基于人工智能的缺陷图像识别算法

为了提高实际场景图像的缺陷识别准确度,基于人工智能、图像识别和深度学习技术,设计一种新的图像缺陷识别算法。采集缺陷图像,为缺陷目标识别做好检测分析和学习训练准备。联合分水岭分割和颜色特征分割方法,提取缺陷图像的有效特征。基于卷积网络,充分借助其中的学习模型,采用Python开源框架,设计新的缺陷识别方法。将人工智能算法集成于开发的软件系统中,该系统功能包括相机采集、视频导入、HDMI导入、脚踏板控制等。仿真数据表明,与已有分割技术相比,所提算法具有更理想的识别准确性与鲁棒性。

改进YOLOv5n的管道DR缺陷图像检测方法

近年来,数字射线成像技术(digital radiography,DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度,提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献,针对目标检测网络中分类和回归两个任务存在冲突的问题,设计了任务独立解耦检测头,通过分别为两类任务构建独立的特征图实现解耦。为了缓解解耦检测头模块带来的参数量增加问题,引入了轻量化的深度可分离卷积替代标准卷积,在保证精度的同时,减少模型参数量。实验结果表明,在管道缺陷数据集上,该方法的mAP@0.5比YOLOv5n提高0.9个百分点。与YOLOv4、Faster-RCNN和SSD等其他几种目标检测模型的对比实验表明,该方法在mAP@0.5、参数量和计算量上都达到最优,有效提高了管道DR缺陷图像检测的性能。

De-DDPM:可控、可迁移的缺陷图像生成方法

基于深度学习的表面缺陷检测技术是工业上的一项重要应用,而缺陷图像数据集质量对缺陷检测性能有重要影响.为解决实际工业生产过程中缺陷样本获取成本高、缺陷数据量少的痛点,提出了一种基于去噪扩散概率模型(Denoising diffusion probabilistic model,DDPM)的缺陷图像生成方法.该方法在训练过程中加强了模型对缺陷部位和无缺陷背景的差异化学习.在生成过程中通过缺陷控制模块对生成缺陷的类别、形态、显著性等特征进行精准控制,通过背景融合模块,能将缺陷在不同的无缺陷背景上进行迁移,大大降低新背景上缺陷样本的获取难度.实验验证了该模型的缺陷控制和缺陷迁移能力,其生成结果能有效扩充训练数据集,提升下游缺陷检测任务的准确率.

基于改进的VGG16网络金属表面缺陷图像分类研究

针对工业生产中金属表面缺陷识别存在人力消耗大、效率不高等问题,提出改进的VGG16网络金属表面缺陷图像分类方法。以VGG16网络为基础,引入注意力机制CBAM增强特征学习能力,引入Inception网络结构拓宽网络宽度,以此增强模型非线性能力;对输入图像做数据增强处理,提高网络模型鲁棒性。实验证明,改进的网络模型在数据集GC10-DET上准确率达到90.23%,在数据集NEU-CLS上准确率达到98.84%。实验结果表明该方法在金属表面缺陷分类上具有良好的实际应用意义。

一种基于改进RefineDet的管道数字射线成像缺陷图像检测方法

为提高管道缺陷图像检测的准确率,提出了一种基于改进RefineDet的管道数字射线成像(digital radiography, DR)缺陷图像检测模型。该模型针对管道DR缺陷图像数据少、目标少等特点,从以下三个方面进行改进。首先,在骨干网络设计方面,使用Swin transformer代替VGG16作为主干网络,在提高特征提取能力的同时减少主干网络参数量。其次,针对管道DR缺陷图像目标数量较少而易受背景干扰问题,通过在主干网络与特征融合阶段之间加入全局注意力模块来强化模型对重要特征的关注,从而提高检测性能。最后,在后处理阶段,针对传统的非最大值抑制算法直接去除非最好预测框问题,使用软非最大值抑制算法以更合理的方式去除非最优预测框。结果表明:该方法能够有效实现管道DR缺陷图像的检测,并且相比于其他4种常用的目标检测模型,提出的模型可以有效提升管道DR缺陷图像检测的准确率,研究结果可为DR缺陷图像检测提供技术支撑。

基于WebSocket和HttpsWSS的缺陷图像远程检测系统

为了解决当前实际场景中缺陷检查系统规模化部署和更新成本高的问题,文章设计一套完整的缺陷图像远程检测系统。首先,开发出一种新的缺陷图像检测算法,达到检出缺陷的目的。然后,结合WebSocket和HttpsWSS,实现现场待检测图像与云端服务器之间的通信传输、检测结果与现场设备的传递。再根据缺陷检测大脑,将客户端软件部署到设备端,负责收集图像和接收检测结果。最后基于业务需求,将底层算法、通信机制、中枢平台和设备端有机连接在一起,形成缺陷图像远程检测系统。实验测试结果表明,所提系统具有更高的缺陷检出精度。

基于本地数据特征的无人机巡检缺陷图像识别算法分析

阐述缺陷图像识别算法的现状与分类、本地数据特征在图像识别中的应用、常用图像特征提取方法。结合本地数据特征提取方法,设计算法框架,实现识别无人机巡检缺陷图像。

基于多源数据融合的风力发电机叶片缺陷图像识别与分析

本文提出了一种基于多源数据融合和深度学习技术的风力发电机叶片缺陷图像识别与分析方法。考虑到风力发电机叶片在运行过程中易受到多种因素的影响,本文首先通过多源数据的获取与预处理,利用来自不同传感器的数据提高了识别系统的输入信息量和质量。随后,采用数据融合技术整合不同来源的信息,以提升叶片缺陷识别的准确性。在深度学习模型方面,本文不仅探讨了模型选择和训练策略,还着重于模型优化与参数调整,通过调整网络结构和优化训练过程来提高模型性能。

强反射表面缺陷图像预处理

为了校正强反射表面图像的亮度不均匀性,抑制局部强亮度现象,同时使其保留足够多的原始图像信息,研究了强反射表面缺陷图像的预处理方法。分析了强反射表面的光学特性,研究了偏微分方程理论及同态滤波算法,在此基础上提出了一种基于偏微分方程的同态滤波算法,即采用热传导方程滤波算子对同态分解的图像进行处理。引入信息熵对不同尺度参数下的处理效果进行评价,从而确定热传导同态滤波的尺度参数,并将该算法与背景去除法、基于小波的同态滤波算法进行了比较。对比实验表明,采用提出的算法处理后得到的图像其灰度级均匀分布在1～6之间,信息熵值均在91%以上。该方法校正了图像亮度的不均匀性,提高了图像质量,同时能保留足够多的原始图像信息。

基于特征提取的缺陷图像分类方法

针对缺陷图像表面复杂多变、特征不宜提取的特点,提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量,同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法,并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中,构建了系统的缺陷分类器,并对现场采集的常见6种缺陷类型进行了实验.结果表明,该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高,现场整体识别率达到90%以上,在一定程度上解决了缺陷图像分类难的问题.

采用双边滤波的冷轧铝板表面缺陷图像去噪方法的研究

目的去除冷轧铝板表面缺陷图像中的噪声,并保持图像的清晰度以及图像的细节信息,避免冷轧铝板表面缺陷图像中的噪声引起错误的缺陷检测。方法首先,引入双边滤波方法,并联合概率分布函数以及最大似然函数求取图像的噪声方差,自适应地对双边滤波函数中灰度方差值进行调整,实现对冷轧铝板表面缺陷图像中噪声进行滤除。然后,为了对双边滤波去噪后遗留下的强噪声进行去除,利用像素点之间的差值,构造区域相似度模型,对双边滤波去噪后图像中的强噪声进行判定。最后,借助中值滤波方法在对强噪声进行滤除的同时,兼顾保持图像的清晰度,进而达到去除冷轧铝板表面缺陷图像中的噪声,并保持图像细节以及清晰度的目的。结果所设计方法在噪声强度分别为0.09、0.12以及0.15时,所得去噪图像的MSE值分别为15.3743、19.7713以及23.7613,所得去噪图像的PSNR值分别为38.4971、35.4792以及31.1768。结论所设计方法不仅能有效去除冷轧铝板表面缺陷图像中的噪声,而且还能较好地保持图像的清晰度以及边缘特征,使得去噪后图像具有较好的视觉效果。

基于小波变换的带钢表面缺陷图像增强算法

针对传统图像增强算法在处理有大量噪声、光照不足或不均匀的图像,尤其是实际现场的带钢表面图像时效果较差的问题,提出基于小波变换的图像增强算法,将其应用于冷轧带钢表面缺陷图像的增强中。对比实验结果表明,该方法的增强效果和抗噪性能明显优于传统算法。

基于改进蚁群算法的轨道缺陷图像分类

针对传统方法分类准确性低、分类速度慢且不同轨道缺陷类型的识别准确性有很大差异的弊端,提出一种新的基于改进蚁群算法的轨道缺陷图像分类方法。对轨道缺陷图像进行预处理,利用竖直投影法对轨道表面区域进行提取,将模糊理论和超熵理论结合在一起获取最佳分割阈值,完成图像分割。结合自适应阈值Canny边缘检测算子和Hough转换法,确定轨道缺陷部分。对缺陷部分的边缘细节进行改进,使轨道缺陷部分的轮廓更加显著。对轨道缺陷特征进行提取,在此基础上分析了基本蚁群算法,针对基本蚁群算法容易陷入局部最优的弊端进行改进,将与特征相似性最高作为判别函数,采用改进蚁群算法对轨道缺陷图像进行分类。实验结果表明,所提方法的分类准确度高,且分类速度快。

基于OTSU算法与数学形态学的木材缺陷图像分割

在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率。本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘。实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性。

基于数学形态学的集成电路真实缺陷图像滤波

在集成电路真实缺陷检测中 ,缺陷图像的滤波程度直接影响到后续处理的结果 .通过对若干幅实际集成电路真实缺陷图像的分析 ,提出一种基于数学形态学的集成电路真实缺陷图像滤波方法 ,该方法不仅能滤除非冗余物缺陷 ,而且能滤除冗余物缺陷内部噪声 。

基于小波变换的发动机表面缺陷图像去噪方法的研究

目的滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。

基于Otsu算法的木材缺陷图像分割

提出了基于Ostu算法的木材缺陷图像分割。该方法借助于二维中值滤波器对木材图像进行平滑处理,将平滑过的图像用Otsu算法确定图像分割阈值。实验结果表明,该方法可以有效地实现木材表面缺陷图像分割。

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度,进一步准确地研究墙地砖缺陷图像的基本特征,提出一种有效的图像分割方法.方法根据墙地砖表面的纹理特点,采用Daubechies小波对原始图像进行处理.结果仅保留图像的近似信息,从而有效降低了纹理特征对缺陷分割的干扰.同时,图像数据量减少为原始图像的1/4.因此,在有效提取近似信息的基础上提高了系统的实时性,便于图像分割应用.该方法增强了缺陷纹理图像,能抑制背景纹理对缺陷纹理检测的干扰,并通过减运算有效地实现了缺陷纹理和背景纹理的分割.结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割,尤其适用于具有随机纹理的墙地砖缺陷实时检测.

应用兰德韦伯算法的木材缺陷图像重建

以含有缺陷的红松木材和含有空洞的蒙古栎木材为样本,应用兰德韦伯(Landeweber)迭代算法、代数重建法(ART)对原木缺陷图像重建,比较2种方法的差异,遴选木材无损检测相对较好的方法。结果表明:在迭代50次情况下,红松木材的缺陷图像,Landweber算法相对误差率23%、图像拟合度75%,ART算法相对误差率83%、图像拟合度53%;蒙古栎木材的缺陷图像,Landweber算法相对误差率10%、图像拟合度91%,ART算法相对误差率17%、图像拟合度79%;与ART算法相比,Landweber算法重建缺陷的图像能够精确反映缺陷位置,图像拟合度较高,证明Landweber算法适用于木材应力波缺陷图像重建。

一种印刷电路板缺陷图像边缘信息提取方法

为了较好地提取印刷电路板缺陷图像边缘信息,提出了基于二阶曲线拟合、模式聚类与阈值比较法相结合的印刷电路板缺陷图像边缘信息提取方法。首先分析了最小二乘法拟合的基本原理;然后在此基础上提出了采用二阶曲线拟合法来设定阈值进行拟合得到大致的图像边缘,并分析了其基本原理;最后在模式聚类基础上利用阈值比较法选择适当阈值截取拟合曲线得到图像边缘点、去除噪声边缘点,连接各个图像边缘点可得到缺陷图像的边缘信息。用由显微镜及CCD获取的4幅印刷电路板缺陷图像进行了实验;从实验主观效果看,用该方法提取出图像边缘信息的效果较好,图像边缘比较连续,噪声点极少;从实验客观效果评价看,用该方法所得到的图像边缘信息熵较大。实验结果表明,该方法结合了二阶曲线拟合、模式聚类与阈值比较法优点,可较好地提取出印刷电路板缺陷图像的边缘信息。