基于YOLO网络模型的多类别标签缺陷检测

由于热转印滚筒温度的变化,热转印标签在转印的过程中会出现热转印标签褶皱、脱模不完全等问题。针对某些较大标签存在缺陷种类较多及未知缺陷的问题,提出了一种基于YOLO网络模型的多类别标签缺陷检测方法,将自适应匹配缺陷检测方法与改进的YOLO网络模型相结合,增加注意力机制模块以提高小目标缺陷的检测能力。在处理过程中,首先,对不同区域内的标签进行快速定位及预处理;然后,针对不同区域使用不同的检测方法进行检测;最后,将不同区域结果融合,判断检测结果。试验结果表明,基于YOLO网络模型的多类别标签缺陷的检测方法能够有效进行热转印标签的缺陷检测,检测准确率达98%,能够满足实际的生产要求。

基于机器视觉的风力机叶片故障检测技术研究

针对运行中的风力机叶片,提出一种基于机器视觉特征分类的故障诊断方法。通过对叶片叶尖进行圆形标记,利用工业相机周期性获取叶片尖端的图像,并在Halcon软件上对图像进行预处理,对大雾天气下采集的图像利用暗通道除雾算法进行清晰化处理。利用叶尖标记检测算法提取标记、计算区域圆度和区域中心等区域特征。对相邻叶片上标记计算位移差,并与系统预警阈值比较,判断叶片在扭转或偏摆方向的变形程度和故障趋势,从而实现风力机叶片变工况运行状态在线检测和自适应预警。