在法兰表面缺陷检测任务中,为了对缺陷进行精准定位和分类,根据缺陷位置和类别综合判定法兰是否符合特定标准的质量要求,结合缺陷特征和相应标准,提出一种基于视觉技术和Mask R-CNN的法兰表面缺陷检测与评估方法。依据法兰的适用原则和缺陷判定标准对法兰表面进行区域划分。通过搭建图像采集平台,采集图像并对其进行预处理操作后添加至网络训练集中。采用Mask R-CNN作为缺陷检测网络的基本框架,结合法兰表面缺陷特点改进Mask R-CNN骨干网络和颈部网络,并对网络性能进行验证。最后,根据检测标准,使用边缘检测算法对模型检测结果进行复检。结果表明改进后的方法能够实现精确的定位并进行质量评估,满足法兰表面缺陷检测的要求。

针对现有带钢表面缺陷检测方法准确率低、特征泛化性不强、参数多、识别速度慢等缺陷,基于卷积神经网络,采用DenseNet网络的密集连接算法解决梯度消失和梯度爆炸问题,堆叠式空洞卷积扩大卷积核感受野,深度可分离卷积减少网络参数量,提出一种用于带钢表面陷检测的深度神经网络模型Ds-DenseNet算法。以NEU带钢表面缺陷数据集为基础缺陷样本,加入正样本,并对其进行数据增强操作,创建AUG-NEU数据集,本算法在AUG-NEU数据集上的测试精度高达99.38%,参数量为117958,仅占DenseNet121和ResNet50参数量的1.7%和0.5%,识别速度高达1.3ms/frame,分别是DenseNet121、ResNet50识别速度的2.3倍和2倍,完全可以满足带钢生产线实时检测的需求。

介绍了超声导波技术用于电厂管道缺陷检测的发展现状，并用有限元程序Ansys对管道超声导波缺陷检测进行了数值模拟．在管道模型中，在管道外壁建立了具有一定倾斜角的斜楔及水耦层，模拟斜入射换能器的斜楔，在其斜面施加瞬时位移载荷，用以在管道中激励特定模态的导波．分析了在此模型下反射系数随缺陷轴向长度、周向长度和深度而变化的关系，模拟结果与实验结果吻合较好．

论文介绍了将机器视觉技术应用于金属箔缺陷检测的系统设计,以及图像处理算法。整个系统采用分布式主从结构,由上位机、图像采集模块、下位机、通信模块组成。通过CCD摄像机采集金属箔表面的图像,以及上位机对图像进行分析和处理,可以获知金属箔是否存在缺陷。系统自动将所有的缺陷图像存储到数据库中,并且根据缺陷情况报警。

密封圈的缺陷区域过小、缺陷特征与背景相似度较高和密封圈上杂质过多,导致密封圈表面缺陷检测难度很大。对此,本文提出一种基于编解码结构的语义分割缺陷检测算法。首先,通过向编码器端的各个卷积模块注入不同尺度的图像特征,以此增加模型的多尺度信息和冗余信息,同时使用膨胀卷积层替换常规卷积层,有效地增加网络的感受野,使得模型不易漏掉小的缺陷;其次,结合注意力机制将编码器的信息与解码器端的信息进行级联,加强模型对目标区域信息的捕获;最后,将解码器端输出的不同尺度信息进行融合,提高网络对小缺陷的分割精度。实验结果表明,本文所提出的方法能够对较小的、边缘不清晰的密封圈缺陷进行有效分割,能够满足密封圈缺陷的检测需求。

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统。针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对图像缺陷特征进行形态学特征识别和提取,得到判断结果。实验结果表明:该检测方式能快速、准确、高效地提取电子元件缺陷特征;单幅图平均图像处理时间为131 ms,检测平均准确率为95%;另一方面,自动控制系统稳定性强,精度高,单个元件检测周期平均时间为4.7 s,相教于人工检测效率提高了38%,满足工业要求。

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。

针对软胶囊实时缺陷检测与丸形分级问题,提出一种基于远心视觉的椭圆度测量方法及其系统。以最小二乘椭圆作为评定基准,用被测轮廓的最小外接椭圆和最大内接椭圆的通径定义椭圆度误差,建立了椭圆度评定的最小二乘数学模型;建立胶囊缺陷与丸形分级的远心视觉检测系统,给出胶囊缺陷与丸形分级的检测流程;以某药企的保健药丸为对象,开展胶囊缺陷与丸形分级的视觉检测实验。结果表明:合理设定阈值,丸形分级检测的准确率可达100%;单颗胶囊的检测用时0.712 s。通过开发并行处理算法,缩短耗时、提高效率,该椭圆度误差评定方法及远心视觉系统可用于胶囊缺陷与丸形分级的实时检测。

针对轴承外圈侧面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于差影法的轴承外圈侧面缺陷检测的新方法。该方法通过对轴承外圈侧面图像进行处理与分析,快速、准确地实现了轴承外圈侧面缺陷的识别。首先,使用CCD数字摄像机作为图像传感器进行图像采集;然后,对图像进行滤波去噪、图像分割、边缘检测处理,以对轴承外圈侧面进行快速定位;最后,采用差影法进行缺陷检测,并采用8-连通域法对缺陷进行标记。实验表明,该系统运行稳定,实时性好,抗噪能力强,运算速度快,并可有效检测出轴承外圈侧面缺陷。

针对目前国内对轴承外观在线检测系统的要求和传统人工检测方法的不足,设计一套基于TMS320DM642的轴承外观缺陷在线检测系统。该系统硬件平台主要包括视频编解码模块、存储器模块、可编程逻辑控制器CPLD模块及核心DSP芯片;软件设计包括轴承图像采集、图像预处理、图像定位与剪裁、差影处理、形态学运算及缺陷标记识别等。实验结果表明,该系统稳定、识别率高、实时性好且可满足轴承外观缺陷的在线实时检测。