基于图像的石化储罐罐顶锈迹识别算法

大型石化储罐罐区的日常巡检工作繁重,无人机拍摄可有效覆盖储罐罐顶。针对罐顶锈蚀问题,建立储罐罐顶图像数据集,开发基于形状导向的罐体分割和分块集成锈迹识别算法。实验结果表明:①形状导向优化策略保证95%以上的罐顶分割准确度;②分块集成将锈迹识别的准确度提高到80%以上;③与深层网络相比,浅层的分割网络更适用于锈迹识别和罐顶分割。将边缘特征优化和分块集成有机结合,解决了小目标锈迹在整幅图像难以识别的问题,有效提升了锈迹识别的准确度,适合石化储罐锈迹识别领域的实际应用。

基于MLP神经网络的激光除锈检测系统

为了解决激光清洗除锈过程中传统锈蚀识别方法应用于不同锈蚀图像时灵活性差的问题,提出了基于MLP(Muti-layer perception)神经网络的锈蚀激光清洗检测方法。搭建了激光清洗机器视觉检测系统,采用MLP神经网络识别锈蚀图像。研究结果表明,所使用的MLP神经网络模型对不同锈蚀程度、不同光照条件下采集的锈蚀图像的识别结果对实际锈蚀的覆盖率超过95%,误识别率小于6%。采用图像的开运算操作消除误识别的微小区域,根据视觉检测结果生成最小外接矩形,并将其作为激光清洗的感兴趣区域,最终的感兴趣区域对锈蚀的覆盖率接近100%。该方法对提高激光除锈过程的检测效率,促进激光除锈过程自动化具有一定的意义。

基于机器视觉的激光智能去除锈蚀的研究

针对传统除锈工艺在桥梁养护中的一些问题,进行了激光智能除锈的工艺及设备研究。为实现智能识别工件表面锈迹及除锈,采用Python及OpenCV视觉库对16Mn钢表面锈迹进行识别,通过一系列图像处理算法识别出生锈区域,得到生锈区域的位置信息、生锈等级、尺寸信息等,随后使用100 W激光除锈系统对识别出的锈迹进行清除,并对除锈后的工件再次进行识别检测。应用机器视觉辅助的激光去除锈蚀系统后,16Mn表面C、O元素的质量分数下降至5%以下。机器视觉辅助下的激光智能除锈可以快速、高效地识别出工件表面的锈蚀,并利用视觉算法和工艺数据库快速匹配相应的加工工艺参数,从而提高了加工效率、降低了人工成本。