基于非线性扩散与图像配准的印刷品表面缺陷检测

针对目前工业印刷品表面缺陷检测时误判率高、检测效率较低以及缺陷区域信息有限等问题,笔者提出一种基于改进Perona Malik（P M）非线性扩散模型与图像差分模型配准的印刷品表面缺陷检测方法。该方法首先利用非线性扩散模型,在维持非缺陷区域平滑程度保持不变的情况下,对待测图像进行平滑处理,将原始图像与扩散后图像做差分运算以增强缺陷区域的对比度,从而得到差分图像;然后,将差分图像与标准模板图像进行配准,检测得到缺陷所在的区域的特征值,以便对印刷品印刷质量进行分析;笔者搭建了实验平台,来验证本方法的可行性。实验结果表明：该方法能够快速并且有效地将印刷品表面的缺陷检测出来,准确率高达99.97%。该项研究能够满足印刷品生产质量需求。     

半脆弱印刷数字有意义水印算法研究

数字水印技术是在数字作品中嵌入不明显的记号。该文分析了印刷品制作中包含数模-模数转换过程的特性,与数字水印技术相结合,将纯数字域的防伪手段应用到模拟领域中的印刷品上。将印刷品扫描打印过程作为失真信道进行建模分析,并在算法中加入预失真;比较了数字水印各算法,结合印刷品的特性采用并改进特征值分解的方法,嵌入和检测有意义水印,通过该水印对二次扫描打印印刷品脆弱不可检测,来达到防伪的要求。该算法相对于空域算法和其他变换域算法有复杂度低、检测准确度高的优势。     

基于改进YOLOv5的陶瓷环缺陷检测算法

针对陶瓷环缺陷信息微弱且特征各异、种类繁多导致特征难以提取的问题，课题组提出了一种基于改进YOLOv5的陶瓷环缺陷检测算法。首先，在YOLOv5中的Backbone网络添加CBAM注意力机制模块，通过学习的方式在空间和通道上对特征图像进行权重分配，有效地提升模型对于不同类型缺陷通道特征和空间特征信息的提取能力；然后，采用CARAFE算子替换原YOLOv5中的最近邻上采样算子，该模块基于输入特征自适应生成上采样内核，有效的增加模型的感受域；最后，添加一个新的特征融合层，提取较低的空间特征并将其与深层的特征进行融合生成新的特征图，提升模型对小目标缺陷的检测能力。实验结果表明课题组提出的陶瓷环缺陷检测算法检测所有缺陷种类平均精度均值可以达到90.7%，能够实现陶瓷环缺陷的检测。     

基于SURF算法的数码印花缺陷检测系统

针对数码印花生产过程中织物上出现的白丝、斑点以及褶皱等表面缺陷问题,课题组设计了基于加速鲁棒特征算法的印花织物表面缺陷检测系统。主要通过加速稳健特征算法（speeded up robust features,SURF）来进行图像配准;采用双向唯一性匹配法减少误配点,实现图像精准配准,并通过差分算法来提取缺陷信息。实验采用多幅图像对改进SURF算法的性能进行了验证。试验结果表明：新系统对印花织物表面缺陷的检测精度达到98%,达到了实际应用要求。     

基于字典的概率松弛法对焊缝图像中裂纹缺陷的提取

提出了一种在焊缝图像中提取裂纹缺陷的方法。该算法首先对含有裂纹缺陷的图像采用基于偏移量的Laplacian算子进行检测处理,对处理后的图像建立有12个基本容许结构的字典模型,应用字典法提供有效的搜索方法,通过迭代,从邻近目标中提取越来越多的上下文信息处理,有效去除噪声,提取裂纹缺陷。实验结果表明:该算法对纵向裂纹能获得较好的连接性及较清晰的轮廓,且有较好的抗噪性,是一种有效的弱显示裂纹检测方法。     

机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群 优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征 是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果 表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

暗通道先验理论的绝缘子图像去雾算法

以雾霾场景下的绝缘子图像为研究目标,在原绝缘子缺陷检测模型的基础上,采用改进型暗通道先验去雾算法进行图像预处理,以提升绝缘子缺陷检测精度。为保证在图像去雾的基础上具有良好的抗噪性能,并提高图像结构相似度,在传统暗通道先验去雾算法的基础上融入高斯滤波算法与图像对数增强算法,对图像亮度进行调整以增强绝缘子图像特征信息,并对比主流去雾算法去雾后的图像性能指标。仿真结果表明：运用改进型暗通道先验去雾算法得到的图像相对于改进前算法,其PSNR值平均提升6.8 dB,图像SSIM值平均提升0.143,绝缘子缺陷检测精度提升12%。     

汽车接插件注塑生产在线质量检测系统设计

目前汽车接插件进行质量检测时,人工抽检存在效率低、检测准确度不稳定等缺点,课题组设计了汽车接插件注塑生产在线质量检测系统。基于嵌入式技术,设计了由监测、检测和反馈3大模块构成的检测系统结构及实现方式;采用机器视觉技术,设计了汽车接插件的自动化图像检测模块;采用PLC技术,实现了整个质量检测系统的自动闭环在线运行。测试结果表明该系统具有快速、精准可靠等特点,也可应用于其他注塑产品的在线质量检测与控制。该系统能提高汽车接插件质量检测的效率与稳定性。     

基于机器视觉的冲床自动化布料算法研究

针对冲床落料的完成主要靠人工操作,劳动强度大和生产效率低下的问题,提出了实现冲床自动化布料的机器视觉算法。介绍了机器视觉系统的整体结构设计,着重研究了系统中图像采集模块、图像处理模块和控制模块,并对图像处理中自动布料算法的实现过程和优化过程详细阐述。自动布料算法的提出能够实现对不规则板料自动布料和落料工艺,以最小的成本,提高不规则板料的利用率和加工效率,能够大幅度提高中小企业的经济效益。     

基于机器人的附塔管线多功能检测系统

针对附塔管线作业存在危险系数高、检修成本高以及检修难度大等问题，课题组提出了一种基于机器人的附塔管线多功能检测系统。设计了基于机器人的管道爬行器，并介绍了爬行机器人的主要功能和原理；检测系统采用高清视频系统和图像处理算法，实现对管道内部宏观全景图像实时二维拼接查看，同时通过串联脉冲涡流检测和电磁超声测厚模块，实现管道截面损失和管道壁厚的自动测量；设计了一体化信号采集和处理系统，实现多功能检测系统的一体化自动化作业。试验测试结果表明该系统不仅测量精度可靠，也满足工程应用的自动作业等要求。该管线多功能检测系统的应用可有效解决附塔管线检测成本高、检测难度大等问题。     

基于计算机视觉的滚子端面自动检测系统

针对轴承滚子端面目检损害工人视力以及误检率高的问题，课题组基于计算机视觉检测技术设计了轴承滚子端面自动检测系统。首先，设计了图像采集系统采集滚子端面图像，分析滚子端面缺陷类型的特点，通过对图像的滤波处理、最大类间方差阈值法二值化分割，提取了缺陷特征；然后，分别设定相应的感兴趣检测区域（ROI），定义检测目标的最大像素数作为判别缺陷特征的依据；最后，应用LabVIEW软件开发了计算机视觉自动检测软件系统。实践表明该系统能很好地实现滚子双端面缺陷的自动检测，能满足准确、高效、客观的实时检测要求。     

基于视觉模型的双正交小波图像水印算法

提出了一种基于人类视觉系统模型的双正交小波多分辨图像水印算法,该算法充分利用小波多分辨的优点及人眼视觉系统的特性,保证了水印的不可见性及鲁棒性,同时在检测水印时也不需要原始图像,仅需涉及到相关的几个细节子图。实验表明该水印算法对于中值滤波、叠加加性噪声、JPEG有损压缩三种图像处理都是鲁棒的。检测算法还有计算量小,检测速度快的特点。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

基于L0梯度最小化和K Means聚类的织物缺陷检测研究

为了控制产品质量,保障织物的美观和舒适性,针对织物表面的缺陷,课题组提出了一种基于L0梯度最小化和K Means聚类的缺陷检测方法。主要分为2个步骤：首先,使用L0梯度最小化将缺陷图像进行平滑,去除背景纹理的影响,保留图像较大的边缘;然后,使用K Means聚类对平滑后的图像进行聚类,从而分割出缺陷区域。将该检测方法用于纺织厂收集的缺陷图像上进行验证,实验结果表明该方法能准确地检测出织物表面缺陷。该项研究提高了检测效率,满足织物生产的要求。     

面向机器视觉的不锈钢棒材表面螺纹缺陷检测

不锈钢棒材表面的螺纹是棒材磨制过程产生的一种缺陷,严重影响棒材的验收与后续使用,目前针对该类缺陷多采用双目观察、手指感知等人工方式进行判断,漏检率较高。已有的方法多针对钢材表面的划痕、砂眼、凹坑等缺陷进行检测,鲜少对螺纹缺陷进行研究,据此,设计了一种基于机器视觉的螺纹缺陷检测方法,提出了一种快速有效的螺纹特征提取方法,建立了一个不锈钢棒材图像的螺纹缺陷数据集,通过对图像特征进行训练,得到分类器。实验结果表明：提出的算法有效提升了螺纹缺陷的检测正确率和检测速度。     

基于Inception V3模型的金属板材表面缺陷检测系统

针对传统检测设备对金属板材凹凸表面、边缘面等特殊部位缺陷检测困难、识别率低等问题，课题组提出并设计了金属板材表面缺陷自动检测系统。通过CCD相机获取待检测部位图片，使用以Inception V3模型为主的迁移学习算法实现对缺陷的检测。实验结果表明该系统能够准确、高效地检测出金属板材一般及特殊表面缺陷，能够满足工业生产需求。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于sobel算子的道路图像边缘检测算法

应用图像低级特征提取技术中的边缘检测技术能够确定和提取车道线边界信息，为后续完成道路识别、实现辅助驾驶系统等提供了重要依据和基础。传统sobel算子进行边缘检测虽然算法简单、速度快，能满足道路图像边缘检测实时性的要求，但由于只获取了水平和垂直两个方向的边缘梯度信息，且阈值选取全靠人为设置，因此边缘信息检测效果不理想。文中提出改进sobel算子的边缘检测算法，算法通过扩大构造5×5的梯度权值模板计算出图像边缘信息，应用K-means聚类算法获取的最佳自适应阈值完成图像分割，最后通过改进的边缘细化算法，保留了更完整有效的边缘信息。通过实验表明，该算法能够较快、较好的提取道路图像边缘信息，而且具有一定的抗干扰能力。     

基于FPGA的平板式数粒机检测系统

针对目前国内药品检测数粒机大多是多通道数粒机,存在稳定性差、检测精度低等缺陷,课题组提出了基于FPGA的平板式数粒机检测系统。采用现场可编程门阵列（FPGA）作为控制系统的核心,对面阵图像传感器进行参数配置、图像数据采集,并对原始图像进行增强预处理。再由FPGA运用Canny算法获取图像采集单元的药粒目标轮廓信息,运用质心法获取质心位置坐标,采用检测线目标位置预测计数方法实现药品的高速在线检测计数。实验结果表明,基于FPGA的面阵图像传感器数粒机系统可以实现高速度、高精度的在线计数。     

基于现场可编程门阵列的边缘检测系统

针对目前使用CPU或者树莓派图像处理实时性差、边缘检测实际效果差等缺点,课题组提出了基于现场可编程门阵列的边缘检测系统。设计了基于现场可编程门阵列的边缘检测系统的硬件方案,介绍了边缘检测的原理;基于硬件设计了图像采集与处理方案;算法上先通过实验设定卷积核的大小,然后使用Sobel卷积核对获取的图像进行卷积,再使用Robert卷积核进行卷积,并在显示器上显示实时图像处理结果。实验表明该系统的检测效果更加清晰,断点更少。该系统能够并行处理数据,提高图像处理速度,且实际的边缘检测效果好。