基于ACFM的油管缺陷在线检测实验平台设计与测试

针对油管缺陷检测实验不稳定、自动化程度较低等问题,采用LabVIEW数据采集处理技术和虚拟仪器软件体系结构串口通信技术,设计了基于交流电磁场检测技术的油管缺陷在线检测实验平台,并开展相关测试,实现了实验室条件下油管表面缺陷的高精度自动化检测。采用LabVIEW虚拟控制面板能够同时控制台架运动和缺陷特征信号的采集、处理和动态实时显示,节约了硬件成本,降低实验教学课时。     

基于LabVIEW的ACFM网络实验平台开发与测试

针对交流电磁场检测(alternating current field measurement,ACFM)技术教学实验的需要,借助LabVIEW构建服务器和远程客户端之间一对多通信的ACFM网络实验平台,设计含服务器程序和客户端程序的TCP网络通信模块,以通信端口和IP地址为标示,服务器循环监听客户端连接请求,对通过请求的每个客户端逐个发送信号,实现ACFM检测信号的网络传输。采用真实缺陷ACFM检测实验进行实验验证,实验结果表明:该实验平台能够完成服务器端ACFM缺陷检测信号数据的网络发布以及远程客户端的实时信号接收和通信,接收信号与原信号一致,能满足实验教学要求。     

基于机器视觉的板材表面缺陷检测方法

基于机器视觉技术对板材表面缺陷检测进行研究,设计了在线检测的硬件系统和软件处理流程,介绍了图像预处理、图像分割和目标提取等处理方法并对缺陷图像进行相应处理。利用C#软件对板材缺陷在线检测进行人机交互界面设计和在线调试及在线检测。实验结果表明,本检测方法可行,误检率低,可很好地应用于木材自动化生产过程的在线检测。     

基于线阵CCD的车轮表面缺陷检测系统的图像预处理研究

介绍了车轮表面缺陷在线检测系统的工作原理和结构组成,对荧光磁粉的激发光谱和发射光谱以及UV(紫外)LED的发光特性进行了分析和研究,重点介绍了缺陷检测系统的数字图像处理和模式识别技术。经过高精度线阵CCD提取的检测图像,通过采用图像增强、平滑去噪、边缘提取以及二值化等方法,可以有效的识别出可疑的缺陷,完成缺陷在线检测系统的识别报警等。     

基于自动位置补偿的缺陷检测图像处理技术

提出一种具有自动位置补偿功能的缺陷检测技术，有效地提取图像的缺陷信息．通过CCD实时准确地采集图像，利用特征提取与边缘检测对图像进行操作，运用多种图像处理技术，结合PLC自动控制，对缺陷信息进行自动检测，从而实现边缘检测与自动位置补偿的有机结合，在环形区域的缺陷检测上得到很好的应用．     

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。     

基于AI算法的3D打印缺陷检测方法研究

针对3D打印的缺陷检测问题,提出了基于人工智能(Artificial Intelligence,AI)算法的缺陷检测方法.结合基础网络和额外特征卷积层,设计了缺陷检测器(Defect Detector based on AI,DDAI).使用增强技术对数据集进行扩充,并使用扩充后的数据集对DDAI进行训练.将训练后的DDAI部署到实时的3D打印应用环境中,进行实验对其进行性能评估.实验结果表明,DDAI可以准确检测出3D打印对象的缺陷.     

基于自动位置补偿的缺陷检测图像处理技术

提出一种具有自动位置补偿功能的缺陷检测技术,有效地提取图像的缺陷信息.通过CCD实时准确地采集图像,利用特征提取与边缘检测对图像进行操作,运用多种图像处理技术,结合PLC自动控制,对缺陷信息进行自动检测,从而实现边缘检测与自动位置补偿的有机结合,在环形区域的缺陷检测上得到很好的应用.     

基于机器视觉的日用瓷表面缺陷检测

为了检测釉面陶瓷表面的斑点、划痕、崩角等常见缺陷,提出了一种采用同轴光照方式和CCD为图像获取工具的数字图像实时在线检测系统.该系统根据地方企业生产的白釉面陶瓷的特点,通过边界提取和图像形态学闭运算获得图片的ROI（感兴趣区域）,再与经过分离中值滤波算法处理过的ROI进行对比,从而确定陶瓷的缺陷信息.实验表明：该方法不像传统的神经网络和SVM算法需要建模,所以检测速度较快,且准确度高,检测效率超过3个熟练工人,可以满足当地企业生产陶瓷种类多且外形不定的检测要求.     

复杂腔体零件机器视觉图像亚像素边缘检测

基于复杂腔体类铸造零件机器视觉系统中的边缘检测问题,提出了一种改进的灰度矩亚像素边缘检测方法。提出了以模糊模型代替阶跃模型,将误差函数运用到矩方法的边缘检测算法。通过实验对检测精度和运行速度进行了对比,结果表明,改进的灰度矩边缘检测算法比传统算子具有更高检测定位精度和更快的速度,可满足图像目标高精度实时在线测量要求。