修复缺陷嫌疑区域的无监督磁瓦表面缺陷检测

磁瓦表面缺陷样本数量少,异常视觉特征分布发散,现有依赖目标特征的有监督检测方法不能有效检测未定义缺陷;磁瓦表面正常纹理呈非均匀且非周期性分布,使得经典重构网络难以准确地重构磁瓦表面正常特征,导致相关无监督检测方法性能低下.为此,采用多头注意力增强的掩码图像修复网络(MIINet),长距离提取图像特征,捕捉全局信息,增强图像修复的能力;引入视觉显著性算法抑制磁瓦表面纹理信息和突显缺陷区域,以便二值化算法精准分割缺陷嫌疑区域;利用MIINet修复待检测图像缺陷嫌疑区域,选用修复前后图像的残差图像和结构相似性实现缺陷检测与缺陷判定.与经典无监督方法相比,修复缺陷嫌疑区域的表面缺陷检测方法的准确率提升了2.36%,F1值提升了1.62%.

基于改进扩散模型的磁瓦表面缺陷检测方法

针对电机磁瓦图像对比度低,噪声严重,存在亮条纹干扰,表面缺陷检测困难的问题,提出一种具有亮区抑制功能的各向异性扩散模型。首先设计出亮区特征描述算子用来区分缺陷和干扰,再构造出新的扩散系数函数。实验结果表明,相比同类算法,该模型在背景平滑、边缘检测、图像分割和缺陷识别上都有明显优势,对气孔和裂纹缺陷的检测准确率分别达到95%和89%。该研究有效增强磁瓦的低对比度图像,提高缺陷检测精度,具有较高的工程应用潜力。

基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法研究

针对磁瓦图像光照不均匀、对比度较低、表面干扰磨削纹理较多的问题,提出了一种基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法。首先,采用改进的同态滤波传递函数将磁瓦图像分解成高频图像和低频图像,用连续均值量化变换增强高频图像,再将增强的高频图像与低频图像融合便能够得到光照较均匀和对比度较高的磁瓦图像。然后,将传统Canny算法中的高斯滤波器替换为相对总变差模型,从而提取出磁瓦缺陷结构;为了提高边缘检测的精度,增加了梯度方向模板求取图像像素点的梯度幅值和方向,并采用基于图像灰度信息的单阈值提取出图像缺陷边缘,提高了算法的鲁棒性。最后,通过形态学处理对检测出的缺陷边缘图像进行填充,并把干扰边缘去除,便可得到磁瓦的缺陷区域。实验结果表明,所提算法对磁瓦表面缺陷检测的效果较好,检测精度较高,且适用于多种类型的磁瓦表面缺陷。