摘要：随着数字化技术的发展,视觉中图像信息分析方法对计算机视觉的研究极为重要。而烟支作为卷烟成型的关键工艺加工产品,通过构建缺陷识别系统用于改善质量也显得尤为重要。而计算机算法的改善与图像数据识别效率的提升,能够获得较高的图像检索质量,而通过新一代技术的整合与设计,可以满足新形势下卷烟制造关键环节对新装备、新体系、新模式的场景化应用。国内烟支外观质量检测领域,目前主要采用的是机器视觉技术,在烟支缺陷特征识别应用和发展中仍存在诸多问题。

摘要：交联聚乙烯(XLPE)中内部缺陷是导致电缆中电树枝产生的主要诱因,而电树枝的出现将造成电缆绝缘的整体失效,探寻不同绝缘缺陷特征对电树枝起始的影响规律及机理,可为设计、生产环节中改善电缆绝缘提供理论依据。考虑到凸起及气隙的联合缺陷为电树枝引发的主要诱因,本文搭建了针-电极短电缆实验平台以模拟缺陷下电树枝的引发及生长,并建立了缺陷下电应力物理模型,明确了缺陷模型下各缺陷特征对电树枝起始发展的影响规律。研究表明:XLPE电缆中半导体层缺陷的最大电场分布可采用针-板电极下最大场强Mason模型进行描述;由实验及数值化模型结果分析出缺陷的突刺曲率、微孔压强及材料耐受阈值ΔW_(0)与电树枝起始电压呈正相关,可分别从制造工艺、安装铺设等过程中调控三类缺陷特征,以提高实际工程中XLPE电缆的抗电树枝老化能力。

摘要：脱空和不密实是隧道衬砌最常见的两种病害。在这两种病害长期作用下会导致隧道出现破裂、渗漏水、钢筋锈蚀,最终造成隧道塌方等问题,严重威胁行车安全。采用探地雷达对隧道进行无损探测是发现这些病害或缺陷的常见方式,但大量雷达数据的人工识别存在着工作量大、效率低、强烈依赖人员的专业素养等问题。本文提出一种基于深度学习的隧道衬砌缺陷的自动检测方法——自监督多尺度池化区域卷积神经网络方法(Self-monitoring Multi-scale ROI Align Region Convolutional Neural Network,SMR-RCNN),以提高缺陷识别的效率,并减少主观因素的影响。在雷达探测隧道衬砌的实践中,数据量巨大,但缺陷样本却很少,这对训练神经网络是一个相当大的挑战。为此,设计了一种数据增强的方法来增加缺陷的样本数量,且使用一种自监督对比学习的网络模型来提取雷达数据的特征,然后将其迁移到改进后的Faster-RCNN网络模型中;最后,使用有标签的样本对改进的Faster-RCNN网络进行细调训练。实验结果表明,相较于传统的Faster-RCNN方法,本文提出的算法增强了神经网络对脱空和不密实两类缺陷的自动识别能力,在检测精度上得到了显著提高,mAP值提升了12%。

摘要：以含有裂纹的柳木木材、含有空洞的椴树木材为样本,实验研究了基于细胞反演法的木材重建图像的特征提取。首先,利用细胞的反向投影方法将木材断层图像进行重建后,对所得图像进行开启化平滑处理;然后,利用C-V模型获取木材断层图像中缺陷部分特征;最后,将测得的木材缺陷面积值与真实值进行比较。结果表明:利用C-V模型可以将重建的缺陷图像特征准确的分割出来,实现了对此细胞反演法重建质量的评价;为木材缺陷重建图像的质量评估提供了方法,为今后木材缺陷监测仪的设计提供参考。

摘要：针对隧道衬砌结构缺陷GPR(探地雷达)图像数据短缺问题,提出一种隧道衬砌结构缺陷特征GPR图像样本生成算法(Tunnel Lining Generative Adversarial Networks,TLGAN)。首先,在生成模型中构建双阶段训练网络结构,并提出一种基于ConvNext的双向特征提取方法,利用原始图像和生成图像进行特征双向融合。然后,在判别模型中引入密集连接结构,缓解因为判别模型收敛速度过快导致生成模型训练崩溃的问题。最后,通过在实测的GPR图像数据集上设计实验,验证本文算法的有效性、可行性。实验结果表明,本文算法生成的隧道衬砌结构缺陷特征GPR图像在SSIM和PSNR两种评价指标上,与其他当前主流算法相比具有一定优势,能够生成细节多样、特征明显的隧道衬砌结构缺陷GPR图像。

摘要：为了提高元器件相关零件缺陷检测结果的应用价值,解决现有方法存在的时效性和精准性低的问题,提出基于激光检测的零件缺陷方法并进行计算机仿真。分析零件的缺陷类型及其特征,利用激光技术检测元件是否存在缺陷,为零件缺陷的检测提供数据支持。提取零件缺陷特征,计算缺陷可疑度。针对各种类型的元器件缺陷,实现零件缺陷的检测,根据元器件的缺陷优先级,先后输出检测结果。通过与传统方法的对比,设计的方法的时间开销更少、误检率和漏检率更低,即设计方法在时效性和精准性两个方面均具有明显优势。

摘要：木材的编号与识别算法设计对木材原料与其所对应的加工策略进行精准匹配具有重要的研究价值。但由于木材原料表面存在较多缺陷,当打印的编号在缺陷上时,将会导致所打印编号的特征消失而难以识别。因此,本文提出了容忍缺陷的木材多区段编号及识别算法,该算法的基本思想是将木材原料的前段划分为多个区段,在多个区段上打印相同的编号,以避免单一编号被木材缺陷影响而难以识别。并采用YOLOv5对多个区段的编号进行检测,紧接着将检测结果进行组合判断,最终得出木材的编号。实验结果表明,本文算法能够有效容忍木材缺陷对编号识别的影响,从而显著提升木材编号识别的检出率,具有重要的实际应用价值。

摘要：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。

摘要：针对包装材料的破损问题,提出了基于数字图像处理的自动检测方法,介绍了检测系统的设计方案,并对其主要工作模块进行分析。结果证明该系统能从破损的包装材料图像中提取缺陷图像,实现包装材料表面的破损度自动检测。

摘要：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。