一种基于图像处理技术的水准泡刻线缺陷检测方法

    公开(公告)号:CN109886911B

    公开(公告)日:2020-12-18

    申请号:CN201811170159.2

    申请日:2018-10-09

    Abstract: 本发明公开了一种基于图像处理技术的水准泡刻线缺陷检测方法,具体实施内容为:本发明方法对获取的水准泡刻线灰度图像进行二值化、中值滤波获得二值滤波图像;接着在二值滤波图像中进行轮廓检测,若水准泡刻线轮廓数为2,则对刻线轮廓进行旋转摆正处理;然后获取摆正后的刻线最小外接矩形,求取刻线轮廓连通域面积与其最小外接矩形面积的比值并在矩形内逐行获取刻线行程长度,排除干扰后求取两刻线宽度并计算两刻线宽度偏差;最后通过对刻线连通域面积、刻线连通域面积与其最小外接矩形面积的比值和刻线宽度偏差的限制来判断刻线缺陷存在与否。该方法可用于机器替代人工对刻线缺陷进行检测,解决了人工测量费时费力,效率低下的问题。

    基于SVM的轮速传感器齿圈表面缺陷检测方法

    公开(公告)号:CN109886932A

    公开(公告)日:2019-06-14

    申请号:CN201910070978.8

    申请日:2019-01-25

    Abstract: 本发明公开了一种基于SVM的轮速传感器齿圈表面缺陷检测方法,具体实施内容为:本发明方法采用事先确定感兴趣区域图像的方法,在感兴趣图像中提取缺陷区域图像,从几何特征、灰度特征、纹理特征三个方面选取6个突出的特征参数:像素总数、灰度均值、灰度方差、熵值、惯性矩、逆差矩,构成特征向量;构造SVM的一对一多分类器,利用训练样本的特征向量通过粒子群算法对SVM模型中的惩罚因子C和核参数g进行优化,获取最佳预测模型,最后将待测齿圈展开图像样本的特征向量输入到SVM模型中,进行缺陷检测。该方法可用于机器替代人类对轮速传感器齿圈进行检测,解决了人工检测费时费力、误差大等问题。

    一种汽车表盘指针的快速并行细化方法

    公开(公告)号:CN109949330B

    公开(公告)日:2023-03-31

    申请号:CN201910232572.5

    申请日:2019-03-26

    Abstract: 本发明公开了一种汽车表盘指针的快速并行细化方法,具体实施内容为:先对汽车仪表盘初始图像进行红色单通道提取,并进行二值化、轮廓检测预处理,再提取仅含有指针连通域的图像,采用ZS快速并行细化算法得到初始细化图像,然后进行逐行逐列搜索,找到第一个细化起点,通过先斜线再十字的顺序进行搜索相邻像素点,并规定细化起点八邻域内的方向序号,根据不同的方向条件,分别比较当前像素点与周围像素点以及起始搜索像素点之间的方向关系,将满足条件的像素点压入种子序列,作为新的细化起点,最终种子遍历完成结束细化。本发明方法有效解决了细化图像局部像素冗余与细化分叉的问题,算法具有创新性且鲁棒性佳,同时简单实用,精度高。

    一种推力轴承保持架表面缺陷检测方法

    公开(公告)号:CN109886912A

    公开(公告)日:2019-06-14

    申请号:CN201811170333.3

    申请日:2018-10-09

    Abstract: 本发明公开了一种推力轴承保持架表面缺陷检测方法,具体实施内容为:本发明方法采用OTSU法和最佳阈值对原始推力轴承保持架灰度图像进行二值化处理;对OTSU法获得的二值化图像进行中值滤波,滤除表面缺陷后进行背景差分;在背景差分后的图像上抹去“伪缺陷”后,粗提取表面缺陷;对断开的表面划痕缺陷进行断痕重连后,分类提取推力轴承保持架表面压痕缺陷和划痕缺陷,同时记录对应缺陷的数目;最终在原始推力轴承保持架灰度图像上标记出表面缺陷,实现了一种推力轴承保持架表面缺陷的检测。本发明方法采用机器视觉的方式能有效解决采用人眼识别时费时费力,可靠性差的问题,算法具有创新性且鲁棒性良好,同时简单实用,精度高,可提高相关产品缺陷的检测效率,为相关企业减少用工成本。

    一种基于图像处理技术的水准泡刻线缺陷检测方法

    公开(公告)号:CN109886911A

    公开(公告)日:2019-06-14

    申请号:CN201811170159.2

    申请日:2018-10-09

    Abstract: 本发明公开了一种基于图像处理技术的水准泡刻线缺陷检测方法,具体实施内容为:本发明方法对获取的水准泡刻线灰度图像进行二值化、中值滤波获得二值滤波图像;接着在二值滤波图像中进行轮廓检测,若水准泡刻线轮廓数为2,则对刻线轮廓进行旋转摆正处理;然后获取摆正后的刻线最小外接矩形,求取刻线轮廓连通域面积与其最小外接矩形面积的比值并在矩形内逐行获取刻线行程长度,排除干扰后求取两刻线宽度并计算两刻线宽度偏差;最后通过对刻线连通域面积、刻线连通域面积与其最小外接矩形面积的比值和刻线宽度偏差的限制来判断刻线缺陷存在与否。该方法可用于机器替代人工对刻线缺陷进行检测,解决了人工测量费时费力,效率低下的问题。

    一种汽车表盘指针的快速并行细化方法

    公开(公告)号:CN109949330A

    公开(公告)日:2019-06-28

    申请号:CN201910232572.5

    申请日:2019-03-26

    Abstract: 本发明公开了一种汽车表盘指针的快速并行细化方法,具体实施内容为:先对汽车仪表盘初始图像进行红色单通道提取,并进行二值化、轮廓检测预处理,再提取仅含有指针连通域的图像,采用ZS快速并行细化算法得到初始细化图像,然后进行逐行逐列搜索,找到第一个细化起点,通过先斜线再十字的顺序进行搜索相邻像素点,并规定细化起点八邻域内的方向序号,根据不同的方向条件,分别比较当前像素点与周围像素点以及起始搜索像素点之间的方向关系,将满足条件的像素点压入种子序列,作为新的细化起点,最终种子遍历完成结束细化。本发明方法有效解决了细化图像局部像素冗余与细化分叉的问题,算法具有创新性且鲁棒性佳,同时简单实用,精度高。

    一种推力轴承保持架表面缺陷检测方法

    公开(公告)号:CN109886912B

    公开(公告)日:2021-02-05

    申请号:CN201811170333.3

    申请日:2018-10-09

    Abstract: 本发明公开了一种推力轴承保持架表面缺陷检测方法,具体实施内容为:本发明方法采用OTSU法和最佳阈值对原始推力轴承保持架灰度图像进行二值化处理;对OTSU法获得的二值化图像进行中值滤波,滤除表面缺陷后进行背景差分;在背景差分后的图像上抹去“伪缺陷”后,粗提取表面缺陷;对断开的表面划痕缺陷进行断痕重连后,分类提取推力轴承保持架表面压痕缺陷和划痕缺陷,同时记录对应缺陷的数目;最终在原始推力轴承保持架灰度图像上标记出表面缺陷,实现了一种推力轴承保持架表面缺陷的检测。本发明方法采用机器视觉的方式能有效解决采用人眼识别时费时费力,可靠性差的问题,算法具有创新性且鲁棒性良好,同时简单实用,精度高,可提高相关产品缺陷的检测效率,为相关企业减少用工成本。

    一种基于图像处理技术的水准泡刻线宽度测量方法

    公开(公告)号:CN109883396A

    公开(公告)日:2019-06-14

    申请号:CN201811170082.9

    申请日:2018-10-09

    Abstract: 本发明公开了一种基于图像处理技术的水准泡刻线宽度测量方法,具体实施内容为:本发明方法对获取的水准泡刻线灰度图像进行二值化、中值滤波获得二值滤波图像;然后在二值滤波图像中进行轮廓检测,若水准泡刻线轮廓数为2,则对刻线轮廓进行旋转摆正处理;最后获取摆正后的水准泡刻线最小外接矩形,在矩形范围内逐行获取刻线行程长度,排除干扰后求取水准泡刻线宽度。该方法提高了测量精度,同时可用于机器替代人工测量对刻线宽度进行测量,解决了人眼识别、人工测量费时费力,效率低下的问题。

    一种基于图像处理技术的水准泡刻线宽度测量方法

    公开(公告)号:CN109883396B

    公开(公告)日:2020-11-24

    申请号:CN201811170082.9

    申请日:2018-10-09

    Abstract: 本发明公开了一种基于图像处理技术的水准泡刻线宽度测量方法,具体实施内容为:本发明方法对获取的水准泡刻线灰度图像进行二值化、中值滤波获得二值滤波图像;然后在二值滤波图像中进行轮廓检测,若水准泡刻线轮廓数为2,则对刻线轮廓进行旋转摆正处理;最后获取摆正后的水准泡刻线最小外接矩形,在矩形范围内逐行获取刻线行程长度,排除干扰后求取水准泡刻线宽度。该方法提高了测量精度,同时可用于机器替代人工测量对刻线宽度进行测量,解决了人眼识别、人工测量费时费力,效率低下的问题。

    基于BP神经网络的轮速传感器齿圈表面缺陷检测方法

    公开(公告)号:CN109886931A

    公开(公告)日:2019-06-14

    申请号:CN201910070920.3

    申请日:2019-01-25

    Abstract: 本发明公开了一种基于BP神经网络的轮速传感器齿圈表面缺陷检测方法,具体实施内容为:本发明方法采用事先确定感兴趣区域的方式,对轮速传感器齿圈表面图像进行处理,然后分析表面缺陷的几何特征、纹理特征、灰度特征,选取较为突出的6个特征,即像素总数、灰度均值、灰度方差、熵值、惯性矩、逆差矩,作为训练BP神经网络的特征向量,确定BP神经网络的基本训练参数,利用齿圈表面图像训练样本对搭建好的神经网络模型进行训练学习,然后利用训练好的BP神经网络模型对被测齿圈表面图像进行缺陷检测,并输出检测结果。该方法可用于机器替代人类对轮速传感器齿圈进行检测,解决了人眼识别、人工分类费时费力、误差大等问题。

Patent Agency Ranking