彩图印前处理技法系列之二有缺陷图片的整体和局部校色

在图片(见图1右上角)中有明显的缺陷:曝光严重不足,并有明显的色偏,可能是原稿先天不足或者是因为扫描过程不当造成的。为得到一幅满意的图片,必须对它大幅度调整黑白极点,并在此基础上从整体和局部各方面对厚图中的关键色(例如麦子的金黄色、蓝天、绿地、红房子)进行逐步校色。

基于轻量化网络的变电站缺陷图片检测算法

保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。

钢卷端部缺陷在线检测技术的实现与应用

基于机器视觉技术的基本原理,宝信软件开发了钢卷端部缺陷在线检测系统,能对钢卷端面质量状况进行清晰的图像呈现,对诸如毛刺、边损、边裂等钢卷端面缺陷进行检测判断,减少由此而引起的下游工序质量异议;也可适时由图像数据库进行钢卷端面质量反查。该技术的开发与应用减轻了质检人员的工作强度,由人工检查实物转向检查图片,减少了细小缺陷的漏检,可在其他钢铁企业推广与实践。

人工智能在光伏组件缺陷检测中的应用

太阳能是一种重要的可再生能源,作为能量转化器的太阳电池,已形成一个具相当规模的成熟产业链,人工智能技术运用于太阳电池及组件的缺陷检测上,将极大地提高产品的质量和生产效率。