为快速、准确地检测工业生产中工件表面产生的缺陷,提出了一种基于Yolo V3的工件表面缺陷检测方法。该方法以DarkNet卷积模型作为特征提取网络,通过引入数据增强方法防止产生过拟合现象,并针对工件表面缺陷形状单一、缺陷尺寸普遍偏小的特点改进了Yolo V3网络的特征融合方式,减少了冗余候选框的数量,提升了算法性能。以环形工件作为检测对象搭建了实验平台。实验结果表明,所提方法能克服人工提取特征的局限性,检测精度和检测速度均满足实际生产要求。

本文研究了小波变换原理及其在缺陷涡流无损检测中的应用。提出了一种对金属材料表面缺陷的特性和结构进行分析的方法。

误差分离理论和涡流无损检测方法是在圆度测量和无损检测两个领域中分别独立进行的.本文首次提出了利用误差分离理论和涡流技术对轴类工件表面进行无损探伤的四点法数学模型,并在此基础上建立了实验系统,对这一新方法进行了实验验证.实验结果表明这一新方法是可行的.

为了全面科学地评估钢板表面质量,有效地控制生产流程,设计了一套智能无损检测系统来实现对钢板表面缺陷的在线检测.基于模块化设计思想,检测系统由新型LED光源、明暗域结合成像光学系统、高速高分辨率线阵CCD传感器件、FPGA嵌入式处理系统和友好的人机接口组成.检测钢板宽度最大为1800 mm,运行速度不大于1.5 m/s,振动幅度小于1 mm,要求所达到的横纵向检测分辨率为0.8 mm×0.8 mm,缺陷尺寸检测误差不大于1 mm.系统对钢板表面的气泡、夹杂、结疤、划伤和压痕等主要缺陷进行无损检测,能够实现缺陷自动分类,对缺陷数据自动存档、屏幕显示、打印、存储和报警功能.样机系统在硬件和软件上易于升级,并可扩展到其他相关领域.

钢板作为钢铁工业的主要产品形式之一，已成为汽车、机械制造、化工、航空、航天和造船等工业不可缺少的原材料，其表面质量的优劣将直接影响最终产品的性能和质量。针对目前国内钢板表面缺陷检测方法比较落后、检测效果较差的情况，提出铸坯表面缺陷检测系统的设计与实现方案。系统以计算机视觉理论为检测原理，在现有技术基础上，借助模式识别理论，以模块化为设计思想，通过大量的实验和图像算法仿真，以现有的图像处理理论为基础，设计适合铸坯表面缺陷检测的算法。

管道、管件或器材连接处所使用的法兰盘在加工时因其内表面会产生微裂纹、褶皱等缺陷,导致使用寿命下降。用传统的抛光工艺难以实现对法兰盘管内表面的光整加工,使用磁力研磨加工工艺却可以很好地解决这一难题。通过对XK7136C数控铣床的主轴进行改造而成的研磨试验平台,其磁极主轴在给定数控程序的走刀路径下,带动侧面开槽的磁极进行转动,从而实现磁性磨粒对法兰盘管内表面光整加工的目的。对磁研磨法加工法兰盘管内表面的原理及磁性磨粒的受力情况进行了的分析,试验结果表明:法兰盘零件弯管内表面经过研磨后,原有的表面质量明显改善,表面粗糙度的值由3.46μm降低到1.18μm,验证了磁力研磨对法兰盘管内表面的光整加工效果良好。

为提高钢材表面缺陷图像检测的效果和噪声引起的伪缺陷过滤能力,基于形态灰度包络的感兴趣区域提取方法被采用。该方法以形态灰度曲线包络为基础,通过回归平滑、曲线基准与偏差计算等步骤实现了对钢材表面图像横向灰度曲线中噪声部分的效过滤以及缺陷部分的保存;并通过感兴趣区域阈值选择与感兴趣区域合并获得了钢材复杂背景环境下的疑似缺陷区域。实验结果表明,形态灰度包络的感兴趣区域提取相比于其他方法更能减少噪声干扰,准确率能达到95%以上,能在不影响检出速度的情况下,凸显缺陷位置。

采用灰度共生矩阵为基础的纹理特征计算方法，对钢球表面图像进行特征参数提取，应用基于BP神经网络的图像特征模式识别方法，实现了对钢球表面不同种类缺陷的准确识别，实验结果表明，该方法能够对钢球表面缺陷进行有效地分类识别。

为解决在木材加工过程中木材表面缺陷检测环节的人工操作效率低下、检测质量不稳定等问题,采用基于OpenCV的计算机视觉技术,设计了一套木材表面缺陷自动检测系统。该系统能够检测出木板表面有无缺陷,并给出相应标记以方便进行后续加工。最后设计实验验证了该系统的图像识别能力,测得识别准确率达到95.3%,平均识别时间0.361s。实验结果表明该木材表面缺陷检测系统性能达到并超过了人工检测能力。

研制了基于环形光切图像法的管内壁测量系统。测量系统主要由半导体激光器、环形光发生器以及CCD摄像机组成。来自光环发生器的环形光带投射于被测管内壁上并成像于CCD摄像机。根据光散射和反射的理论 ,测量系统参数被选择以优化系统。实验结果显示原理正确、技术可行。