热态重轨表面缺陷在线检测方法及关键技术

针对热态重轨轧制时表面缺陷检测困难,研制了一种基于机器视觉的热态重轨表面缺陷实时检测系统。根据重轨辐射和光照特性进行了光学选型,利用多个线阵CCD相机并行多角度采集得到热态重轨全表面图像,通过图像自适应预处理得到满足缺陷检测要求的图像。针对重轨表面缺陷结构连续性引起的传统图像分割算法难以实现缺陷提取的情况,提出了图像像素线线间相关度互检验算法,并利用像素去差异化和方差统计运算提取完整缺陷,此方法在该类问题的识别效果上明显优于传统边缘识别算法。系统在某集团轨梁厂的实际应用中取得了良好的效果。

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。

热态重轨表面缺陷检测技术

设计了一套基手机器视觉的热态重轨表面缺陷检测装置，分析了高温状态下重轨辐射特性。硬件采用6台线阵CCD摄像机多角度拍摄重轨，获取重轨的全表面图像，采集的多路图像被实时传输到图像处理工作站。在此基础上，统计热态重轨常见缺陷，研究了热态重轨缺陷检测关键技术，实现了缺陷的判别与定位。

热态重轨图像光照不均校正方法

为抑制重轨弧面强反射场引起的局部亮度过大,同时保留足够多的原始图像信息.研究了线像素灰度处理方法,计算列像素均值,去均值化处理实现纵向光照不均校正;选取上边缘的n个离散点,三次B样条边缘拟合,y方向像素对齐实现边缘矫直,然后对每一行的像素进行叠加,将灰度均值作为基准,根据每一行像素灰度和基准的比值进行线性拉伸,实现横向光照不均校正.引入信息熵、均方误差、峰值信噪比、通用图像质量指数量化比较不同方法的处理效果.对比实验表明,文中方法得到的图像总体灰度值分布最均匀,图像质量评价参数最高.该方法校正了图像亮度的不均匀性,同时能保留足够多的原始图像信息.