基于灰度共生矩阵（GLCM）的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个：一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。     

采用特征融合的紫檀属内相似树种识别方法研究

紫檀属中的木材有很多属于名贵木材,不同树种之间十分相似。传统的木材识别方法多以木材解剖学为主,通过观察木材的切片结构特征对木材的树种进行判断,这类方法虽有较高的识别精度,但是其识别工艺较为复杂而且技术难度也相对较高。与木材解剖学相对应的是利用图像信息或光谱信息的木材树种识别方法,该类方法虽具有较为简单的识别工艺,但是在对同属相似木材树种进行识别时,往往不能够取得较好的识别效果。提出了一种基于木材切面光谱特征和纹理特征相融合的木材树种识别方法,该方法不仅识别工艺简单、自动化程度高,而且具有较高的识别精度。首先通过数码相机和光谱仪采集木材切面的图像信息和光谱信息,然后分别使用纹理特征提取方法和光谱特征提取方法提取两类特征的特征向量,接下来使用基于典型相关分析的特征级融合方法将这两个特征向量进行融合,最后使用支持向量机对融合后的特征向量进行分类识别。为了验证方法的有效性,以市场中常见的5种紫檀属树种的三个切面为研究对象,对这些木材树种进行了识别。实验结果显示,单独使用纹理特征的识别正确率最高为80.00%,单独使用光谱特征的识别正确率最高为94.40%,使用融合的特征最高的识别正确率可达99...