基于图像融合的珐琅礼盘细小杂质检测

针对高端珐琅礼盘对美观度要求高,人工目检对尺寸大于100μm的表面可视杂质识别困难等问题,该文提出一种珐琅礼盘细小杂质视觉检测方法。将采集到的灰度图像分为中心区域与边缘区域两类,对边缘区域图像进行阈值分割、最小二乘曲线拟合,提取出感兴趣区域;使用指定截止频率的傅里叶变换抑制两类图像中的细小噪声,获得检测区域图像;根据杂质的形态学特点设计基于图像融合的迭代算法,并通过测量最小外界矩形长边长度实现尺寸提纯,提高杂质的检测精度。实验结果表明:该方法对含有细小杂质缺陷样本的检出率为91.43%,单幅样本的平均检测耗时为577.4 ms,目标杂质漏检率为3.58%,可满足实际使用需求。

基于改进Yolov5s的水稻叶病检测方法

水稻叶病防治在提高水稻产量中具有重要作用,针对水稻叶病人工检查速度慢、主观性高的问题,提出一种基于改进Yolov5s的水稻叶病目标检测方法。采用K-means聚类算法得到先验框尺寸,增强检测模型对水稻叶病的适应性;将轻量级空间注意力与通道注意力融合,对高层语义特征信息增强,增强模型对病害信息的感知度;并结合特征金字塔网络,融合多尺度感受野获取目标上下文信息,有效地增强模型对目标周围特征的提取,提高目标检测的准确度。试验结果表明:改进后的Yolov5s算法平均检测精度(IOU=0.5)提高4.3%,F1值提高5.3%,帧率FPS为58.7 f/s。有效提升Yolov5s算法对水稻叶病的检测精度,达到实时检测的需求。

图像增强气门弹簧座内壁划痕检测算法

为解决气门弹簧座内壁划痕检测人工检测精度以及效率不高的问题,实现自动化生产线,提出一种基于图像增强的气门弹簧座内壁划痕检测算法。针对弹簧座内壁图像背景复杂、噪声干扰大,采用最小二乘法拟合提取感兴趣区域,傅里叶变换滤波去噪抑制干扰。采用极坐标变换并基于划痕粗检测进行双阈值下的图像增强,实现划痕检测精准度和效率的提高。试验结果表明:通过传统直方图均衡化和全局图像增强对不同长度、方向的划痕进行检测,划痕检测准确率为76.83%,划痕长度准确率为87.86%;该算法能较好地抑制噪声,同时可提高气门弹簧座划痕检测的准确率,划痕检测准确率和划痕长度准确率分别为89.47%、93.62%,能满足实际检测需求。

基于机器视觉的珐琅搪瓷盘缺陷检测方法

【目的】为实现珐琅搪瓷盘表面缺陷的自动化检测并提高检测效率与准确率,提出一种珐琅搪瓷盘缺陷机器视觉检测方法。【方法】首先对灰度图像阈值分割,采用最小二乘拟合法提取出感兴趣区域来消除背景干扰;然后根据缺陷图像的特点设计基于图像融合的迭代算法,并提出一种改进的去伪影算法以消除伪影影响,进而提高检测准确率;最后通过搭建的硬件平台对本方法的检测性能进行验证。【结果】采用本方法对缺陷珐琅搪瓷盘的检测准确率能达到92%,对缺陷的平均漏检率仅为8.8%,且对伪影的去除能力也优于传统方法。【结论】本研究方法检测准确率高,为珐琅搪瓷盘缺陷的自动化检测提供了一种可行方案。