边缘提取在涂胶缺陷检测中的方法研究

船舶发动机盖外板与内板之间常涂覆一层防震密封胶,但具体涂胶形态难以观测,常用机器视觉手段获取产品涂胶图片。针对涂胶区域分割和检测精度低,效率慢的问题,提出一种新的边缘提取算法获取涂胶区域。为了避免传统Canny边缘检测方法易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像滤波去燥,增加45°和135°两个方向计算图像梯度,利用改进后的Canny算法获取边缘,对获取到的边缘点用区域生长方式将涂胶区域提取出来,最后将提取到的涂胶区域与标准涂胶区域进行配准和减影,得到减影结果即为涂胶缺陷。试验仿真表明：本算法能够很好的提取到胶水区域,并且获取胶水缺陷。     

船体表面缺陷检测系统研究

首先利用小波变换对船体表面的灰度图像进行特征提取,得到待检测船体表面的六维小波特征矢量;然后根据最小二乘支持向量机,采用逐级分类的方式进行舰船船体表面质量检测;最后通过实验可知,采用中值滤波进行预处理后的识别率要高于采用均值滤波。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

真空镀膜膜层缺陷显微图像的边缘检测

真空镀膜膜层缺陷显微图像的边缘模糊、噪音大等,不利于工艺分析。采用多种边缘检测算子对显微获得的膜缺陷图像进行处理并进行了结果比较,表明：基于小波变换的边缘检测,可清晰突出缺陷图像轮廓、有效去除背景噪声,具有优异的边缘检测性能。     

边缘检测算子在车牌区域检测中的改进

针对车牌图像分割提取这一问题,在传统边缘检测算子基础上,根据模板排列规律,建立矩阵变换关系,提出一种改进算法。经实验证明,将改进算法应用在复杂环境所拍摄的车牌图像处理中,较好的平滑了噪声,边缘检测轮廓清晰,处理时间显著缩短。通过实例,给出了采用改进的算法对车牌图像进行边缘提取的效果。     

基于边缘计算改进的MobileNetV1-SSD表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有边缘端视觉检测大多存在识别率低、模型结构复杂、部署困难、模型推理实时性差等问题。为此,本文以STM32H747微控制器为边缘设备,基于MobileNetV1-SSD轻量化模型,研究了一种融合CBAM注意力机制的表面缺陷视觉检测方法。首先,融合CBAM注意力机制,添加在最后一层的特征提取网络之后,使缺陷目标在检测模型中的特征表达能力得到增强,模型在仅增加少量的参数量的基础上提升模型的检测准确率;其次,对CBAM-MobilenetV1-SSD模型进行预处理;最后,采用X-CUBE-AI工具包在STM32H747微控制器中实现了模型的移植和部署。通过对比实验表明,融合CBAM注意力机制的模型mAP达到83.75%,精度比原算法提高2.75%,参数量仅为1.67M,模型大小为622KB,且部署在边缘设备对软包锂电池表面缺陷检测精度有显著提升。     

基于岭回归方法的船舶操纵运动建模

基于自航模试验的系统辨识方法是一种有效的船舶操纵运动建模方法.通过对舵角和转艏角速度试验数据的分析,用岭回归方法确定了船舶操纵运动数学模型中的模型参数,进行了操纵运动预报仿真并同自航模试验数据对比,数值仿真结果验证了方法的有效性.     

基于遗传算法实现数字图像边缘检测

介绍了遗传算法的基本原理和算法步骤，并通过规定适应度计算方法和设定初始化子群、选择、交叉和变异等过程的重要参数，实现了该算法在图像边缘检测的应用，实例证明该方法可以取得很好的效果。     

图像处理中边缘检测研究方法

图像的边缘是图像的最基本的特征之一，边缘检测是计算机视觉和图像处理中重要的处理技术。综述各种边缘检测的方法，并总结各检测算法的特点。     

印刷缺陷检测中的图像对准

提出一种用于印刷缺陷检测的图像对准算法.对准抽样点取自图像边缘,提高了算法效率,降低了运算量.同时引入遗传算法,避免陷入局部最优.实验表明,该算法能对平移、旋转后的图像进行有效地对准.     

基于信息融合的核管道缺陷检测研究

分析核管道缺陷的特点并进行分类,根据多传感器信息融合技术的原理,确定缺陷信息的融合模式和融合方法,建立基于D-S证据理论的检测信息时空融合流程。仿真和融合计算表明：该方法可以充分利用多种检测方法之间的互补信息以及核管道缺陷检测的历史数据,实现核管道缺陷类型快速而准确的判定,为提高核管道缺陷检测的可信度和智能化水平提供了一种有益的尝试。     

管道外表缺陷红外无损检测和缺陷识别特征方向法

通过对表面存在缺陷的被检测管道内部通以热空气,达稳态后使用红外热像仪记录表面热特征和温度分布,据此实施红外无损检测.检测结论表明这种方法切实有效.文章首次提出了缺陷形状和尺寸识别的特征方向方法,得到一些有益结论.该方法也为实现红外故障智能诊断提供了一条技术路线.     

基于边缘强度的指纹图像二值化方法

提出了一种合理有效的指纹图像二值化方法,先利用Kirsch算子得到指纹图像的方向场,然后对指纹图像进行方向中值滤波,最后通过图像的边缘强度设计局部自适应阈值对指纹图像进行分割,从而得到二值化图像。在自适应阈值的计算上,文中还提出了一种如何选择最佳图像分块大小的方法。实验结果表明,该方法不但处理效果好,而且运算速度快,满足了处理要求。     

基于质心提取的红外图像小目标检测

低信噪比条件下小目标检测技术的研究是红外信息处理中的关键性问题。由于小目标通常属于高频成分,又易于与噪声混杂在一起,更加增加了检测的难度。文章提出了一种基于质心提取的方法对红外小目标进行检测,在对图像不进行滤波的情况下找到目标可能的质心点集合。对这些置信度高的质心点集合进行分类,以确定各个目标的质心以及目标的个数。最后以确定的目标质心点搜索目标边缘,找出其边界并计算出目标的特征参数。该检测方法对噪声也有一定的抑制作用。     

基于AP聚类和深度卷积网络的船舶焊缝缺陷检测

针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.