干涉法测量器件表面特征缺陷的计算机模拟

光学干涉方法测量器件表面微小缺陷是一种有效的实验方法.对于多样性结果的唯一性分析,借助于计算机模拟,得到特征缺陷的干涉图样的模拟结果.该结果适用于不同波长,缺陷尺度连续变化的微小情况.使用误差跟踪计算办法,可分辨的缺陷尺度变化从1/2波长的10-1量级倍数到102量级倍数.

控制竖向几何缺陷的特征缺陷模态法

为了准确快速地分析带有初始几何缺陷的单层网壳结构静力稳定性,通过分析特征缺陷模态法和随机缺陷模态法的初始几何缺陷值,并对1/4、1/5、1/6和1/7矢跨比的K8凯威特单层网壳结构进行线性屈曲分析,发现特征缺陷模态法的竖向几何缺陷值小于随机缺陷模态法,在矢跨比较大时会更明显,进而分析了特征缺陷模态法在矢跨比较大时可靠度较低的原因,提出控制竖向几何缺陷的特征缺陷模态法。运用所提出的方法和N阶特征缺陷模态法对网壳结构进行了弹塑性荷载-位移全过程分析。结果表明,控制竖向几何缺陷的特征缺陷模态法与N阶特征缺陷模态法的计算结果接近,误差在工程允许的5%以内,控制竖向几何缺陷的特征缺陷模态法较N阶特征缺陷模态法可以更安全地评估网壳结构的稳定性能。

基于视觉深度学习的烟支缺陷特征识别系统设计

随着数字化技术的发展,视觉中图像信息分析方法对计算机视觉的研究极为重要。而烟支作为卷烟成型的关键工艺加工产品,通过构建缺陷识别系统用于改善质量也显得尤为重要。而计算机算法的改善与图像数据识别效率的提升,能够获得较高的图像检索质量,而通过新一代技术的整合与设计,可以满足新形势下卷烟制造关键环节对新装备、新体系、新模式的场景化应用。国内烟支外观质量检测领域,目前主要采用的是机器视觉技术,在烟支缺陷特征识别应用和发展中仍存在诸多问题。

基于边缘计算的输电线路异常缺陷特征检测方法

为提高输电线路异常缺陷特征检测的准确性和定位的精度,文章提出一种基于边缘计算的输电线路异常缺陷特征检测方法。首先,基于卷积神经网络框架,对样本进行训练聚类,运用先验模块检测不同尺度的缺陷图像的特征,并在全连接层中进行预测,得到最终维度的预测向量。其次,运用边缘计算的绝缘子分割方法,将划分结果作为最大池化值。再次,定义损失函数,计算在损失函数中不同像素对应的损失结果;根据输出特征,寻找对应的特征图,结合语义特征,采用ROI(Region of Interest,感兴趣区域)映射策略检测不同尺度的物体。最后,根据顶点的偏移量进行定位,运用卡尔曼滤波器修正模型的检测结果,以最优估算值作为最优缺陷位置信息。实验结果表明,三相的最大奇异值均超过了设定值30,可以判断线路在0.04 s时发生了三相接地故障,符合预期;同时,定位误差均保持在0.3%内,达到了良好的检测效果。

尖端及气隙联合缺陷下XLPE材料电树枝起始特性及其影响因素研究

交联聚乙烯(XLPE)中内部缺陷是导致电缆中电树枝产生的主要诱因,而电树枝的出现将造成电缆绝缘的整体失效,探寻不同绝缘缺陷特征对电树枝起始的影响规律及机理,可为设计、生产环节中改善电缆绝缘提供理论依据。考虑到凸起及气隙的联合缺陷为电树枝引发的主要诱因,本文搭建了针-电极短电缆实验平台以模拟缺陷下电树枝的引发及生长,并建立了缺陷下电应力物理模型,明确了缺陷模型下各缺陷特征对电树枝起始发展的影响规律。研究表明:XLPE电缆中半导体层缺陷的最大电场分布可采用针-板电极下最大场强Mason模型进行描述;由实验及数值化模型结果分析出缺陷的突刺曲率、微孔压强及材料耐受阈值ΔW_(0)与电树枝起始电压呈正相关,可分别从制造工艺、安装铺设等过程中调控三类缺陷特征,以提高实际工程中XLPE电缆的抗电树枝老化能力。

基于图像识别的高压铸造铝合金缺陷特征分析及缺陷对性能影响的研究

利用温室拉伸、扫描电镜,以及基于深度学习和阈值分割法开发的缺陷自动识别和统计程序,研究了缺陷对高压压铸铝合金机械性能的影响规律。结果表明,高压压铸铝合金铸件不同位置的力学性能具有波动性;对比图像识别程序和人工统计断口缺陷面积结果,验证了图像识别程序的精度;断口缺陷面积和力学性能关系表明,孔隙率和最大缺陷尺寸与延伸率具有相关性,当孔隙率或最大缺陷尺寸上升时,高压铸造铝合金的延伸率呈下降趋势。

基于SMR-RCNN网络的隧道衬砌缺陷智能识别研究

脱空和不密实是隧道衬砌最常见的两种病害。在这两种病害长期作用下会导致隧道出现破裂、渗漏水、钢筋锈蚀,最终造成隧道塌方等问题,严重威胁行车安全。采用探地雷达对隧道进行无损探测是发现这些病害或缺陷的常见方式,但大量雷达数据的人工识别存在着工作量大、效率低、强烈依赖人员的专业素养等问题。本文提出一种基于深度学习的隧道衬砌缺陷的自动检测方法——自监督多尺度池化区域卷积神经网络方法(Self-monitoring Multi-scale ROI Align Region Convolutional Neural Network,SMR-RCNN),以提高缺陷识别的效率,并减少主观因素的影响。在雷达探测隧道衬砌的实践中,数据量巨大,但缺陷样本却很少,这对训练神经网络是一个相当大的挑战。为此,设计了一种数据增强的方法来增加缺陷的样本数量,且使用一种自监督对比学习的网络模型来提取雷达数据的特征,然后将其迁移到改进后的Faster-RCNN网络模型中;最后,使用有标签的样本对改进的Faster-RCNN网络进行细调训练。实验结果表明,相较于传统的Faster-RCNN方法,本文提出的算法增强了神经网络对脱空和不密实两类缺陷的自动识别能力,在检测精度上得到了显著提高,mAP值提升了12%。

纸膜双层缺陷检测的视觉成像光场设计

为实现包装盒纸质基底层和透明膜层缺陷的同步检测,开展了对纸和膜缺陷的同步成像研究。首先,分别建立了标准球面积分光场、椭球面积分光场和弧面积分光场模型,并利用COMSOL Multiphysics 5.6对3类光场进行射线仿真,对比分析了球面积分光场下射线角度均匀性及辐照均匀性,通过正交仿真优化椭球面积分光场参数;其次,在椭球面积分光场环境、亮场前打光环境、暗场前打光环境下对包装盒成像。与此同时,对包装盒的油污、抵触、开口、泡皱、破损5项常见缺陷依次进行物理检测和机器视觉检测,验证缺陷成像的有效性。试验结果表明,在椭球面积分光场下成像,图像对纸质基底层缺陷特征、透明膜层缺陷特征均有较好的呈现效果,图像上油污、抵触、开口、泡皱、破损的物理检出率分别为96.2%、92.5%、100%、95%、92%,异常检出率分别为98.6%、97.5%、100%、100%、98.4%,缺陷类别检出率分别为97.6%、96%、100%、97%、96%。研究结果表明,椭球面积分光场光路角度和辐照强度均匀,覆透明膜包装盒的缺陷特征呈现清晰,满足工业生产的检测要求。

缺陷特征对铝合金疲劳性能的研究

针对铝合金材料,确定不同缺陷特征参数对铝合金疲劳寿命的影响,通过Pearson系数选取与疲劳损伤影响较大的特征参数进行研究,基于Abaqus分析软件建立了缺陷特征的疲劳损伤模型,在特征权重公式的基础上,获得了不同缺陷特征对疲劳性能影响的相对权重,最后达到量化不同缺陷特征对疲劳性能的影响。

基于多任务约束深度学习的水工隧洞缺陷检测方法研究

由于水工隧洞环境复杂、缺陷类型多,数字图像处理技术在隧洞巡检中的应用存在缺陷识别精度低、鲁棒性差等问题。为此,提出了基于多任务约束深度学习的水工隧洞缺陷自动检测方法。该方法在Faster R-CNN深度学习原理的基础上,结合原始目标检测的定位约束、类别约束,增加特征到影像恢复的约束,可以较完整地保留图像以及缺陷特征信息,从而解决部分水工隧洞缺陷样本不全而引起的特征提取不鲁棒的问题。测试结果表明:多任务约束的Faster R-CNN深度学习方法能够较好地识别裂缝、渗水、掉块等多种病害缺陷,有效提高了识别精度,为水工隧洞工程缺陷检测提供了可靠方法。

基于激光扫描成像的机械零件加工缺陷识别方法

为保证机械零件质量和使用寿命,需全面完成机械零件加工缺陷识别,因此,提出基于激光扫描成像的机械零件加工缺陷识别方法。图像采集模块主要以激光扫描成像系统为核心,完成机械零件成像;利用差分算法和分辨率生成式对抗网络模型,重构采集的图像;采用核主成分分析方法,提取激光图像中的机械零件加工缺陷条纹特征值,将提取结果输入支持向量机中,识别机械零件加工缺陷。测试结果表明:该方法的识别精度最高为97%,识别误差最低为1%,识别效率最快为3 s,可有效处理图像中噪声点、提升图像清晰度,实现机械零件加工缺陷识别。

基于图像识别的输电线路设备缺陷识别系统设计

因输电线路所处位置大部分为山区,受环境、气候等条件的限制,无法及时识别输电线路设备缺陷。为了能够保证输电线路正常运行,预防意外事故发生,提出基于图像识别的输电线路设备缺陷识别系统设计方案。通过调用图像识别程序判断线路的周围状况,将图像数据压缩发送到后台服务器,设置存储逻辑对画面分类和存档。将图像直接输入卷积神经网络,利用激活函数生成特征图,获得向量表达抽象图像,优化损失函数。分析输电线路点云数据分布的投射点,提取图像初值匹配,剔除离群特征点,实现线路设备缺陷识别。试验结果表明,所设计系统可以精确地识别出输电线路设备缺陷位置,误差较小,能保证输电线路运行安全。

基于C-V模型的木材缺陷重建图像特征提取

以含有裂纹的柳木木材、含有空洞的椴树木材为样本,实验研究了基于细胞反演法的木材重建图像的特征提取。首先,利用细胞的反向投影方法将木材断层图像进行重建后,对所得图像进行开启化平滑处理;然后,利用C-V模型获取木材断层图像中缺陷部分特征;最后,将测得的木材缺陷面积值与真实值进行比较。结果表明:利用C-V模型可以将重建的缺陷图像特征准确的分割出来,实现了对此细胞反演法重建质量的评价;为木材缺陷重建图像的质量评估提供了方法,为今后木材缺陷监测仪的设计提供参考。

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法.对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像.建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性.实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.

功能成品率估算的缺陷特征参数提取方法

基于微电子测试双桥结构 ,本文给出了缺陷特征参数提取方法 .这些特征参数包含了缺陷在硅片上的空间分布和粒径 (直径 )分布 。

固体火箭发动机装药缺陷特征及危害性影响分析

为得出表征固体火箭发动机缺陷危害性影响因素的参数,统计归纳了其存在的各种缺陷,详细分析了脱粘、夹渣、气泡、裂纹等缺陷的形状特征、位置特征和灰度特征,通过灰度特征分析得出了缺陷周围灰度变化规律。分析了不同位置、不同表面积和不同走向的缺陷对固体火箭发动机造成的不同危害性影响,得出表征缺陷危害性影响因素的参数为缺陷的几何中心、缺陷的表面积、缺陷的最大直径长度、最大直径与轴向夹角。

高精密零件图像缺陷特征快速定位检索仿真

当前零件图像缺陷特征定位检索方法效率和准确性均不理想,提出基于粒子群和加权C均值聚类的高精密零件图像缺陷特征定位检索方法。利用最大值法将彩色高精密零件图像转换为灰色图像,采用邻域平均法对零件图像实行滤波操作,通过Sobel算子加深图像灰度颜色,实现零件图像的锐化。对粒子群和C均值聚类法的初始化参数和最大迭代次数进行设置,以计算粒子对于各个类别中心的隶属度值。根据所得隶属度值构建加权C均值聚类数学规划模型,同时计算粒子适应度函数。更新粒子飞行速度和当前位置,判断检索过程是否满足迭代停止条件,假设满足,将高精密零件图像缺陷特征定位检索结果输出。实验结果表明,所提方法运行耗时平均为0.36h,零件缺陷定位准确率高。上述方法性能优越,鲁棒性强。

低碳铝镇静钢冷轧板中孔洞缺陷特征分析

对生产中常见的低碳铝镇静钢冷轧板孔洞缺陷特征进行了宏观和微观分析。结果表明 :孔洞大致可分为三大类 ,正常拉裂类孔洞主要与基板中的夹杂有关 ;疤块孔洞与坑状孔洞为钢基掉块或异物压入基板形成 ,其它类孔洞形成主要与轧制工艺过程相关。

基于数字算法的印刷品缺陷特征的提取与分类方法研究

使用RLE方法,能够快速提取印刷品缺陷的多种特征。针对不同缺陷特征,使用基于径向基神经网络的方法,依据缺陷目标的特征,对缺陷进行了分类。实验结果显示,径向基神经网络通过对训练样本的训练,对测试样本能够达到良好的分类效果。

浅薄缺陷的脉冲漏磁信号特征量提取

为提高脉冲漏磁对浅薄缺陷的检测能力,提出了一种处理检测信号的二次差分方法,分离出在涡流效应的阻尼作用下产生的脉冲漏磁信号中的涡流分量,即二次差分信号。从二次差分信号中提取出了浅薄缺陷深度的新特征量——峰值时间Pt,并验证了二次差分方法的可行性。试验结果表明,和信号幅值大小相比,将Pt作为浅薄缺陷特征量,在检测浅薄缺陷时对缺陷深度的分辨率较高,同时能够克服检测探头提离所引起的缺陷特征量分辨率严重下降的问题。