基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100%的检测率。

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。

基于稀疏表示和多特征融合的路面裂缝检测

为了提高在实际复杂背景噪声下对路面裂缝检测的精度,提出了一种基于稀疏表示和多特征融合的路面裂缝检测改进算法。该算法首先以图像子块为单位,提取对裂缝识别有效的统计、纹理和形状特征。然后,分别在各个特征矩阵下利用稀疏表示分类方法实现对裂缝子块的识别,再融合不同特征下的识别结果,设计综合识别分类器进行子块检测。最后,在识别出的裂缝子块上,采用基于视觉显著性的像素级检测方法精确提取裂缝细节。在实际高速公路路面数据库上的实验结果表明,该算法有效地提升了路面裂缝检测的精度,具有良好的鲁棒性。

基于改进显著图的高效裂纹检测算法

裂纹检测对于确保设施和设备的安全运行非常重要。然而现有的裂纹检测方法数据标注困难,且训练时间长,检测速度慢。针对这些问题,提出一种基于改进显著图的裂纹检测算法,应用卷积神经网络提取的特征计算出图像中裂纹的位置,从而实现裂纹检测。该算法解决了裂纹检测算法数据标注困难的问题;训练时间短,使用两块k80显卡训练时间仅为23 min;检测速度快,具有105帧/s的检测速度;同时在自制数据集上达到了52%的平均精度,验证了该算法的有效性。

基于图像处理的摩托车支架焊点质量检测研究

摩托车的车架是承载驾驶员与发动机的重要部件,支架的焊接质量是影响支架能否承受各种冲击与振动的重要指标;传统的支架生产线上焊点的质量检测主要依靠焊后撕裂的方法进行检测与补焊,浪费了大量的人力物力,又影响生产进度,为此提出一种基于图像处理技术的支架焊点质量检测技术;首先从长度与面积判别焊点质量,对图像的特征参数经过数字图像处理后基于亚像素级进行边缘检测进行缺陷轮廓识别,设计了一套能够自动识别焊点质量的检测系统;实际检验结果证明这种做法可以快速准确地对有缺陷的焊点进行自动识别,具有很强的实用价值。

基于高分辨特征的隧道病害检测算法研究

现阶段,自动化隧道病害检测的准确率往往受限于隧道内部的成像条件与检测车的采集设备,波动较大。本文提出一种基于HR(High Resolution)-Net的隧道病害检测算法HR-Net(1se),通过使用高分辨率特征可在成像条件较差的隧道洞壁图像中,更准确地提取隧道洞壁病害,且具有较高的鲁棒性。为提升算法运行效率,本算法使用HR-Net的第一阶段的特征提取网络作为主干网络,并使用该特征进行病害检测。通过在隧道病害图像数据集上验证,本文算法的mIoU指标达到81.74%,高于其他对比算法,并且耗时低于原始的HR-Net约25%。

高精度图像测量与对准系统的算法研究

0引言 现代高精度加工系统中,常常需要对被加工工件的尺寸进行实时检测和控制.当工件处于高速运动或人无法接近的环境时(如激光照射),传统的接触式测量无法进行,而光学式测量仪在性能指标上又不能满足实际需求,因此需要一种高精度的测量系统.