基于改进粒子群优化的K-means聚类的焊接缺陷图像识别

针对传统检测方法对焊接缺陷图像识别的缺点,提出基于改进粒子群算法优化的K-means聚类的焊接缺陷图像识别方法。运用HOG算法提取焊接缺陷图像的特征,利用IPSO算法对K-means聚类模型的聚类点数K进行参数寻优,从而实现对焊接缺陷的检测识别,实验验证表明,该方法能够有效提高焊接缺陷图像的识别效果,总体识别准确度达到94%。

基于特征聚类的轨道不平顺潜在病害辨识

研究目的:轨道不平顺潜在病害隐蔽性强,对其准确合理辨识是开展预防修策略下线路养护维修作业的前提。本文以轨检数据为基础,分别构造了以轨道质量指数(TQI)和轨道不平顺幅值为对象的潜在病害辨识指标。在此基础上,基于k-means++聚类算法和手肘法通过判定样本最佳聚类簇数实现潜在病害的识别及定位。依托某有砟铁路动检数据对所提轨道不平顺潜在病害辨识方法进行了验证。研究结论:(1)对于均值管理来说,在16 km连续轨道区段上2处区段单元潜在病害被准确识别,其历史最大TQI值分别约为5.5 mm、5.3 mm,且潜在病害定位结果与实际里程基本吻合;(2)对于峰值管理来说,在500 m连续轨道区段上2处局部不平顺潜在病害也被准确识别,其历史最大幅值约为3 mm、3.3 mm,潜在病害定位结果与实际里程基本吻合;(3)本研究成果可与大机捣固作业、人工精调作业相结合,为预防修策略下的潜在病害整治提供辅助参考。

基于Mean Shift滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。

基于K-means与SVM的鸡蛋特征检测

机器视觉与机器学习的不断发展对传统的视觉特征提取的影响在不断加强,在实际的使用当中也在逐步替代那些繁杂的人工特征提取的方式,论文从实际应用当中介绍一种基于K-means自动提取特征的方法,其在鸡蛋缺陷检测使用中得到了较好的实际效果。

k-means聚类算法在织物疵点检测中的应用

为检测常见织物的各种疵点,提出一种基于k-means聚类的织物疵点检测方法。对采集的图像进行中值滤波,以减轻纹理对疵点检测的影响,并利用方差采样算法增强织物的疵点特征信息;利用k-means聚类算法对方差采样后的图像进行处理,使得疵点区域被划分一类,非疵点区域划分为一类。最后经过二值化,分割出疵点。实验证明,该方法能快速、准确的检测出织物的常见疵点。与其他方法相比,文章提出的算法采用聚类思想对织物疵点进行分割,不需要利用正常织物图像进行阈值计算;另外经过方差采样算法处理后疵点信息明显增强,使得疵点信息与纹理明显不同,从而使聚类更为准确,增加了检测的准确度。

改进型NL-means算法滤除快中子图像噪声

分析了快中子照相图像的主要噪声特点和传统NL-means滤波算法的不足,提出了一种改进的适用于快中子照相特点的Nl-means图像滤波算法。实验结果表明,改进之后的算法不仅可以有效滤除快中子照相图像中的大量白疵点,而且有效的保护了图像中的边缘与细节信息,可为快中子照相图像的进一步处理提供参考。

Mean shift算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响.为了提高缺陷图像的分割效果,提出了采用Mean shift算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较.测试结果表明,Mean shift算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能.

基于改进K-means聚类的木材缺陷彩色图像分割算法研究

为实现木材缺陷图像的准确分割，研究了在RGB色彩空间使用K-means聚类算法进行木材缺陷图像的分割方法，针对K—means聚类算法图像分割的不足之处，并提出了一种改进方案。在改进算法中，加入对图像像素点的邻域处理，根据邻域特性适时调整原图像，充分利用图像像素的区域特征，以此来抑制一些局部噪声。实验结果表明，改进算法不仅能够滤除较多的干扰信息，而且能更好的拟合分割边界，改善图像的分割效果。

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。

一种用于轴承缺陷图像分割的改进k-means聚类算法

为了实现轴承缺陷无损检测自动化,研究了轴承表面缺陷图像的分割方法。在数字图像处理技术的基础上,提出一种改进的k-means的图像分割算法。先利用二维向量小波变换对图像提取特征,根据表面缺陷特征,运用k-means算法的思想,对其进行改进。试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值。

基于DCGAN和改进YOLOv5s的钢丝帘布缺陷检测方法

为解决钢丝帘布表面缺陷检测准确率低且泛化能力不强的问题,提出了一种基于DCGAN和改进YOLOv5s的缺陷检测方法。首先,通过调整DCGAN网络参数并优化超参数,使生成器能够生成具有丰富特征和清晰纹理的钢丝帘布缺陷图像,从而扩充数据集;其次,采用K-means++算法对钢丝帘布缺陷数据重新聚类锚框,以获得更优的锚框参数,实现锚框与实际缺陷的精确匹配;然后,在YOLOv5s主干网络中的C3模块添加坐标注意力机制,以增强模型的特征提取能力和精确定位能力;最后,引入MPDIoU损失函数替换YOLOv5s原损失函数,进一步提高检测精度。实验结果表明,在实测钢丝帘布缺陷数据集上,采用DCGAN数据增强和改进后的YOLOv5s检测模型,缺陷检测平均精度提高了6.6%,达到了89.4%,并且检测准确率和召回率也有所提高。与其他主流检测模型相比,该模型不仅在检测速度上提高了约30%,还保持较高的检测精度。在公开的NEU-DET数据集上,该模型的mAP值达到了82.6%,较原始YOLOv5s模型提高了3.8%。

基于K-means聚类和LVQ神经网络的 OLED缺陷像素识别

提出改进的K-means聚类分割和LVQ神经网络分类的方法,用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别。首先采用改进的K-means聚类算法对预处理后的打印像素进行分割,然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征,再通过灰度共生矩阵提取其纹理特征,最后通过LVQ神经网络对所述特征进行分类,完成缺陷像素的标记及分类统计。结果表明,本文算法的识别率明显优于其他常用分类识别算法,平均缺陷检测率为100%,分类准确率达到98.9%,单像素检测时间为8.3ms。

基于K-means聚类的磁瓦缺陷图像分割方法

为了实现磁瓦图像中缺陷的准确检测,以分割磁瓦端面崩块缺陷为目的提出一种基于K-means聚类的分割方法。磁瓦图像采集的关键技术是光源选用,分析传统的磁瓦图像分割方法——阈值分割,并以迭代选择阈值算法作为对比算法进行介绍;着重剖析K-means算法的基本聚类原理,并引出其算法实现流程。采用两种算法对磁瓦端面图像进行分割。结果表明,基于K-means聚类算法对磁瓦图像进行分割,能够正确分割出磁瓦端面的崩块缺陷。

基于L0梯度最小化和K-Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K-Means聚类的缺陷检测方法。主要分为2个步骤:首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K-Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域。将该检测方法用于纺织厂收集的缺陷图像上进行验证,实验结果表明该方法能准确地检测出织物表面缺陷。该项研究提高了检测效率,满足织物生产的要求。

基于改进K-means算法的工件表面缺陷分割算法研究

工件表面缺陷的存在影响工件产品的质量以及工件的安全使用,传统的工件表面缺陷检测由人工完成,工作量大且易受到检测人员主观因素的影响,很难保证检测的效率与精度.本文提出了一种基于改进的K-means算法的工件表面缺陷分割算法,将自适应人类学习优化算法应用到Kmeans聚类算法中,使自适应人类学习优化算法初始化K-means聚类算法的聚类中心,最后将改进的K-means聚类算法结合形态学进行工件表面缺陷的检测.实验表明,该算法能够较理想的分割出工件表面的缺陷,具有分割精度高、实用价值较好的特性.

基于改进K-means算法的钢管表面缺陷视觉检测方法

为了利用机器视觉技术检测钢管表面缺陷,设计并搭建了钢管表面图像采集实验平台,针对钢管表面覆盖有氧化铁皮以及弧形外表面易造成光照不均等问题,提出一种基于改进K-means灰度正反求和的检测方法。首先采用垂直投影法获取钢管区域图像,计算得到其灰度反转图像,参照Frankle-McCann Retinex算法原理分别对钢管区域图像及灰度反转图像进行增强,获得各自背景均匀的高对比度图像,再采用改进的K-means算法进行图像分割,得到两个缺陷检测结果,并对二者求和,最后通过图像后处理优化检测结果。构建了不同光照环境下包含凹坑、翘皮、划伤和辊痕等多类缺陷的钢管表面图像样本集进行实验,结果表明本文方法的检测精度较高,对光照不均匀具有良好的抗干扰能力。

Mean shift texture surface detection based on WT and COM feature image selection

Mean shift is a widely used clustering algorithm in image segmentation. However, the segmenting results are not so good as expected when dealing with the texture surface due to the influence of the textures. Therefore, an approach based on wavelet transform (WT), co-occurrence matrix (COM) and mean shift is proposed in this paper. First, WT and COM are employed to extract the optimal resolution approximation of the original image as feature image. Then, mean shift is successfully used to obtain better detection results. Finally, experiments are done to show this approach is effective.

正常眼压性青光眼患者黄斑区血流灌注状态与视野缺损的相关性研究

目的观察正常眼压性青光眼(NTG)患者黄斑区血流灌注状态,分析其与视野缺损之间的相关性。方法纳入2020年1月—2021年2月就诊于上海中医药大学附属曙光医院的符合纳入标准的NTG患者70例(70只眼)作为观察组,选取同期同医院就诊的同年龄段的健康志愿者49例(49只眼)作为对照组。采集受试者黄斑区视网膜浅层血管线性密度(MSRVLD)、黄斑区视网膜浅层血管灌注密度(MSRPD)、黄斑中心凹无血管区面积(FAZ)及观察组患者的视野平均缺损(MD),并对以上数据进行统计学分析。结果(1)MSRVLD:观察组黄斑区下方及鼻侧较对照组下降,差异均有统计学意义(t_(下方)=4.041,P=0.000;t_(鼻侧)=2.945,P=0.004)。(2)MSRPD:观察组黄斑区下方及鼻侧较对照组下降,差异均有统计学意义(t_(下方)=3.291,P=0.001;t_(鼻侧)=2.924,P=0.004)。(3)黄斑中心凹FAZ:观察组黄斑中心凹FAZ面积为(0.21±0.13)mm^(2),对照组为(0.23±0.17)mm^(2)。2组比较,差异无统计学意义(P>0.05)。(4)相关性分析:观察组MD与MSRVLD、MSRPD呈正相关(r_(MSRVLD)=0.387,r_(MSRPD)=0.402,均P=0.001)。结论NTG患者黄斑区存在血流灌注不足,且与MD相关。

结合特征对齐与实例迁移的跨项目缺陷预测

为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题,提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法(FAIT)。首先,在特征对齐阶段,根据边缘概率分布进行特征的边缘分布对齐;然后,基于源项目和目标项目构建条件分布映射矩阵完成条件分布对齐;最后,在实例迁移阶段,通过改进了权重调整策略的TrAdaBoost方法构建跨项目缺陷预测模型。以F 1作为评价指标,当目标项目有标签实例比例为20%时,FAIT性能最佳,且两过程特征对齐优于单一过程特征对齐。此外,FAIT的预测性能在AEEEM和NASA数据集上分别提高了10.69%、15.04%。FAIT在一定程度上解决了源项目与目标项目的分布差异,能够取得较好的缺陷预测性能。

人外周血脂质水平和炎症指标与原发性开角型青光眼的关联性

目的探讨外周血脂质水平和炎症指标与原发性开角型青光眼(POAG)的相关性。方法采用病例对照研究, 收集2016年1月至2022年3月于汕头大学·香港中文大学联合汕头国际眼科中心确诊为POAG的86例患者作为POAG组, 同时收集年龄、性别、体质量指数相匹配的86例单纯年龄相关性白内障患者作为对照组。采用Goldmann压平式眼压计测量眼压;采用Humphrey视野分析仪测量视野平均缺损(MD)。采集各组受试者外周静脉血, 使用全自动生化分析仪检测总胆固醇、总甘油三酯、高密度脂蛋白(HDL)、低密度脂蛋白(LDL)和C反应蛋白表达水平。使用全自动血液分析仪检测白细胞、中性粒细胞、淋巴细胞、单核细胞表达水平。筛选2个组间差异有统计学意义的指标作为自变量, 采用多重Logistic回归分析POAG的危险因素。采用Pearson线性相关分析确定各危险因素与POAG患眼眼压及MD之间的相关性。结果 POAG组HDL水平为(1.59±0.42)mmol/L, 明显低于对照组的(1.76±0.50)mmol/L, 差异有统计学意义(t=2.435, P=0.016)。POAG组LDL水平为(3.34±0.66)mmol/L, 明显高于对照组的(3.08±0.71)mmol/L, 差异有统计学意义(t=2.520, P=0.013)。POAG组白细胞水平为(6.91±1.60)×109/L, 明显高于对照组的(6.11±1.29)×109/L, 差异有统计学意义(t=3.619, P<0.001)。多重Logistic回归分析结果显示, 外周血LDL水平升高(P=0.039, OR=2.354, 95%CI:1.105~5.303)和白细胞水平升高(P=0.044, OR=1.310, 95%CI:1.007~1.703)是POAG发病的危险因素。Pearson相关分析发现, POAG患者外周血LDL和白细胞水平均与眼压呈中等强度正相关(r=0.610, P<0.001;r=0.358, P=0.001);LDL水平与MD呈中等强度负相关(r=-0.496, P<0.001), 白细胞水平与MD呈弱负相关(r=-0.235, P=0.030)。结论外周血LDL和白细胞水平升高是POAG患病的危险因素, 并与POAG患者眼压呈正相关, 与MD呈负相关。