共查询到20条相似文献,搜索用时 15 毫秒
1.
为实现不同载荷下船体框架变形程度自动精准检测,设计一种新的船体框架变形程度自动检测系统。此系统的光电探测模块由线阵CCD相机,采集船体框架变形图像后,通过图像采集和传输单元将采集的图像打包整理,使用网络交换机传输至中心控制台的工控计算机,工控计算机启动基于相机位姿的船体框架变形程度测量模型,结合线阵CCD相机位姿数据,计算获取图像中船体框架变形检测点的实际变形量,完成变形程度自动检测。经实验验证,所设计系统在6级海况载荷、8级海况载荷工况中,对船体甲板框架变形程度自动检测结果,与实际值不存在明显的异常偏差,吻合度显著,可实现不同载荷下船体框架变形程度自动精准检测。 相似文献
2.
基于船体焊缝人工检测方式劳动强度大、效率低等现状,针对未融合、裂纹、气孔和焊瘤等典型焊缝缺陷,研究图像预处理和轮廓提取算法,对焊缝特征参数计算方法进行改进以降低图像处理运算量,提出基于有限样本的船体焊缝缺陷识别流程.最后应用OpenCV和C++编程,以焊缝缺陷正确识别率为标准,对图像处理算法和识别流程的有效性进行验证. 相似文献
3.
针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题,提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤,降低检测复杂度;利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题,加快损失函数的收敛速度。通过优化算法的边界框回归损失函数,提高算法模型的定位精度;同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明,改进算法的检测平均精度均值为93.3%,检测速度为41帧/秒,能提高船舶类铝型材弱缺陷检测的效率和自动化程度。 相似文献
4.
5.
6.
现有的电子组件缺陷自动检测分析方法均存在着检测效率低下的弊端,为此提出嵌入式平台下船舶电子组件缺陷自动检测分析方法研究。通过对电子组件图像的预处理得到电子组件缺陷目标图像,采用数据拟合方法对图像进行分割,以此为基础,对电子组件缺陷特征进行提取,利用决策树模型计算电子组件缺陷图像的决策因子,将其与标准决策因子进行比较分析,实现了嵌入式平台下船舶电子组件缺陷的自动检测分析。通过实验得到,与现有的电子组件缺陷自动检测分析方法相比,提出的电子组件缺陷自动检测分析方法得到的电子组件缺陷目标图像质量与检测效率更高,充分说明提出的电子组件缺陷自动检测分析方法具备更好的检测性能。 相似文献
7.
8.
传统的舰船电子系统缺陷自动检测方法在对检测信号进行采集分析时,会受同频干扰的影响,导致数据失真,缺乏可靠性。为解决这个问题,在嵌入式平台下设计舰船电子系统缺陷自动检测方法。在嵌入式平台中提取舰船电子系统缺陷特征,并针对不同特征类型进行分类处理,利用神经元计算模型,将其分为3类,在完成上述操作步骤后,依据舰船电子系统缺陷统计表,完成自动检测。由此完成舰船电子系统缺陷自动检测方法的设计。实验中随机在嵌入式平台中选取8个缺陷特征,采用数值对比的方式,对比2种检测方法的可靠性,由实验对比结果可知,所提方法可靠性更高。 相似文献
9.
10.
近年来,机器人技术的发展日新月异,不论是在工业领域还是家用智能电器,机器人发挥着越来越重要的作用,船舶工业也不例外。由于大型船舶的结构尺寸大,外船体采用焊接工艺,船体焊缝的缺陷检测是一道重要的检测工序,而传统的人工检测需要进行登高作业,且效率很低,因此,采用爬壁机器人和自动检测技术非常有必要。本文首先介绍磁吸式爬壁机器人的结构和力学原理,在此基础上开发爬壁机器人船舶远程控制系统,并对爬壁机器人的船舶质量检测工具进行了详细介绍,有助于提高现有船舶检测过程的质量和效率。 相似文献
11.
针对海面环境复杂、船舶目标检测存在检测精度不高和效率低的问题,以及船舶数据集不平衡的现象,提出一种改进YOLOv4算法的船舶目标检测方法。对图像进行预处理,增强船舶图像的有用信息,减少计算量;采用图像增强方法扩充不平衡数据集的小样本数量,提高各类船舶目标检测的准确性;采用改进的K-means++聚类方法重新设计先验锚框,使锚框和目标的边界框更加匹配;采用Softer-NMS对非极大值抑制算法进行优化,对预测框进行后处理,提升模型对密集船舶的检测能力和定位精度。通过开展多组对比试验发现,采用改进的检测算法对10类船舶目标进行识别,精确率P、召回率R和交并比(IOU)等都有很大提高,平均精确率(m AP)值达到96.78%,相比YOLOv4算法提升23.79%;检测速度达到31.2帧/秒,在显著提高检测精度的同时,能缩短检测时间,达到很好的检测效果。 相似文献
12.
13.
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。 相似文献
14.
传统的船体焊接坏点识别方法会受周围因素的影响,无法得出准确的识别结果,为了解决这个问题,提出基于智能视觉的船体焊接坏点识别方法。利用智能视觉技术采集船体焊接图像,并对图像进行二值化处理,得到经过去燥处理的船体焊接图像,在完成上述步骤后,利用智能视觉船体焊接坏点识别模型对船体焊接坏点结构进行故障识别,为确保识别结果的准确性,应用映射计算法对其进行进一步处理。由此,完成基于智能视觉的船体焊接坏点识别方法的设计。在实验中,随机选取800张船体焊接坏点结构图像,分别对这2种方法进行实验分析,实验结果表明,所提方法的准确性更高,更适合推广使用。 相似文献
15.
16.
计算机视觉在船舶焊缝缺陷识别的应用 总被引:1,自引:0,他引:1
大型集装箱运输船舶在海上航行时,会受到极端恶劣的气象条件影响(海浪、海风等),导致船体结构出故障。由于大型船舶的甲板、船体等壳状结构均采用焊接的方式组成整体,因此,船舶焊接的质量决定了船舶结构强度和防水性等,具有非常重要的意义。为了保证船舶的焊接质量,必须要进行焊缝的缺陷识别与检测。本文基于计算机视觉与图像处理技术,研发了一种新型的船舶焊缝识别系统,对改善船舶焊缝的缺陷检测水平有重要作用。 相似文献
17.
18.
19.
20.
对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络(GAN)的图像增强方法。首先以图像分割(U-Net)网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。 相似文献