基于改进U-net的金属工件表面缺陷图像分割方法

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。

基于改进YOLOv5的金属工件表面缺陷检测

目的针对金属工件表面小尺寸缺陷检测精度低的问题,提出以YOLOv5网络为基础,结合注意力机制与Ghost卷积的表面缺陷检测算法。方法首先,在原网络中增加SE通道注意力模块,增加缺陷有关信息的权重,减少无用特征的干扰,从而提高目标的检测精度。然后,将网络中空间金字塔池化模块的池化方式由最大池化替换为软池化,使得在下采样激活映射中保留更多的特征信息,获得更好的检测精度。最后,采用Ghost卷积块替换主干网络中的常规卷积模块,提取丰富特征及冗余特征,以此提高模型效率。结果改进后网络平均精度均值达到0.9978,相比原网络提高了7.07个百分点。结论该网络显著提高了金属工件表面缺陷检测的精度。

基于机器视觉的压缩机滑片计数系统设计

目的对于人工进行压缩机滑片计数烦琐的问题,基于机器视觉技术和PLC设计一种对压缩机滑片自动计数的算法和装置。方法采用工业相机及大功率LED灯设计视觉装置,并利用PLC作为流水线控制器,与视觉计算机通过TCP通信。基于图像处理技术设计自动计数算法,首先对相机采集的箱装滑片图像裁剪出感兴趣区域并进行滤波、直方图均衡化、形态学处理、自适应阈值分割来增强图像对比度;然后对图像空洞进行填充、较大的噪声斑块去除后使用thin算法对粘连紧密的滑片细化处理,通过水平投影法绘制直方图找出切割位置;最后进行连通域分析确定滑片数目,并设计用户界面显示计数结果和系统状态。结果通过现场多次测试,整体系统运行流畅,不受外界光照影响,计数准确高效。在一天内不同时间段测试,平均每次计数时间为7.6 s,准确率达到99.83%。结论投影法的应用解决了密集粘连的分割难题,该方法对环境适应性强,对滑片可稳定准确地进行自动计数,在滑片实际批量生产包装中具有明显应用优势。

基于改进U-net的金属工件表面缺陷分割方法

针对金属工件表面缺陷分割精度低的问题,通过对工件表面图像缺陷特征研究,提出以U-net为基础,结合多尺度自适应形态特征提取模块及瓶颈注意力模块的工件表面缺陷分割模型。首先,在网络中嵌入多特征注意力有效聚合模块,提高信息的利用率,提取更多相关特征,从而高精度地提取缺陷目标。然后,在网络中引入瓶颈注意力模块,增加缺陷目标的权重,优化特征的提取,获取更多的特征信息,从而获得更好的分割精度。改进后的网络平均精度达到0.8749,比原网络相比提高了2.92%,平均交并比达到0.8625,提高了3.72%。与原始网络相比,改进后的网络具有更好分割的精度,可以获得更好的分割结果。