搜索文献-EPS

中厚板在生产过程中,由于各种因素难免会产生压痕、辊印、划伤等缺陷,严重的缺陷会对下一道轧制工艺产生不良的影响,因此在包含氧化铁皮背景中准确识别出真实缺陷对提高钢铁企业的产品质量至关重要。该文采用尺度不变特征转换(scale-invariant feature transform,SIFT)算子来提取具有尺度旋转不变性的特征向量,并采用Euclidean距离相似性判定度量实现图像匹配,进而识别出中厚板表面缺陷。该文通过大量实验分析并确定各参数取值,最终将SIFT算法应用到中厚板表面缺陷识别,实验结果表明:该算法对辊印、压痕等缺陷的识别率较高,能够达到95%,尤其是对连续出现的缺陷检测效果明显,从而验证了SIFT方法较好的光照不变性、旋转不变性和仿射不变性。

关键词：中厚板表面检测尺度不变局部特征

用于电缆表面缺陷实时检测的计算机视觉系统研究

[期刊] 实验技术与管理 [作者] 何维晟吴照国黄会贤蒋拯俞斌

为提升计算机视觉技术监控电缆质量，开发了电缆表面缺陷实时检测系统。系统使用线阵CCD相机采集电缆表面图像，采用半环形LED白光源照射电缆，通过改进的ROI(region of interest)算法定位电缆区域，改进双边滤波的图像差分算法建立背景模型，基于CV-Kmeans区域分类的自适应滤波窗口算法凸显缺陷特征。结果表明，电缆表面缺陷实时检测系统的识别能力较高，整体准确率达到98.0%，误检率不超过3.29%。

关键词：电缆表面缺陷实时检测计算机视觉图像处理

木质材料表面粗糙度光学付立叶测量方法的研究

[期刊] 林业科学 [作者] 赵学增王金满王矛棣

阐述了木质材料表面粗糙度现有的测量技术与研究现状，研究了木质材料表面的统计模型和一维高斯型木质材料表面光学付立叶变换谱强度分布的模型，并得到了计算木质材料表面粗糙度均方根误差和自相关函数的数学公式。测量两个参数的实验系统，将具有非接触、高测量速度、测量不受被测材料影响和能得到比较多的轮廓信息等优点，进一步完善后，可用于木质材料表面粗糙度的分类检测及监控。

关键词：木质材料,粗糙度,检测

新媒体时代数字图像技术在木材科学中的应用——评《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》

[期刊] 科技管理研究 [作者] 万才超

图像是人类视觉对于物体或事物在系统中进行初步的识别后所形成的最终印象,是人类认识世界及人类本身的重要源泉。随数字化时代的到来,为了能够及时得到快捷并且清晰度较高、不失真等图像,借助现代化技术,数字图像处理技术应运而生。再现性、适用范围广、高效、灵活是数字图像技术最显著的应用优势。数字图像技术特点十分显著,目前在各行各业中发挥着至关重要的作用。

关键词：数字图像技术数字图像处理技术纹理特征提取《基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法》木材表面分类识别木材科学新媒体时代

基于计算机视觉的实木表面智能化分选系统设计

[期刊] 北京林业大学学报 [作者] 李超吕宪伟涂文俊张怡卓

设计一种集实木传送、图像定位与采集、实木板材表面识别与分选的智能系统，系统通过传送带运送实木板材，ＣＣＤ摄像头获取板材图像，在触摸屏工控机ＴＰＣ７００－９１９０Ｔ上应用ＭＦＣ与ＯＰｅｎＣＶ编写分选程序对板材图像进行分析，识别结果通过ＳＴＭ３２单片机控制电磁阀完成实木板材的分类。在图像定位与识别算法中，采用积分投影算法确定板材边界，动态采集板材表面图像；在颜色分类方面，利用Ｌ＊ａ＊ｂ＊空间颜色分量的均值、方差和斜度３个低阶矩表达颜色；在缺陷检测方面，提出了基于纹理填充的缺陷分割方法，通过获取纹理掩膜图像，然后利用板材背景颜色淡化纹理，最后应用加权阈值法完成缺陷分割，分割后计算缺陷面积、边缘灰度．．．

关键词：实木分选在线检测计算机视觉纹理识别缺陷检测

基于改进YOLOv5木板材表面缺陷的定量识别

[期刊] 北京林业大学学报 [作者] 贾浩男徐华东王立海张金生褚晓辉唐旭

【目的】为解决人工及传统数字图像处理方法对木板材表面缺陷识别效果差、效率低等问题，并提高木材利用率。以深度学习模型为基础，构建木板材表面缺陷检测系统，旨在拓展深度学习模型在木板材缺陷检测领域的应用。【方法】基于“Wood Defect Database”公开数据集中的839张木板材缺陷图像，使用Imgaug数据增强库对数据集进行扩充；通过在主干特征网络部分引入SE注意力机制，使用focus、FPN+PAN结构构建YOLOv5木板材表面缺陷目标检测框架，进而采用迁移学习思想改进训练方式，将训练过程分为两个阶段（冻结阶段和解冻阶段）。然后将构建的模型与当前主流深度学习目标检测模型进行对比，最后利用混淆矩阵、Loss值变化曲线、模型大小、检测时间以及均值平均精确率等指标评价模型。【结果】提出了一种基于YOLOv5模型对木板材表面缺陷中活节、死节、裂缝、孔洞的检测方法。模型对死节、活节、裂缝、孔洞识别结果的均值平均精确率分别约为98.66%、99.06%、98.10%和96.53%，并与当前主流检测模型进行比较，改进的模型具有更好的精确率、召回率和综合平均准确率，分别为97.48%、96.53%和98.22%。模型单幅图像平均检测时间为10.3 ms，最大检测耗时20.5 ms，检测效果与泛化特性较好，模型所占内存仅13.7 MB，易于移植。【结论】实验表明改进的YOLOv5模型可用于检测木板材表面主要缺陷。且模型对木板材表面缺陷的识别效果优于其他5种主流检测模型。在维持原有检测精度的基础上，提高了小目标缺陷的识别能力，减少了木板材缺陷漏检的情况，实现在复杂场景下快速检测。

关键词：木板材表面缺陷 YOLOv5 实时检测深度学习定量识别

基于深度智能视觉的表面缺陷检测研究进展

[期刊] 工业工程 [作者] 高艺平王浩李新宇高亮

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用，本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性，对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础，为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分，并分别对分类、定位、分割方法进行系统综述，梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究，因其基础性和易拓展性于不同工业场景的应用呈现分散发展；定位检测以模型框架、矩形框检测和标注成本为主要问题，表现出追求轻量化和特征融合机制的研究趋势；分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题，并对发展趋势进行展望。

关键词：表面缺陷检测缺陷分类缺陷定位缺陷分割

基于表面主要缺陷的锯材外观质量量化评价方法

[期刊] 林业科学 [作者] 杨建华闫磊于航肖江吴健

【目的】提出一种锯材外观质量量化评价方法,探索锯材外观质量数字化检测与评价分级的可行性,为实现锯材外观质量的实时在线检测提供基础理论和技术支撑。【方法】建立由密闭暗室、光源、工业相机等组成的锯材表面缺陷在线检测系统,在稳定光环境下采集样本锯材彩色图像。基于图像处理技术开发软件试验系统,实现对锯材缺陷的检测和识别。分别建立节疤、孔洞和裂缝缺陷外观质量评价模型,并据此提出外观质量综合量化评价方法;通过与国家标准对照,验证本研究提出方法的科学性和可行性。【结果】量化评价方法与锯材材质指标等级进行对照,二者线性相关系数为0.85;锯材材质指标等级除了2级和3级对应的综合量化评价值分布比较分散、等级之间数据有部分交叉外,其他等级之间对应的综合量化评价值分布几乎没有交叉。量化评价方法与集成材层板外观质量要求进行对照,二者线性相关系数为0.88;锯材材质指标等级4级对应的综合量化评价值分布比较集中,与其他等级之间没有数据交叉;锯材材质指标等级1级、2级和3级相邻等级对应的综合量化评价值分布比较分散,等级之间数据有部分交叉,不相邻等级间数据分布没有交叉。【结论】综合量化评价值与依据有关国家标准确定的锯材材质指标等级、集成材层板外观质量要求的线性相关性相对较好,可为实现锯材外观质量数字化检测与评价奠定基础;通过调整模型有关影响系数,可满足不同树种和不同应用需求,以达到较好评价效果。

关键词：锯材外观质量量化评价数字化评价模型

基于DSCS-YOLO的苹果表面缺陷检测方法

[期刊] 南京农业大学学报 [作者] 朱琦周德强盛卫锋左文娟朱家豪

[目的]针对苹果无损检测过程中表面缺陷检测精度低的问题，提出一种基于DSCS-YOLO的苹果表面缺陷检测方法。[方法]首先为提高网络对表面缺陷细节特征的提取能力，设计了一种基于Dense模块以及SE模块的深浅特征选择模块DSCS(Deep and shallow feature selection module)，采用DSCS替换Backbone中的C3模块，在保留表面缺陷浅层信息的基础上强化对重要特征的学习，并起到削弱冗余特征的作用；针对由于Backbone与Neck部分输出信息过多导致的参数耦合问题，利用解耦头原理对Head层部分进行分层预测。同时采用ELU激活函数改进原有解耦头，简化了末端结构，使网络训练更加容易；最后针对表面缺陷标注困难的问题，采用Wise-IoU损失函数代替CIoU损失函数，为不同质量的标注提供非线性增益，实现网络的动态聚焦学习。[结果]试验结果表明，DSCS-YOLO对苹果表面缺陷检测的平均精度均值达到90.9%，相较于YOLOv3-tiny、YOLOv5s、YOLOX-s以及SSD分别提高了4.5%、1.9%、6.3%、16.3%。[结论]改进后的DSCS-YOLO提高了YOLOv5s算法的精度，实现了苹果表面缺陷的精准识别。

关键词：苹果表面缺陷检测特征融合动态聚焦损失函数 YOLOv5s 注意力机制

一种基于混合纹理特征的木板材表面缺陷检测方法

[期刊] 浙江农林大学学报 [作者] 尹建新祁亨年冯海林杜晓晨

利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。

关键词：林业工程灰度共生矩阵 Gabor滤波不变矩木板材缺陷检测

基于随机森林算法的纤维板表面缺陷识别

[期刊] 林业科学 [作者] 刘传泽王霄陈龙现郭慧罗瑞周玉成

【目的】提出一种基于随机森林(RF)算法的分类模型,以实现纤维板表面大刨花、胶斑、杂物、油污的快速、准确识别。【方法】获取100张规格为4 800 mm×2 400 mm的纤维板表面图像,利用Otsu阈值分割算法对图像进行分割,提取缺陷区域的面积(S)、周长(L)、长宽比(OR)、紧凑性(J)、矩形度(P)、圆形性(O)、灰度均值(u)及灰度的标准差(σ_D)、平滑度(σ_P)、偏度(σ_S)、峰度(σ_K)和均方根值(σ_R)12个特征属性的特征值作为试验数据。使用100份试验数据构建RF分类器,采用Bootstrap方法随机抽取2/3数据和8个特征作为输入构建k株决策树,组成RF,以每株决策树袋外数据(OOB)误差率均值作为RF分类器的评估指标确定决策树数量k。采用100张纤维板厂家提供的带有大刨花、胶斑、杂物和油污的纤维板对分类模型进行测试。【结果】当k=600时,RF分类器的OOB误差率均值最低为0.004,利用构建的RF分类器对纤维板厂家提供的100张纤维板进行缺陷识别,正确率为99%,每张纤维板的识别时间为525 ms,在识别时间和正确率上明显优于神经网络(NN)和支持向量机(SVM)。【结论】基于随机森林算法的分类器用于纤维板表面缺陷在线识别具有可行性,能够实现纤维板表面缺陷的快速、准确识别,满足纤维板缺陷在线检测系统的的准确性和实时性要求。

关键词：纤维板缺陷识别分类模型特征提取随机森林

GVF Snake 模型在木材表面缺陷分割的应用研究

[期刊] 中南林业科技大学学报 [作者] 白雪冰郭景秋陈凯李昊许景涛

摘要：针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点，对其直接运用 Snake 模型进行分割难以得到有效边缘提取，因此提出运用改进的 GVF Snake 模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓，同时可以使得缺陷边缘得到有效保留，再对其进行 GVF Snake 模型分割。该算法对初始轮廓的选择敏感度降低，拓展性增强，可以使得轮廓曲线更加快速地收敛到缺陷边缘，避免陷入局部最优现象，提高对弱边缘和凹凸图像分割效果，分割结果更加清晰、连贯，具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法，拓宽了 snake 模型的应用范围。

关键词：关键词:木材表面缺陷木材图像分割 GVF Snake 模型维纳滤波相

灰度直方图在木材表面缺陷检测中的应用

[期刊] 浙江林学院学报 [作者] 尹建新楼雄伟黄美丽

提出了一种基于灰度直方图检测木板材表面缺陷的方法。对图像以4×4像素块作25级灰度直方图分析,根据灰度直方图统计中是否有颜色突变来判别木板材是否存在缺陷。缺陷图片在直方图中表现出双峰特征,利用次波峰确定缺陷部位,但判别时应排除杂色与纹理因素的干扰。比较次波峰与主波峰的值来消除木材杂色所产生的影响,即当差值大于1/10时,次波峰代表缺陷颜色。与此同时,借助于直方图修正排除纹理因素造成的干扰。该方法能有效地识别缺陷图像与正常图像。

关键词：林业工程灰度直方图表面缺陷木材检测

首页
下一页
尾页
第 页

文献操作() 导出元数据文献计量分析

全选

导出文件格式：WXtxt

作者：

删除

推荐搜索

板带钢材表面缺陷检测实验平台开发 GVF Snake模型在木材表面缺陷分割的应用研究基于改进C-V模型的木材表面缺陷图像分割基于计算机视觉测量的物流过程起重防碰撞方法基于计算机视觉的立木树干曲率自动测量方法基于计算机视觉的立木枝干直径自动测量方法计算机辅助教学与材料力学实验开放教学基于社交媒体的汽车缺陷识别方法基于近红外光谱技术的针叶材板材表面节子缺陷检测剑麻纤维强化复合材料计算机仿真研究方法的探索