A novel image segmentation approach for wood plate surface defect classification through convex optimization

Detection of wood plate surface defects using image processing is a complicated problem in the forest industry as the image of the wood surface contains different kinds of defects. In order to obtain complete defect images, we used convex optimization(CO) with different weights as a pretreatment method for smoothing and the Otsu segmentation method to obtain the target defect area images. Structural similarity(SSIM) results between original image and defect image were calculated to evaluate the performance of segmentation with different convex optimization weights. The geometric and intensity features of defects were extracted before constructing a classification and regression tree(CART) classifier. The average accuracy of the classifier is 94.1% with four types of defects on Xylosma congestum wood plate surface: pinhole, crack,live knot and dead knot. Experimental results showed that CO can save the edge of target defects maximally, SSIM can select the appropriate weight for CO, and the CART classifier appears to have the advantages of good adaptability and high classification accuracy.

基于改进凸包缺陷算法的扎带定位方法

针对传统视觉在检测捆扎带时存在难检、漏检、定位扎带位置困难和速度慢等问题,提出一种基于改进凸包缺陷算法的扎带定位方法。采用自适应直方图均衡化图像增强算法,以增强编织袋区域与背景的对比度;利用快速凸包算法获得编织袋轮廓的凸包,减少获取凸包的时间;最后,通过改进凸包缺陷算法对编织袋轮廓凸包进行缺陷检测,根据检测结果中凸包缺陷点的位置和缺陷深度进行筛选得到扎带定位点。同时为验证该算法的准确性与鲁棒性,在具有复杂背景干扰的环境下进行实验,将传统凸包缺陷算法与改进后的凸包缺陷算法进行对比分析。实验结果表明:相比于传统凸包缺陷算法无法检测出编织袋轮廓的全部缺陷从而存在漏检,改进后的凸包缺陷算法漏检率为0,定位误差小于4 mm,可有效定位扎带位置并具有较高的鲁棒性。

小龙虾识别与度量关键技术研究与应用

小龙虾的表型性状是水产养殖和遗传育种中非常重要的经济依据,为了精准实现对小龙虾的视觉检测与定位,并对其主体躯干表型特征进行测量。首先提出了一种基于Mask RCNN实例分割模型检测小龙虾的方法,不仅能快速识别小龙虾,还能对其进行实例分割,生成高质量的二值掩膜图。然后在此基础上,提出一种新的小龙虾度量算法:通过提取小龙虾的轮廓曲线,获取其中轴线,采用分区法提取小龙虾的特征区域,再利用凸包和凸包缺陷算法获取小龙虾的特征点,实现对其全长、体长、头胸甲、腹部、尾扇等主要部位的无接触度量计算。结果表明:Mask RCNN模型在小龙虾数据集上具有很好的泛化性能,模型分割准确率达到了94.6%,目标识别的平均检测精度达到了98.7%。各测量指标的平均绝对误差均在5 mm之内,比人工手动测量难度大大减小,并且稳定高效,重复性更好。该方法将有利于生产和选育过程中小龙虾的鉴别及结构尺寸的快速获取。

面向遮挡锥套的定位特征提取方法

在自主空中加油中,锥套加油口的圆形结构常被用于辅助目标定位,然而复杂的背景干扰与插头遮挡使得圆特征提取准确性大大降低。针对背景干扰问题,设计自适应均值滤波器获取加油口质心信息,从而在更小的范围内利用图像学操作得到精确的边缘点;针对插头遮挡问题,提出基于凸包检测的离群点排除算法,增强了特征提取的抗干扰性能。在此基础上,提出基于几何距离的迭代重加权最小二乘来优化椭圆目标,进一步提高了定位圆特征的提取精度。在仿真平台上着重分析了迭代重加权最小二乘算法中K值对拟合精度与效率的影响,同时对拟合算法的精度和抗遮挡性能进行了测试,算法在无遮挡时平均误差小于0.5%,在遮挡率为50%时平均误差小于2%。最后对实际锥套进行特征提取实验,与其他经典算法相比,精度上提高了49.3%,提取误差均值为0.79%,平均处理耗时为13.9 ms,且在锥套被遮挡的特殊情况下,提取误差控制在2%以内。实验结果表明,锥套的定位特征提取方法满足自主空中加油图像处理的准确性、快速性、鲁棒性要求,能够帮助提高自主空中加油对接成功率,减少事故发生的概率。

基于改进凸包算法的手势定位

文中主要介绍了手势分割、手势轮廓、手势凸包、凸包缺陷、指尖定位与手势跟踪,并基于此架构实现对键盘鼠标的模拟。将图像由RGB模型转化为HSV模型后,再通过HSV利用肤色阈值对人手进行分割,从而获得手势轮廓凸包。通过三角形原理计算出指尖与凸包缺陷,解决了手势水平状态下凸包缺陷无法定位的问题。采用单目视觉下的手势跟踪算法进行指尖定位初始化跟踪目标,实现无监督的Camshift实时手势跟踪。实验结果表明,在光照良好的条件下,对键盘模拟的准确率高达90%以上。

消除宽厚板凸起缺陷的压平工艺模型研究

宽厚板的凸起缺陷由于横向、纵向曲率均不一致而难以消除,利用压平机压平时垫铁距离与压下量仅依据经验确定,导致生产效率低,成本上升。针对此问题,提出了曲率分析与能量计算相结合的方法,基于变形能量最小原则,制定压平机消除宽厚板凸起缺陷的最优工艺参数。不仅为宽厚板的压力矫直提供了理论依据,而且为实际生产提供了有效、节能的压平方案。

一种基于嵌入式系统实时交互的手势识别方法

提出了一种在单摄像头条件下基于嵌入式系统的手势识别方法。通过拟合手势图的外接多边形,找出其所对应的手势缺陷图,并建立手势与手势缺陷图的一一映射,利用手势缺陷图的特征来匹配和识别不同的手势。算法还将手势的跟踪与识别有机地统一起来,通过预测下一帧中手势出现的粗略位置大大降低识别步骤的计算量。该算法在实际应用的嵌入式平台下,能快速、准确地实现手势的识别,能够满足实时人机交互的要求。

密封橡胶圈凸点缺陷检测的研究

本文提出了一种基于机器视觉技术的密封橡胶圈产品缺陷的检测方法。利用中值滤波对图像进行去除噪声干扰,然后用canny算法进行边缘检测,并重点对凸点缺陷的边缘检测进行了研究,并由实验验证了本方法的有效性和可行性。

一种基于肤色特征提取的手势检测识别方法

针对手势识别的准确率和识别速度等问题,提出一种基于肤色特征提取的手势检测识别方法。采用OpenCV自有的Haar分类器自动提取面部区域并建立肤色模型,再以肤色模型检测肤色点集合,去除与面部区域重合点集获得手部轮廓,通过综合计算掌心位置,手掌轮廓凸包和凸性缺陷实现手势识别。经验证,该方法能够稳定地定位手掌区域,识别准确度高并能够在保证识别率的基础上实现对手势的快速识别。

基于Kinect深度图像信息的手势跟踪与识别

针对基于视觉的手势识别技术对环境背景要求较高的问题,提出了一种利用深度信息进行手势提取和识别的研究方案。采用Kinect深度摄像头,通过中值滤波以及深度信息与邻域特点来分割手部区域并用Canny算子提取出手势轮廓,再以深度图像的凸缺陷指尖来完成对指尖的检测,从而实现对数字手势1到5的手势识别。该方法可快速有效地对指尖进行检测,鲁棒性和稳定性都比其他方法更好。实验结果表明,该手势识别方案的平均识别率达到92%,证明了该方法的可行性。

基于视觉特征库的交互控制方法

针对现有人机交互控制方法在不同应用场景需要采用不同算法,各种样本库训练费时等情况,提出以凸包缺陷面积和来刻画手掌,不需要添加额外样本库,总结出了以物距、手势特征周长、手势特征面积、凸包缺陷三角形面积和等因素为基础的手势特征库,设计出了手势控制的整套算法,并以幻灯片控制为例,使用VS2008和OpenCV完成了交互控制的软件开发;实验结果表明该方法虚拟交互时间在1 ms内,能很好的识别出2种特定的动态手势,解析出多种控制命令,可用于交互系统控制。

基于HS-CrCb空间的手指数量检测方法研究

手势识别成为未来人机交互的重要方式,本文主要对复杂背景下手指数量的检测方法进行研究。首先通过对比分析不同颜色空间下的手势区域提取方法,提出一种基于HS-CrCb肤色模型的手势区域提取方法,并在实验中提取了更清晰和完整的手势区域;其次,采用凸缺陷、手势形状以及手指夹角等特征对手势进行建模和手指数量检测,算法能准确识别出不同手势下对应的手指数量。在Qt和OpenCV环境下建立算法平台,算法在实验测试中取得了良好的效果,具有较好的工程参考和应用价值。

基于CMOS图像传感器的太阳能电池缺陷检测系统设计

针对太阳能电池生产过程中存在的检测速度慢、自动化水平低等问题,提出一种基于机器视觉的电池片表面缺陷检测系统的设计方案,实现了太阳能电池的自动检测。首先设计了一套视觉硬件系统,用于通过CMOS图像传感器采集电池片图像;图像处理算法中,改进了一种基于形态学凸性分析与相对灰度差动态阈值分割的缺陷特征提取法,并通过检测软件的开发来实现。实验表明,同传统的人工检测相比,系统的检测具有较高的准确度与稳定性,具备较高的实用价值。

铁氧体磁瓦表面典型缺陷检测方法

为解决人工磁瓦表面缺陷检测质量不稳定的问题,提出了一种自动检测磁瓦表面缺陷的方法.首先利用磁瓦轮廓长度、面积等几何特征及轮廓匹配的相似度作为特征向量,采用支持向量机进行初次分类;然后再利用对凸凹缺陷的分析,得到缺陷数量和面积作为特征向量,采用最小均方误差分类器进行二次分类;最后对上述2步结果做与运算,得出最终判断.实验表明本方法可以达到正确识别率约为91.80%,错误接受率约为0.75%,正确拒绝率约为14.00%.

基于SSD算法的航空发动机内部凸台缺陷检测

基于深度学习的背景,提出将目标检测算法用于航空发动机内部凸台缺陷的检测研究。首先介绍了算法的主要特点,通过使用聚类分析方法改进算法产生默认框的生成方式,提高了算法模型对发动机内部凸台缺陷的匹配能力;并采用多种图像处理算法相结合,对目标图像进行预处理来突出凸台缺陷的主要特征,增强了算法模型提取待检测目标的特征信息,从而进一步提高检测算法对于航空发动机凸台缺陷的检测精度。最终检测算法对于凸台缺陷的检测精度达到了95%以上。

网格布断裂缺陷检测方法的研究

针对传统自动化设备在网格布断裂缺陷检测方面的不足,提出了一种基于机器视觉的网格布断裂缺陷检测方法。首先,获取网格布的高对比度图像,利用中值滤波去掉图像中的噪声,采用Otsu阈值分割算法实现目标和背景的分离。根据网格部分断裂和完全断裂的两种缺陷特点,分别设计针对性算法。网格部分断裂的特点是由背景生成的凸包区域内包含有目标物体,因此采用Blob分析和凸包检测相结合的方式,实现对此种缺陷的检测。当网格完全断裂时,缺陷区域与相近区域的位置信息会发生变化,通过分析网格骨架交点生成的圆形区域内连通区域的数目,可以完成网格完全断裂缺陷的识别。实验结果表明,该方法可以应用于网格布的断裂缺陷检测,缺陷识别率在97%以上,可以满足检测要求。

汽车侧围外板中立柱缺陷的产生机理及其解决方法

介绍了汽车侧围外板中立柱部位凸凹缺陷产生的机理及其解决方法,侧围外板是汽车钣金车身上最大的钣金件,开发周期及开发成本均在汽车钣金件开发过程中起着举足轻重的地位,通过研究侧围外板缺陷的产生机理,寻求其对应的解决方案,从而减小开发成本,使其汽车开发成本的最优化。

基于深度图像的指尖和掌心特征提取方法

针对在其他肤色和重叠物干扰下手势分割出现偏差的问题,提出深度数据和骨骼追踪实现准确手势分割。结合凸缺陷的最小外接圆、平均值、最大内切圆三种不同的掌心提取方法来提高不同手势下掌心和掌心区域半径的精确度,通过提取出指尖弧并结合凸包来得到拟指尖集,再通过3步过滤来得到准确的指尖。实验中对6种手势进行了4种变换情况下的检验,其中翻转、平行、重叠的识别率都高于90%,倾斜和偏转分别超过70°、60°时准确度明显下降。实验结果表明了该方法在多种真实手势场景下具有较高的准确率。

基于基准点系统与功能尺寸的轿车尾灯质量缺陷分析及改进

轿车尾灯局部外凸,降低了整车的外观质量.以检测数据为依据,结合生产工艺确定了影响轿车尾灯缺陷的因素,通过改进模具压力加工的孔位、制件在整形时型面下限伸延,增加冲压件焊接夹具上受力等方法,进行了改进.

长轴类大变截面复杂锻件精确成形缺陷控制

针对长轴类大变截面复杂锻件精确成形过程中存在充不满和模具寿命低的问题,采用数值模拟技术与生产试制结合的方法,研究了某微车四拐曲轴精确成形过程中上述两种缺陷形成的原因,提出了一种通过设计适合的预锻模来控制成形过程中金属流动状态、避免充不满和减少锻模磨损的方法。在该预锻模中,采用阻力墙形式构造飞边槽,采用凸形连皮结构连接多个大变截面。通过优化预锻模具的结构参数改善金属在模膛内的充模状态,实现长轴类大变截面复杂锻件精确成形过程中的缺陷控制。结果表明,在预锻模具中距模具型腔的位置为10mm设置斜度为10°,间隙1～2.5mm的阻力墙并采用中间厚度为18mm的凸形连皮连接各个变截面,可以将四拐曲轴终锻模具的寿命由原来的每套4500件提高到每套7800件,将材料利用率由原来的66.2%提高到88.3%。