摘要：针对接触网应用环境复杂,定位线夹体积小、安装方向特殊、不易识别,传统的目标检测算法效果较差等问题,基于多尺度特征融合密集连接网络模型,提出了一种接触网定位线夹缺陷检测新方法。首先结合DenseNet与Inception模块对SSD模型的特征提取网络进行改进,在特定的特征层间共享上下文信息,提升特征提取能力。然后从网络深层到浅层,逐级采用FPN融合SSD检测的多尺度特征图,设计多特征融合的密集连接网络模型,最后将f GIoU作为边框损失函数,在训练中优化真实框和预测框的重合度。对采集的某段接触网定位线夹图像数据集进行检测识别。结果表明:该定位线夹缺陷检测方法可在复杂接触网背景下,对定位线夹脱落和松动进行检测,且在不同角度、亮度的图像中均具有较强的鲁棒性。

摘要：为了提高传送带移动目标超声信号故障识别精度,解决传统判别方法受特征向量中的个别特征预测异常值影响大的问题,设计了一种极限学习机(ELM)优化多变量预测模型模式识别(VPMCD)的ELM-VPMCD方法,并开展了超声缺陷信号识别实验,分别对40,80,120,160 mm^(2)输送带的缺陷进行模式判断。研究及实验结果表明,ELM-VPMCD方法比VPMCD方法的综合识别准确率提升了5%,且可以对部分VPMCD方法无法识别的样本完成准确分类处理,具备更优的综合性能。同时,在处理测试样本特征值误差分布时,ELM-VPMCD方法可以对预测异常特征起到明显削弱作用,并对预测误差较小特征占比起到放大效果,产生了与测试样本一致的结果,可以准确分类常规方法判别出错的样本,确保分类结果比常规方法更精确并增强了稳定性。该研究对提高带式输送机表面缺陷模式识别的精度判定具有很好的理论支撑意义,有助于提高特征值间的内在关系。

摘要：作为我国优秀文化遗产书法与国画的主要载体,宣纸需始终保持较高质量,最大程度上避免缺陷以影响外观与使用,这就要求造纸企业必须高度重视宣纸缺陷识别与检测,以机器识别软件替代人工识别检测,并引进合适的识别算法。提出了基于深度学习之卷积神经网络的宣纸缺陷识别算法,且由此进行了宣纸缺陷识别软件设计。结果发现,此软件不仅运行速度快,识别率高,而且识别分类准确率可达98.93%,可完全贡献于宣纸质量提高,值得广泛推广与应用。

摘要：在传统的工业生产中,特别是铸造或焊接的生产过程,对金属件的缺陷识别是非常重要的。传统的人工缺陷识别程序通常耗时且容易出错。然而,通过引入智能化缺陷识别系统,可以提高检测效率,满足生产高质量产品的需求。文中提出了一种基于Mask-RCNN模型的X射线无损检测缺陷识别系统。该系统使用客户-服务器模式,由客户端上传原始图片,服务器调用Mask-RCNN模型将原始图片进行缺陷识别,返回识别缺陷后的图片给客户端,在客户端上通过掩模透明化功能进行缺陷识别结果,并分析比对。该系统以Mask-RCNN模型进行缺陷识别,完成了缺陷识别工作,解决了传统人工缺陷识别程序易出错、耗时多的问题,并提升了铸件或焊接件的缺陷检识别效率和可靠性,解放了执行缺陷识别工作质检人员的生产力。

摘要：电力设备的局部放电检测是发现设备绝缘缺陷、维护电网安全运行的重要手段。针对传统局部放电检测多以单一检测方法为主,检测准确性有限,缺陷类型识别不精准的问题,提出一种联合脉冲电流和紫外测弧的开关柜局部放电缺陷识别方法。该方法基于开关柜带电显示装置采集脉冲电流,从监测数据中构建开关柜局部放电多维特征数据库,采用k邻近算法(k-nearest neighbor classification,KNN)进行缺陷分类识别。同时设计了开关柜内常见的4种放电缺陷模型,对上述方法进行验证。结果表明:4类局部放电在特性空间中具有明显的可分辨性,该方法对于开关柜内局部放电的识别和分类准确率达98.25%,为开关柜局部放电的在线监测与缺陷识别提供了良好的实现方法。

摘要：超声内检测是油气管道缺陷的主要检测方式之一,目前超声内检测在工业小样本的情况下存在缺陷识别边界定位不准的问题。本文提出了一种基于多维度选择性搜索的小样本缺陷识别方法,该方法首先对超声回波进行特征提取,其中包含使用基于孤立森林的回波特征点提取,和基于自然断点法的特征点聚类;其次提出了风险相似性度量方法,并使用梯度提升树建立波形特征和风险程度的回归模型;然后将多维度缺陷相似性信息融合在选择性搜索算法中,实现小样本缺陷识别;最后使用异常分数等区域风险度量指标实现缺陷边界的精准定位。实验结果表明,本文设计的基于多维度选择性搜索的小样本缺陷识别方法的查全率和查准率分别高达95.08%和85.46%,能有效解决超声信号缺陷识别边界定位不准的问题。

摘要：数字图像处理技术是在木材缺陷识别中应用最广泛的技术之一,具有准确、快速、无损和成本低等优点。本文阐述基于数字图像的木材缺陷识别技术的研究现状,分析图像预处理、分割、特征提取及融合、图像识别分类过程涉及的算法,并对每种方法的特点以及局限性进行总结,对未来研究的发展趋势进行展望。数字图像处理技术进一步走向自动化和智能化,还需要更深入的研究。

摘要：针对火箭弹非金属壳体的缺陷样本少且分布不均衡的问题,提出一种基于DCGAN与YOLOv5s的缺陷识别方法。在对非金属壳体的X射线缺陷图像实施亮度变换、对比度变换、颜色变换等非生成式数据增强方法的基础上,设计了深度卷积生成对抗网络(DCGAN)扩充缺陷数据集,解决了样本少且分布不均的问题。优化YOLOv5s网络的C3模块,使用稠密网络代替残差网络,增强网络的特征提取能力。实验结果表明,优化后YOLOv5s算法的mAP值、精确率、召回率分别提高到85.4%、85.2%、83%,能够较好地识别火箭弹非金属壳体的缺陷。

摘要：目的:提升单片装火腿的分拣效果。方法:以Delta并联机器人为基础,结合自动控制、机器视觉等技术,设计搭建了一种能够识别单片装火腿缺陷的分拣系统。建立2自由度Delta并联机器人的运动学与动力学模型,并对Delta并联机器人进行优化设计,还设计了控制系统的组成与图像处理的算法。结果:该系统能够成功识别异物缺陷与折痕缺陷,识别率高达95%;能够准确、高效地分拣单片装火腿,分拣成功率达到98%,分拣效率为160包/min。结论:该系统可实现单片装火腿识别、抓取、搬运、分拣、剔除的连续化作业。

摘要：针对传统二维主成分分析(two-dimensional principal component analysis,2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm,NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差。为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm,NG-B2DPCA-F)。最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能。