基于工业CT图像的工件缺陷智能检测(英文)

基于工业CT图像的工件缺陷智能检测(英文)

论文摘要

针对工业内部缺陷检测问题,提出了基于工业(Computed tomography,CT)图像的工件缺陷智能检测方法。通过分析工业CT切片图像自身特点,提出了以自适应中值滤波和自适应加权均值滤波相结合的方法对工业CT切片图像进行预处理,采用基于灰度变化率的图像缺陷分割算法对工业CT图像中的低对比度信息进行分割,利用Hu不变矩方法对工件缺陷进行特征提取。在此基础上,建立了RBF神经网络模型,采用萤火虫算法进行优化,进而完成对工件内部缺陷的智能识别。仿真结果表明,该方法能够有效地提高缺陷识别准确率,为工业内部缺陷检测提供理论依据。

论文目录

  • 0 Introduction
  • 1 Image preprocessing
  •   1.1 Noise analysis
  •     1) Quantum noise
  •     2) System noise
  •     3) Fuzzy noise
  •     4) Impulse noise
  •   1.2 Denoising
  •     1.2.1 Adaptive median filter
  •     1.2.2 Adaptive weighted mean filter
  • 2 Image segmentation
  •   2.1 Image gray distribution analysis
  •   2.2 Image boundary selection
  •   2.3 Image segmentation
  • 3 Feature extraction of workpiece defects
  •   3.1 Feature extraction of shape defect
  •   3.2 Feature extraction of gray scale defect
  •   3.3 Defect feature extraction based on Hu invariant moment
  • 4 Workpiece defect intelligent recognition
  •   4.1 Intelligent recognition model of workpiece defect based on RBF neural network
  •     4.1.1 Network parameters
  •     4.1.2 Transfer function
  •     4.1.3 Desired output
  •   4.2 Workpiece defect recognition based on firefly neural network algorithm
  •   4.3 Simulation analysis
  • 5 Conclusions
  • 文章来源

    类型: 期刊论文

    作者: 张蕊萍,时佳悦,苟军年,董海鹰,安玫

    关键词: 工业,缺陷检测,图像分割,特征提取,智能识别

    来源: Journal of Measurement Science and Instrumentation 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

    专业: 金属学及金属工艺

    单位: 兰州交通大学自动化与电气工程学院,兰州交通大学新能源与动力工程学院

    基金: Science and Technology Plan Project of Lanzhou City(No.2014-2-7)

    分类号: TG115.28

    页码: 299-306

    总页数: 8

    文件大小: 1016K

    下载量: 261

    相关论文文献

    • [1].石英腕表表盘缺陷检测机器视觉整机解决方案[J]. 电子技术与软件工程 2020(02)
    • [2].金属增材制造缺陷检测技术[J]. 哈尔滨工业大学学报 2020(05)
    • [3].基于深度学习的车辆零件缺陷检测方法[J]. 辽宁科技大学学报 2020(01)
    • [4].基于探地雷达的工程竹缺陷检测研究[J]. 施工技术 2020(15)
    • [5].基于钻入阻抗法的胶合竹缺陷检测研究[J]. 施工技术 2020(15)
    • [6].图像识别技术在食品包装缺陷检测中的应用[J]. 食品与机械 2020(08)
    • [7].基于机器视觉的印刷品缺陷检测方法综述[J]. 上海包装 2020(10)
    • [8].基于数据挖掘技术的牙刷包装缺陷检测方法研究[J]. 佳木斯大学学报(自然科学版) 2020(03)
    • [9].服务器外观缺陷检测系统[J]. 电子世界 2020(17)
    • [10].复杂受力状态下船体加筋板结构缺陷检测[J]. 舰船科学技术 2020(18)
    • [11].用于产品高速运动下缺陷检测的演示装置[J]. 安徽电子信息职业技术学院学报 2020(05)
    • [12].基于深度学习的点胶缺陷检测[J]. 电子技术与软件工程 2019(13)
    • [13].基于涡流检测的电力线夹缺陷检测与分类方法[J]. 中国科技论文 2017(04)
    • [14].基于敲击信号的刹车片内部缺陷检测[J]. 组合机床与自动化加工技术 2017(10)
    • [15].有关阀门缺陷检测方法的分析[J]. 科技创业家 2013(22)
    • [16].公路桥梁内外缺陷与几何力学特性检测研究[J]. 山东农业工程学院学报 2020(06)
    • [17].基于多视角卡牌模型的需求缺陷检测[J]. 计算机科学 2018(10)
    • [18].机器视觉在TFT-LCD暗画面缺陷检测中的应用[J]. 光学仪器 2017(03)
    • [19].超声相控阵缺陷检测聚焦技术仿真分析[J]. 测控技术 2016(07)
    • [20].机器视觉在木材缺陷检测领域应用研究进展[J]. 世界林业研究 2020(03)
    • [21].面向输电线路的锈蚀缺陷检测[J]. 电工技术 2020(17)
    • [22].一种铝塑泡罩药品包装缺陷检测方法[J]. 包装工程 2019(01)
    • [23].基于深度学习的工业零件缺陷检测算法研究[J]. 信息与电脑(理论版) 2019(18)
    • [24].多电极传感器复合材料缺陷检测系统设计(英文)[J]. 机床与液压 2017(24)
    • [25].基于视觉的绝缘子定位与自爆缺陷检测[J]. 电子测量与仪器学报 2017(06)
    • [26].应用深度卷积的涂布缺陷检测方法[J]. 传感器与微系统 2020(03)
    • [27].基于机器视觉的胶囊缺陷检测装置设计[J]. 贵州大学学报(自然科学版) 2020(03)
    • [28].基于热成像的埋地热力管道缺陷检测试验研究[J]. 仪器仪表学报 2020(06)
    • [29].面向二进制程序的开源软件缺陷检测方法[J]. 华北电力大学学报(自然科学版) 2019(04)
    • [30].基于机器视觉的食品包装缺陷检测研究[J]. 食品研究与开发 2016(24)

    标签:;  ;  ;  ;  ;  

    基于工业CT图像的工件缺陷智能检测(英文)
    下载Doc文档

    猜你喜欢