基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法。该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别和定位。试验结果表明,本方法可准确识别焊缝缺陷,且具有抗干扰能力强、识别速度快等优点,可有效提升焊装生产线的自动化水平。     

正交异性钢桥面板疲劳裂纹智能检测机器人研究

目前,正交异性钢桥面板(OSD)结构焊缝疲劳裂纹的检测以人工检测为主,其检测工作量大、成本高,同时由于顶板一纵肋结构构造复杂,绝大多数无损检测方法因检测工艺限制难以适用,导致缺陷检测效率低、漏检错检现象频发.为了提高OSD疲劳裂纹检测效率,设计制作了一种集超声波相控阵检测技术与图像识别技术于一体的智能检测机器人.该机器人可以利用电磁铁交替吸附在正交异性钢桥面板上进行安全有效的移动,通过控制上层云台系统配合超声波相控阵检测设备完成缺陷的采集作业,并基于卷积神经网络算法智能识别缺陷图像.详细介绍了智能检测机器人的整体设计和超声波相控阵检测技术,并通过理论分析和室内人工缺陷试块试验对该检测方法进行了验证.结果 表明,将超声波探头放置于顶板位置时,实测缺陷位置与设计值最大偏差为2 mm,缺陷长度最大偏差为5 mm,基本与人工缺陷位置一致,满足检测要求.这种检验机器人技术为实现OSD焊缝缺陷的智能检测提供了新方法.     

隧道衬砌裂缝精细化识别及其评价

为了研究隧道衬砌裂缝形态的精确描述与特征量化,采用隧道衬砌全景图像的方法,以某隧道工程为依托,通过隧道衬砌展开影像生成器软件将采集的衬砌裂缝影像进行特征点提取、匹配、模型识别、图像展开与拼接处理,得到较为全面反映隧道衬砌全景展开图像。从图像增强的预处理、图像边缘检测、裂缝特征区域干扰点去除、裂缝连接及特征统计方面进行算法分析,并通过连通区域标记方法寻找裂缝的端点来确定缺陷在图像中的空间位置及角度方向,运用裂缝像素位置关系原理进行裂缝长度的换算统计,从而提取出衬砌裂缝的详细特征信息,开发出一套隧道表面衬砌裂缝识别评价系统,为隧道衬砌裂缝检测提供一种便捷、高效、全面的综合检测系统。结果表明:该方法运用自主开发的TLIM软件实现了将空间图像转为平面图像,具有很好的描述性及测量性;通过实践证明该方法大大降低了"伪裂缝"的干扰,提高了对裂缝识别的准确率;该方法实现了裂缝的有效连接与连接段裂缝种子的恢复,还原真实裂缝形态信息,从而可以得到详细完整的裂缝统计特征信息;该技术方法实现了对缺陷的精细化描述定位,主要从其裂缝位置、长度、方向等方面进行量化分析;该技术方法目前已在具体工程中获得应用且效果尚佳。     

基于自编码模型的沥青路面表面横缝识别研究

以上海某高速路段为研究依托,采集相关的沥青路面表面图像,利用卷积神经网络提取图像特征后再通过基于长、短期记忆神经网络的自编码模型对路面图像是否含有表面横缝进行识别,并对模型识别效果进行评价。结果表明,该方法可以快速有效地提取图像特征,在样本不均衡的条件下对表面横缝依然有较好的识别能力。     

基于图像处理的车牌识别系统设计

本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。     

自动驾驶中周围车辆识别与信息地图构建技术

为提高自动驾驶时单传感器对周围车辆识别成功率及工程实用性,提出了一种基于相机图像与激光雷达信息相融合的车辆识别和地图构建方法.对相机与激光雷达进行了联合标定和时间配准.对图像中的车辆阴影与激光雷达检测信息进行提取,获得两者间的坐标关联度特征,并根据其阈值范围确定周围是否存在车辆.将相机图像信息与激光雷达检测信息进行融合...     

基于图像连通域的桥梁裂缝提取方法

裂缝是水泥混凝土桥梁的一种常见病害形式,基于图像的桥梁裂缝病害检测是实现桥梁数字化无损检测的一项新技术.为此,提出了一种基于图像连通域的桥梁裂缝提取方法,以实现从桥梁图像上准确识别裂缝,并提取其特征参数.针对水泥混凝土桥梁图像采集时,施工接缝、光照、污损、抖动等因素造成的干扰,主要分3个步骤实现裂缝目标的提取:(1)对...     

基于相位编组法的路面裂缝自动识别

研究了基于数字图像处理技术的路面裂缝自动识别方法,给出了基本的系统组成及工作原理.通过对路面裂缝图像的分析,对比了各种图像增强算法的特点和适应性;结合路面裂缝图像的随机性和目标、背景变化复杂的特点,指出传统方法中仅仅利用灰度变化的幅度作为局部边缘提取的主要度量是存在问题的.提出采用相位编组法进行裂缝提取,并在现场采集大量的图像尝试进行实例验证.结果表明:相位编组法有利于检测出有弱对比度的裂缝,并可以检测到细小裂缝.     

新能源汽车零部件发展现状与检测方法研究

新能源汽车零部件的发展存在对核心技术掌握不足与生产投入不高的问题,导致生产的零部件质量不佳,容易产生一定缺陷,为此,本文结合新能源汽车零部件发展现状,研究零部件缺陷检测方法。首先,分析新能源汽车零部件发展现状,通过滤波处理去除零部件图像噪声,获得平滑的汽车零部件图像;其次,利用阈值分割法分离图像中零部件部分与背景部分;然后,采用canny边缘检测方法提取零部件图像边缘特征;最后,利用形状模板匹配法检测并提取零部件的缺陷位置。在实验论证中,将传统检测方法作为实验对比,设计的方法展示出了很好的检测效果,其对汽车零部件缺陷检测的全类别准确率均达到了90%以上,远远高于传统检测方法。由此可以证明,设计的零部件缺陷检测方法可行有效,能够较准确地检测出零部件的缺陷,该方法在实际应用中具有一定的实用性。     

基于倾向流和深度学习的机场运动目标检测

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%.