基于轻量化卷积神经网络的光伏电池片缺陷检测方法研究

光伏电池片中的缺陷会影响整个光伏系统使用寿命及发电效率。针对现有电池片自动检测中尺寸弱小缺陷漏检率高的问题,建立了一种特征增强型轻量化卷积神经网络模型。针对性地设计了特征增强提取模块,提高了弱边界的提取能力,同时根据多尺度识别原理,增加了小目标预测层,实现了多尺度特征预测。在实验测试中,该模型平均精度均值(mAP)达到87.55%,比传统模型提高了6.78个百分点,同时检测速度达到40帧/s,满足精准性与实时性的检测要求。     

曲面光学元件表面微缺陷透射式偏振检测

国内外近些年来,对于光学元件表面缺陷的检测技术越来越重视。由于光学元件表面质量的好坏会直接影响到光学系统的性能。文章主要针对曲面光学元件中球面和柱面光学元件表面微缺陷的检测问题,提出了一种基于光偏振特性的检测方法。利用光学元件表面缺陷与无缺陷区域之间透射光偏振态的差异,提高整幅图像中缺陷的对比度。首先基于光的偏振理论,利用偏振片获得偏振照明光,并采用共焦照明的方式获得同时对焦的曲面光学元件缺陷图像。其后,利用计算机对缺陷图像进行处理。结果表明采用光的偏振特性对曲面光学元件表面微缺陷的检测,能够获得高对比度、高分辨率的缺陷特征。此方法很好的提高了曲面光学元件表面微缺陷的检测准确度和检测效率,结果表明缺陷的检测准确率达到了95%。     

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。     

深度学习在超声检测缺陷识别中的应用与发展*

深度学习（Deep Learning）是目前最强大的机器学习算法之一,其中卷积神经网络（Convolutional Neural Network, CNN）模型具有自动学习特征的能力,在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史,然后综述了深度学习在超声检测缺陷识别中的应用与发展,从早期浅层神经网络到现在深度学习的应用现状,并借鉴医学影像识别和射线图像识别领域的方法,分析了卷积神经网络对超声图像缺陷识别的适用性。最后,探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题,及其主要应对策略的研究方向。     

球粉板表面缺陷在线检测

为快速准确检测球粉板表面缺陷,对球粉板表面光学特性不一致性和缺陷类型的多样性等关键问题进行了分析,以利于有效地解决关键问题;论文提出采用基于模板图片创建矫正模板来解决被测板材表面光学特性变动的均化问题、自适应萃取二值化阈值解决二值化阈值整定问题,以提高软件的执行鲁棒性;通过自定义算法实现了细线型缺陷修补,有效地提高了划痕类缺陷检测的精度和可靠性;提出了筛查模型实现了符合缺陷检测精度要求的噪点筛除;通过大量现场实验验证了本系统能够正确高效实现球粉板表面缺陷检测定位标识和面积测量功能,以及达到了目标检测精度;本系统能很好地胜任球粉板在线表面缺陷检测;实验证明检测系统非常高效精准,极大地提高了生产线自动化能力。     

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。     

激光激发瑞利波检测表面倾斜缺陷的研究

研究激光激发瑞利波检测样品的表面倾斜缺陷。基于频域热弹耦合方程,采用有限元方法建立激光激发瑞利波检测倾斜缺陷的数值模型,研究倾斜缺陷的检测机理。数值计算含不同的长度及倾斜角度缺陷的样品中瞬态位移波形,分析瑞利波在倾斜缺陷处模式转换的过程,研究各种瑞利波的传播路径。在此基础上,研究缺陷宽度与材料黏性对瑞利波传播及缺陷检测的影响。结果表明:瑞利波在缺陷处产生的反射及透射瑞利波的到达观测点的时间可以检测缺陷位置和长度,瑞利波在缺陷的底部发生模式转换产生的切变波可以检测缺陷倾斜角度。数值结果和已有的实验结果一致,从而为表面倾斜缺陷的检测提供有效的理论依据。     

光纤微缺陷的激光检测方法

针对光纤微缺陷检测问题,提出了一种基于激光的光纤微缺陷检测方法,分析了光纤微缺陷的基本结构以及激光检测法的原理,并以此搭建了实验装置,进行了缺陷检测实验.实验中用准直氦氖激光束横向入射光纤,在光屏上得到光纤前向散射图样的分布图像,然后对图像进行处理.通过与显微镜观察法的实验结果比较,发现激光检测方法可有效地进行缺陷检测,其检测结果与显微镜直接观察法一致,可以作为光纤拉制后、涂覆层前的缺陷复测.     

极紫外光刻掩模相位型缺陷检测方法

提出了一种基于空间像的极紫外光刻掩模相位型缺陷检测方法,用于检测多层膜相位型缺陷的类型、位置和表面形貌。缺陷的类型、位置和表面形貌均会影响含缺陷掩模的空间像的分布。因此,采用深度学习模型构建含缺陷掩模的空间像与待测缺陷信息之间的映射,利用训练后的模型可从含缺陷掩模的空间像中获取待测缺陷信息。采用卷积神经网络（CNN）模型构建含缺陷空白掩模的空间像和缺陷类型与位置之间的关系,建立用于缺陷类型和位置检测的CNN模型。在获取缺陷的类型与位置后,基于测得的缺陷位置对空间像进行截取,利用截取后的空间像的频谱信息和多层感知机模型获取缺陷表面形貌参数。仿真结果表明,所提方法可对多层膜相位型缺陷的类型、位置和表面形貌参数进行准确检测。     

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。     

基于改进SSD的车辆小目标检测方法

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络。该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果。针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位。在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性。     

基于CiteSpace的内表面缺陷检测研究进展与趋势

为分析内表面缺陷检测的发展历程、趋势和研究动态,通过对WoS和CNKI数据库中该领域相关文献的检索,共搜集相关文献英文4 708篇,中文818篇,利用可视化分析软件CiteSpace对文献数据开展共现分析、聚类分析等知识图谱研究,分析内表面缺陷检测领域在国家、机构及研究人员层面的分布现状及合作情况,梳理研究热点和前沿趋势。研究发现内表面缺陷检测研究具有明显的多学科交叉属性,主要涉及分析化学、材料科学、光谱学、仪器仪表、机械工程和计算机等学科。近几年WoS数据库相关主题收录文献年增长率超过10%, CNKI年增长率超过20%,中美两国为本领域研究最为活跃的国家,两国发文量约占总发文量的40%,中国学者在无损检测、图像处理等领域的研究明显落后于国外学者,但在机器视觉和深度学习领域实现赶超。按照研究路线可将相关研究分为基于声光电热磁的检测和基于视觉成像的检测两类,其中前者包括采用不同技术手段获取光谱、超声和电磁图像并借助图像处理技术实现缺陷检测,而后者主要基于视觉图像进行缺陷识别和分类,目前已成为该领域主要的研究热点。内表面缺陷检测发展历程分为缺陷识别、缺陷分类、缺陷分析三个阶段,2000年...     

桥梁拉索表面缺陷的分布式机器视觉检测

介绍了一种桥梁拉索表面损伤缺陷的分布式视觉检测系统。系统以DSP(Digital Signal Processor)芯片TMS320DM642(简称DM642)为核心处理器,协同控制辅助机械装置,实现拉索表面缺陷检测。提出并采用改进的中值滤波对CCD采集到的拉索表面图像进行图像预处理,采用改进的Sobel边缘检测算法对缺陷进行边缘检测;对分割后的缺陷目标进行决策判别,实现桥梁拉索表面缺陷的智能检测。实验结果表明,系统可检测出桥梁拉索表面损伤面积大于1cm2的缺陷,处理速度达到了5cm/s,满足了快速有效的检测要求。     

声表面波检测铝板表面微缺陷深度实验研究

为了探究声表面波与不同深度微裂纹缺陷相互作用的关系,将脉冲激光作用于一系列不同缺陷的试件铝板上进行线光源激励,激发激光超声波。用超声传感器接收在铝板中传播的激光超声信号,通过数字荧光示波器采集激光超声在铝板中的传播数据。对采集到的反射波数据进行分离谱分离过程得到的铝板中激光超声的时域分布和透射波数据进行频域分析。实验发现:缺陷深度影响着反射回波两峰值特征点到达时间差,两者之间近似线性关系,也影响着透射波的截止频率且二者呈现递减关系。     

基于遮挡图像多尺度重建的表面缺陷检测

遮挡图像重建是无监督异常检测的主要方法之一,通过生成式模型对遮挡后的图像重建,根据重建差异来估计图像区域的异常分数,高异常分数区域即为缺陷区域。然而,现有方法仅采用若干个尺度相互独立的遮挡策略,使得模型缺乏对非规则遮挡图像的重建能力;在重建过程中图像缺失部分与完整部分的全局依赖性未被充分考虑。针对上述问题,提出多尺度网格的遮挡策略,并采用自注意力机制增强自编码器重建过程中对全局依赖性的刻画。实验结果验证了所提方法的有效性,与其他方法相比获得了更优的表面缺陷检测性能。     

基于背景抑制和分类校正的小样本目标检测方法

为进一步提升小样本条件下对空中来袭目标的检测识别成功率,提出一种基于背景抑制和分类校正的小样本目标检测方法。首先,针对空中来袭目标背景前景易混淆问题,在区域候选网络前端引入背景抑制模块,通过抑制背景特征和增强前景特征来减轻目标背景对检测的影响;其次,在背景抑制模块后插入特征聚合模块,聚焦目标特征,通过缓解小样本条件导致目标特征难提取、不明显的问题,校正网络模型的分类参数;最后,在检测头网络中引入对比分支,增强了类别内相似性和类别间独特性,缓解来袭目标“类间相似性高,类内差异性大”的问题,实现了对网络分类的进一步校正。实验结果表明,所提出的算法在1、2、3、5、10 shot实验中均表现最佳,平均精度分别达到28.3%、32.8%、39.9%、42.9%和56.2%,提升了小样本空中来袭目标的检测性能。     

高效消除表面缺陷检测盲区的机器视觉在线检测系统

针对皮革表面类缺陷用机器视觉在线检测时,某些缺陷成像质量对照明方向呈现各向异性甚至无法显现而形成检测盲区的问题,研究设计了一套可消除该类检测盲区的在线检测系统。基于缺陷处的散射和信息采集机理得出缺陷特征光强随照明方向的变化规律,并以压印和油墨类缺陷为例进行实验研究,发现2类缺陷特征光强分布均与照明方向相关,缺陷的检测盲区与有效区呈正交态。据此,采用自主设计的侧入式均匀照射离轴面光源,设计出线阵和面阵正交复合的在线检测系统,采用垂直目标面采集信息、45°角暗场正交照明,线阵相机和线光源组成主检测系统,面阵相机和离轴面光源辅检测系统,对随机出现的各向异性缺陷进行上百个样本检测,实验证明,缺陷检测盲区被有效消除,缺陷识别率提升了近22%,检测效率也得到大幅度提高。     

强反射复杂表面随机缺陷检测照明系统分析

分析了采用CCD光电检测法对强反射复杂表面随机缺陷进行检测时的光学照明问题。给出了缺陷显现力的具体定义。对比了平行光和均匀散射光对消除强反射光的不同作用及对不同表面缺陷的显现力。分析了使用均匀散射光作为光源时，工件表面照度对成像质量的影响。给出了在上述条件下光照系统设计的基本原则。     

基于条纹调制的透明物体表面缺陷检测方法

针对透明物体后表面的寄生反射对单视角下表面缺陷光学检测的干扰问题,提出了基于条纹调制的透明物体表面缺陷检测方法,以消除后表面的寄生反射。为分析透明物体对入射光通量的影响,建立了基于条纹投影的透明物体光学成像模型。该模型揭示了透明物体双表面的形貌变化可以由双形貌参数来表征,且双参数共同构成余弦分布的平均强度和对比强度。提出了一种多频时域迭代策略以估计表面的双形貌参数,通过投影多频条纹序列到待测透明物体表面,并通过数值拟合投影条纹频率和调制强度之间的余弦分布,从振幅中提取表面的双形貌参数。实验结果证明所提出的检测方法能够在消除后表面寄生反射干扰的同时准确识别和定位出透明物体的表面缺陷。