基于ContrastGAN的色织物缺陷检测

传统自编码器应用于图案、背景纹理复杂的色织物缺陷检测任务中,存在普适性差以及漏检率、误检率高等问题,为了解决该问题,提出一种基于对比学习生成式对抗网络(ContrastGAN)的无监督检测方法。首先,建立基于ContrastGAN的色织物图像重构修复模型;其次,采用对比学习加强潜在特征空间正负例样本约束,最大化输入输出图像对应Patch之间的互信息,增强正负例特征向量区分度,使模型重构无缺陷样本图像能力得到进一步提升;然后,利用训练好的模型得到待测色织物的重构图像,并通过计算得到待测样本与对应重构图之间的残差图像;最后,对残差图像进行阈值分割和数学形态学处理,实现了缺陷区域的快速检测和准确定位。该模型能有效重构多种色织物的纹理,相比传统自编码器能够实现更高的缺陷定位精度,满足多种复杂色织物缺陷检测场景的需要。

基于机器视觉的FPC补强片缺陷智能检测仿真

针对当前电路板缺陷检测方法存在召回率低和复杂度高的问题,提出基于机器视觉的FPC补强片缺陷智能检测方法。通过空域或者时域上的连续图像转换为离散采样点实现柔性印制电路补强片图像采样,将采样得到的柔性印制电路补强片图像函数连续数值转换成其数字等价量,实现图像量化。将量化结果代入中值滤波,利用数据排序方式将图像中没有被污染的点与噪声点替换,完成图像噪声滤除处理。基于处理后的补强片图像,将FPC补强片缺陷检测划分成全局检测与局部检测。利用直方图配准与八连通域面积对全局缺陷进行识别,实现补强片缺陷初步检测,通过投影配准与相关系数对局部缺陷进行检测。实验结果表明,上述方法可有效提升补强片缺陷检测召回率,计算复杂度低于当前相关研究成果。所提方法性能优越,具有合理性与鲁棒性。

机床导轨面缺陷修复技术的分析

通过对机床导轨面缺陷修复的几种传统焊补方法的介绍及对各种方法不同特点的分析 ,确定机床导轨面缺陷修复局限性的存在原因。同时 ,对一种新出现的铸造缺陷修复技术及其设备—铸造缺陷修补机 ,进行了实践操作实验和试棒的显微组织分析 ,说明用铸造缺陷修补机修复机床导轨面缺陷是符合质检标准的 ,证明了缺陷修补机在铸件缺陷修复方面是值得推广的一项新技术。

单板缺陷自动化修补技术研究进展

单板是制造胶合板的基本单元,但存在着死节、活节、空洞、裂缝等多种缺陷,直接影响着胶合板的质量和性能。通过单板修补能去除单板缺陷,提高单板等级、质量和利用率,从而提升胶合板的质量和性能。文中介绍了单板缺陷修补工艺从“先挖后补”到“同步一体化挖补”的发展过程,阐述了2种工艺的技术原理及特点;指出后者在生产效率和挖补质量方面具有明显的优势,已得到普遍应用;着重概述了基于机器视觉的单板缺陷自动化检测技术和基于数控技术的相关自动化修补设备的研究进展和应用现状。目前单板缺陷的检测、识别、定位已逐步实现计算机化,切除缺陷、切取补片和嵌入补片已实现机械化和自动化,单板的进给已实现数控化。对以下几个方面的研究进行了展望:单板缺陷检测算法在复杂工业环境下的鲁棒性和针对不同树种单板缺陷的泛化能力,单板数控进给路径的最优规划,挖补冲头刃口角度和耐用度,以及单板挖补残料的资源化利用。