AN EFFICIENT LABELLING ALGORITHM FOR WOODPANELS SURFACE DEFECTS

This paper describes an efficient approach for labeling images using a combination of pipeline (Datacube) and (general purpose computer) processing. The output of the algorithm is coordinate list of labeled object pixels that facilitates further high level operations. It is an efficient labeling algorithm for a automatic classification of surface defects on wood boards.

融入协调注意力的MobileNetV2模型对铝带材表面缺陷识别的研究

在高端铝合金板带材生产过程中,准确、快速地识别和分析铝带材表面缺陷是控制带材表面质量的基础,也是现代智能生产过程智能感知的重要基础。针对气垫式连续热处理及表面处理生产线的高端铝合金汽车板、航空板的表面质量缺陷问题,采用融入协调注意力的MobileNetV2模型进行缺陷图像识别,提高模型对铝带材缺陷图像特征提取能力;融入协调注意力的MobileNetV2模型的准确率高达94.97%,准确率比原始MobileNetV2模型高1.34%,效果比肩ResNet50、VGG16模型;融入协调注意力的MobileNetV2模型的参数量仅1.52 MB,远远低于ResNet50、VGG16模型的参数量;该模型对缺陷识别精度高、识别速度快,具有很好的应用价值。

AI图像识别下的木材表面缺陷结构光视觉检测方法

针对木材表面视觉特征复杂,嵌补平整过程不能适应木材以及节子的多样性变化的问题,提出基于AI图像识别下的木材表面缺陷结构光视觉检测方法。对结构光视觉技术加以分析并标定光平面,采用Faster-RCNN初步检测木材表面缺陷,定位其缺陷边框并识别缺陷类型,再通过非局部均值滤波法和改进的MSRCR处理图像,精细化分割区域图像,利用改进的最小二乘椭圆拟合方法生成最优椭圆轮廓,实现木材表面缺陷结构光视觉检测。实验结果表明,所提方法的结构光视觉图像预处理效果更好,召回率在95%以上,识别准确率最高可达99%左右,分类准确率最高可达97%左右,检测所用时间更短。

基于局部二值拟合模型的板材表面节子与虫眼的图像分割

为了更好地对板材表面的节子和虫眼进行快速有效的分割,对局部二值拟合(local binary fitting,LBF)模型进行了深入研究,从而提出一个改进的LBF模型,即在LBF模型的基础上,添加一个新的水平集线性正则化项,与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服LBF模型的分割缺点,使得分割过程对初始轮廓的大小和位置不敏感,同时增强算法的抗噪性,能够分割出灰度不均匀的图像。经实验验证,该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像,以及对应得出与缺陷图像相对应的水平集演化图像。

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。

GVF Snake模型在木材表面缺陷分割的应用研究

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点,对其直接运用Snake模型进行分割难以得到有效边缘提取,因此提出运用改进的GVF Snake模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓,同时可以使得缺陷边缘得到有效保留,再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低,拓展性增强,可以使得轮廓曲线更加快速地收敛到缺陷边缘,避免陷入局部最优现象,提高对弱边缘和凹凸图像分割效果,分割结果更加清晰、连贯,具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法,拓宽了snake模型的应用范围。

基于图像分割的钢板表面缺陷识别

钢板的表面缺陷是影响钢板质量的主要因素,通过改进轧制工艺可以减少缺陷发生外,及时检测出钢板的表面缺陷也非常重要.对于钢板表面缺陷的检测,需要获取图像,然后对图像进行初步处理,重要的步骤就是对缺陷进行分割.基于图像灰度信息的不同,本文采用了两种图像分割模型(C-V模型和H-T-B模型),当图像的灰度信息均匀时,采用C-V模型对图像进行分割;当图像的灰度信息不均匀时,则采用H-T-B模型对图像进行分割.通过两种模型的组合应用可以对钢板的各类表面缺陷进行识别,获取缺陷区域,有利于提高钢板生产质量.

基于改进GAC模型的木材表面缺陷图像分割

为提高对木材表面缺陷图像分割的准确率,对木材表面缺陷图像采用传统GAC模型算法和改进GAC模型算法进行多组对比试验,与此同时研究改进算法中迭代步长、迭代次数、常数速度、反差参数等参数对木材表面缺陷图像分割结果的影响。通过试验验证了改进GAC模型算法的可行性、快速性和准确性,能够克服传统的GAC模型欠分割的缺点。

一种自适应的木材表面缺陷图像分割方法

木材表面缺陷图像的分割是木材表面图像处理中的基础性难题,针对这一问题提出了一种基于测地线活动轮廓模型的木材表面缺陷图像的分割算法。采用图像梯度信息对此模型进行了改进,使其更适合对木材表面缺陷的分割。实验表明:改进的测地线活动轮廓模型算法结合了图像梯度信息,对死节、虫眼、边缺及树脂纹几种常见木材表面缺陷图像的分割取得了比较理想的分割效果,相对于传统测地线活动轮廓模型有所提高。