检索结果-南通市图书馆

基于CNN融合PGW-Attention的金属表面缺陷识别方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年第08期 46-55页

作者：赵云亮唐东林何媛媛丁超杨洲西南石油大学机电工程学院四川省特种设备检验研究院成都工业学院智能制造学院

针对分散和细小的金属表面缺陷检测方法，卷积神经网络(CNN)缺乏全局特征捕捉能力，在识别氧化颗粒、裂纹和划痕等缺陷时易发生漏检和特征丢失，Transformer能够捕捉图像全局信息，但全局计算导致较高的计算成本。为实现高效且精准的金... 详细信息

针对分散和细小的金属表面缺陷检测方法，卷积神经网络(CNN)缺乏全局特征捕捉能力，在识别氧化颗粒、裂纹和划痕等缺陷时易发生漏检和特征丢失，Transformer能够捕捉图像全局信息，但全局计算导致较高的计算成本。为实现高效且精准的金属表面缺陷识别，将CNN的局部特征提取能力与Transformer的全局建模能力有效融合，提出了一种基于深度可分离卷积(DW-Conv)融合池化网格窗口注意力机制(PGW-Attention)的金属表面缺陷识别网络架构(DPG-Transformer)。在自建金属缺陷数据集(ST-DET)和公开金属缺陷数据集(NEU-CLS)上对该方法进行了实验验证，DPG-Transformer的缺陷识别准确率分别为99.3%和99.6%,在准确率、计算量和浮点计算量等指标上优于多种经典网络。此外，在可视化实验中，DPG-Transformer显示出比CNN模型更全面地腐蚀和氧化皮的缺陷特征提取能力，并能比Transformer模型更加精准地关注到细长裂纹和划痕的全局缺陷特征。实验结果表明，该方法可以降低Transformer模型的计算量和复杂度，同时能够更全面、精准地提取到金属表面缺陷特征，是一种更切合实际应用的金属表面缺陷检测方法。

关键词：金属表面缺陷 CNN Transformer 深度卷积 PGW-Attention

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的金属表面缺陷检测

高师理科学刊 2024年第1期44卷 36-42页

作者：李涛刘俊江张聪朱磊齐齐哈尔大学通信与电子工程学院黑龙江齐齐哈尔161006

由于金属产品生产过程中各种因素的影响,金属工件可能会存在一些表面缺陷.这会降低材料强度,缩短工件寿命,并且增加安全风险.因此,需要对金属产品表面进行质量检测,这也是保证工业生产质量的关键环节.与传统人工检测相比,基于机器视觉... 详细信息

由于金属产品生产过程中各种因素的影响,金属工件可能会存在一些表面缺陷.这会降低材料强度,缩短工件寿命,并且增加安全风险.因此,需要对金属产品表面进行质量检测,这也是保证工业生产质量的关键环节.与传统人工检测相比,基于机器视觉的表面缺陷检测方法具有速度快、精度高等优点.提出了一种改进的YOLOv5算法,用于金属表面缺陷检测研究,在原YOLOv5算法的基础上将空间金字塔池化结构SPP替换成SPPCSPC,提高模型对金属表面缺陷的检测能力.为了验证算法的有效性,分别采用YOLOv3,YOLOv4,YOLOv5及改进的YOLOv5算法对1 800张金属表面缺陷样本图像进行对比测试.结果表明,与YOLOv3,YOLOv4,YOLOv5原算法相比,改进的YOLOv5算法平均目标检测精度均值分别提高了4.3%,3.3%,2%.通过大量图片的学习,可以获得更好的精确率.

关键词：金属表面缺陷空间金字塔池化机器视觉目标检测

金属表面缺陷超声漏表面波传播特征及检测成像研究

在线全文

学校读者我要写书评

暂无评论

金属表面缺陷超声漏表面波传播特征及检测成像研究

作者：周刚长沙理工大学

学位级别：硕士

超声漏表面波可用于检测金属零件的表面或近表面缺陷,具有非接触检测、灵敏度高等优点,相比于楔块式表面波,超声漏表面波可以通过运动控制装置在水浸状态下实现自动化检测及缺陷成像,但超声漏表面波目前还存在着检测条件与缺陷特征的影... 详细信息

超声漏表面波可用于检测金属零件的表面或近表面缺陷,具有非接触检测、灵敏度高等优点,相比于楔块式表面波,超声漏表面波可以通过运动控制装置在水浸状态下实现自动化检测及缺陷成像,但超声漏表面波目前还存在着检测条件与缺陷特征的影响规律未知、检测成像精度较低、检测范围较小等问题。本文在已有研究的基础上,开展了金属表面缺陷超声漏表面波仿真、实验检测及分块式频域合成孔径聚焦成像方法研究,最终提高了表面缺陷检测的成像效率和分辨率,论文主要工作如下:（1）建立了漏表面波传播及缺陷响应有限元模型,以此模拟漏表面波的传播过程,从仿真角度探究了检测条件如水声距、探头频率、探头入射角度以及缺陷特征如缺陷深度、宽度、倾斜角度及缺陷与探头的距离对漏表面波回波信号的影响规律。（2）开展了漏表面波检测实验研究,结合上述仿真,从实验角度分析了水声距、探头入射角度和探头频率对漏表面波回波信号的影响,获得了最佳检测参数,分析了孔与裂缝缺陷两类缺陷的回波信号与B扫成像结果,结合仿真得到一系列结论:不同直径的孔类缺陷成像尺寸相似,横向分辨率较低,难以对缺陷尺寸进行区分;裂缝缺陷会产生多次缺陷波,其来自于试块底面反射;漏表面波可以准确检测裂缝缺陷的长度,但难以定量检测深度与宽度。（3）研究了漏表面波检测的合成孔径聚焦成像方法,以提高成像横向分辨率,基于均方根速度的时域合成孔径聚焦成像结果相较于B扫成像,缺陷横向尺寸误差降低31.3%,而频域合成孔径聚焦成像降低了 23.8%,但其成像效率更高,成像时间仅为时域的 1/36。（4）研究了一种分块式频域合成孔径聚焦成像方法,以提高漏表面波检测的检测范围,对多组B扫数据进行DAC衰减补偿、频域合成孔径聚焦成像、拼合叠加,解决了漏表面波单次B扫描检测范围较小的问题,并且同等检测效果下检测时间仅为C扫描的1/25。分块式频域合成孔径聚焦成像方法提高了表面缺陷检测的成像效率和分辨率。

关键词：超声无损检测金属表面缺陷漏表面波有限元仿真合成孔径聚焦成像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进YOLOv3的金属表面缺陷检测研究

计算机工程与应用 2021年第19期57卷 252-258页

作者：程婧怡段先华朱伟江苏科技大学计算机学院江苏镇江212100

针对金属表面缺陷检测中目标尺寸小和特征不清晰导致漏检的问题,提出一种改进YOLOv3的金属缺陷检测算法。在YOLOv3网络结构的基础上,将第11层浅层特征与网络深层特征融合,生成一个新的尺度为104×104特征图层,提取更多小缺陷目标特征。... 详细信息

针对金属表面缺陷检测中目标尺寸小和特征不清晰导致漏检的问题,提出一种改进YOLOv3的金属缺陷检测算法。在YOLOv3网络结构的基础上,将第11层浅层特征与网络深层特征融合,生成一个新的尺度为104×104特征图层,提取更多小缺陷目标特征。加入DIoU边框回归损失,为边界框提供移动方向以及更准确的位置信息,加快模型收敛。利用K-Means++聚类分析数据集上的先验框尺寸信息,筛选出最优的AnchorBox,使定位更加精准,降低网络损失。将改进后的算法与其他检测算法在NEU-DET数据集上进行检测性能对比。实验分析表明改进后的YOLOv3平均检测速率为31.6 frame/s;平均检测精度为67.64%,比YOLOv3提高了7.49个百分点,相较于FasterR-CNN等算法也有较大的检测精度优势。结论表明,改进后的YOLOv3可以使小缺陷目标的位置信息和精度更加准确。

关键词：目标检测金属表面缺陷 YOLOv3 K-Means++ 距离交并比(DIoU)

基于光度立体和级数展开法的金属表面缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

广西师范大学学报（自然科学版） 2020年第6期38卷 21-31页

作者：朱勇建罗坚秦运柏秦国峰唐楚柳广西师范大学电子工程学院广西桂林541004

在具有粗糙纹理的金属表面缺陷检测中,在线机器视觉检测系统会出现误检、漏检,甚至无法检出的问题。另外,光度立体在金属表面三维形貌重构时,存在重构曲面扭曲、翘曲等问题。本文针对这些问题提出一种基于光度立体和级数展开法的金属表... 详细信息

在具有粗糙纹理的金属表面缺陷检测中,在线机器视觉检测系统会出现误检、漏检,甚至无法检出的问题。另外,光度立体在金属表面三维形貌重构时,存在重构曲面扭曲、翘曲等问题。本文针对这些问题提出一种基于光度立体和级数展开法的金属表面缺陷检测方法。该方法首先利用光度立体原理对金属表面进行三维重构,其次利用级数展开法对重构曲面进行拟合,最后将拟合曲面转为点云数据,对点云数据进行处理,完成缺陷检测。实验结果表明,该方法解决了重构曲面的扭曲及翘曲问题,同时,提高了金属表面缺陷检测的能力。相较于曲面拟合前,采用该方法的缺陷检出率提高了4个百分点。

关键词：光度立体级数展开法点云数据金属表面缺陷检测

在线全文

学校读者我要写书评

暂无评论

基于微波技术的金属表面缺陷检测方法研究

基于微波技术的金属表面缺陷检测方法研究

作者：王美琦沈阳工业大学

学位级别：硕士

随着国家综合国力的提升以及人们日益丰富的物质需要,对于石油、天然气等各式各样能源的需求也在逐渐增加。我国现阶段对于石油、天然气等能源的存储以及运输大部分采用金属材料容器。对于金属材料容器完整性的研究以及检测显得尤为重... 详细信息

随着国家综合国力的提升以及人们日益丰富的物质需要,对于石油、天然气等各式各样能源的需求也在逐渐增加。我国现阶段对于石油、天然气等能源的存储以及运输大部分采用金属材料容器。对于金属材料容器完整性的研究以及检测显得尤为重要。由于与空气、土壤等环境的接触,在役金属管道长时间使用会产生裂纹、腐蚀等缺陷的现象,管道深埋地下因此产生的缺陷不易被察觉。但是随时间增加,缺陷的程度愈加严重,如果未能及时发现并且有效的检测到金属材料表面的缺陷,将造成无法估量的严重后果。因此及时检测出金属材料表面的缺陷对于避免经济损失和重大安全事故的发生有着十分重要的意义。由于微波检测具有检测速度快、非接触测量、灵敏度高以及不受极端、恶劣检测环境的影响等特点。针对金属表面缺陷检测这一问题,基于微波检测技术以及微波传播特性理论对金属板表面缺陷进行研究,得到微波在金属板表面反射时的能量传播特点及传播影响因素,提出一种以微波激励为检测方法的仿真模型,分析金属表面微波能量的传播,通过CST微波工作室有限积分多求解器分析,建立微波波导探头检测金属表面缺陷的仿真模型。研究不同尺寸的缺陷类型下微波能量的变化,探究不同缺陷与微波传播特性的关系。设计科学有效的实验方法研究、验证微波检测理论并搭建微波对金属表面缺陷检测实验平台,对金属板表面的不同大小、不同深度的缺陷,进行微波金属表面缺陷检测实验,得到不同缺陷与微波传播特性之间的关系。并将仿真分析数据与实验结果数据进行对比,分析微波传播能量特点以及不同缺陷对微波检测信号的影响,对波导探头检测金属板表面缺陷仿真模型准确性进行验证。结果表明:在微波探针激励下,可以准确检测到金属表面存在的缺陷。对于不同尺寸的缺陷类型,微波传播特性与缺陷尺寸之间存在定性关系。验证采用微波技术进行金属表面缺陷检测的可行性。

关键词：微波技术矩形波导金属表面缺陷回波损耗

基于YOLOX的实时金属表面缺陷检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于YOLOX的实时金属表面缺陷检测算法研究

作者：周一纬华东交通大学

学位级别：硕士

在生产过程中,金属材料由于生产环境、设备故障和操作失误等问题,铝型材表面会产生桔皮、漏底、起坑等缺陷,钢材表面会产生裂缝、冲孔、压痕等缺陷,将严重影响工业产品的可靠性和安全性。为满足我国推动制造业高质量发展的需求,金属表... 详细信息

在生产过程中,金属材料由于生产环境、设备故障和操作失误等问题,铝型材表面会产生桔皮、漏底、起坑等缺陷,钢材表面会产生裂缝、冲孔、压痕等缺陷,将严重影响工业产品的可靠性和安全性。为满足我国推动制造业高质量发展的需求,金属表面缺陷检测至关重要。本文探讨了基于深度学习的金属表面缺陷检测方法,致力于设计高精度、高速度且轻量化的算法,以实现实时准确的检测。本文在目标检测算法和数据增强两方面做了较为深入的研究,具体的研究成果如下:针对现有金属表面缺陷检测方法存在泛化能力差、检测速度低等问题,提出一种新的检测算法E-YOLOX。该算法采用新的特征提取网络ECMNet,使用深度卷积减少网络参数;使用线性逆瓶颈残差网络提升特征提取能力,在正向传播过程中保留更多高维张量内呈流形分布于低维子空间的关键特征;使用扩张跨阶段局部网络结构多样化神经网络的梯度流路径,使深层神经网络更高效地学习和收敛;引入了隐式知识,有效提升了检测效果;为置信度分支融入空间概率分布信息,缓解检测错位的问题。实验结果表明,E-YOLOX-l在钢材表面缺陷数据集NEU-DET上检测精度达到了48.3%m AP,在钢材表面缺陷数据集GC10-DET上检测精度达到了37.1%m AP,在铝型材表面缺陷数据集AL6-DET上检测精度达到78.4%m AP,较基准模型YOLOX-l分别提高1.6%,2.0%和4.8%,同时参数量减少了51%,计算量减少了47%,检测速度达到54FPS,提高了18FPS。与相关算法对比,新算法取得较高的检测精度,且在精度和速度之间达到较好的均衡。数据增强能够有效提高目标检测算法的性能和鲁棒性,对于提高缺陷检测的准确率和稳定性具有重要意义。针对缺陷图像获取难度大、现有数据增强方法生成样本质量低的问题,提出新的数据增强方法Copy Paste和边缘Cutout。Copy Paste方法在训练图像上随机添加缺陷,且限制添加缺陷的类别以保留缺陷与纹理材质之间的语义信息,计算添加缺陷的覆盖比以确保缺陷的完整性。边缘Cutout方法生成掩膜并覆盖训练图像的随机区域,通过图像标签附近的像素生成自适应掩膜,使网络更关注全局特征,增强缺陷的边缘特征,同时避免生成的掩膜被识别为缺陷区域。实验表明,本文提出的两种数据增强方法使E-YOLOX-l在NEU-DET数据集上检测效果达到49.6%m AP,在GC10-DET上达到38.3%m AP,在AL6-DET上达到80.2%m AP,分别提高了1.3%,1.2%和1.8%。

关键词：深度学习金属表面缺陷目标检测轻量化数据增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的金属表面缺陷检测

基于深度学习的金属表面缺陷检测

作者：王坤福建农林大学

学位级别：硕士

在当今飞速发展的时代中,金属应用场景几乎遍布各行各业,有缺陷的金属在后续使用中会导致各种不良后果,轻则造成经济损失,严重则可能会导致人员伤亡,因此金属缺陷是持续升级发展的工业领域中一个长久性的问题。对于金属表面缺陷检测的... 详细信息

在当今飞速发展的时代中,金属应用场景几乎遍布各行各业,有缺陷的金属在后续使用中会导致各种不良后果,轻则造成经济损失,严重则可能会导致人员伤亡,因此金属缺陷是持续升级发展的工业领域中一个长久性的问题。对于金属表面缺陷检测的研究非常多,金属表面缺陷的公共数据集也较为容易获得,这使得表面缺陷研究人员开展研究更加便利。本文在GC10-DET数据集上研究了金属表面缺陷,提出了一种改进的Ghost Net-Yolo V4检测网络,实现了对10种不同类别金属表面缺陷的检测工作。首先,针对GC10-DET数据集上10类金属表面缺陷数据集总数据量较少,各个类别之间的数量和类内变换差异较大的问题,以及小样本问题,将数据先进行翻转、旋转、缩放、平移、添加噪声等一系列常见的数据增强操作,然后对小尺度的缺陷进行复制粘贴缓解了不同缺陷尺度差异过大带来的数据极度不平衡问题。其次,为了整个检测网络更加轻量,便于在实际工业生产线上进行部署,本文进行了合理的网络结构设计,将Yolo V4用于提取特征的主干网络CSPDarknet53替换为轻量级网络Ghost Net,构建Ghost Net-Yolo V4检测网络,并改进检测网络的结构,在加强特征提取网络PANet中增加了主干特征提取网络输出的152x152有效特征层,融合了多尺度特征并进行多尺度检测,以此来提高金属表面缺陷网络的检测性能。同时,在Ghost Net-Yolo V4检测网络的基础上引入新的损失函数Asymmetric Loss,针对标签空间大、正类样本稀疏的问题,对小尺度金属表面缺陷的损失进行加权,并添加置换注意力机制,采用柔性非极大值抑制进一步筛选检测框,训练时采用迁移学习的方式,更大程度地缓解金属表面缺陷尺度差异大带来的不平衡问题。最后,比较了本文提出的改进的Ghost Net-Yolo V4网络、提供GC10-DET金属缺陷数据集论文中提出的改进的SSD网络、以及Faster-RCNN、Efficient Det、Center Net以及YOLOX这一系列经典和较新的网络在GC10-DET数据集上的检测性能,实验结果表明本文提出的网络可以在GPU上拥有更好的性能。并且将最终训练好的模型在其它金属表面缺陷数据集上也进行缺陷检测实验,结果同样表明本文提出的模型有更好的泛化性和鲁棒性。

关键词：金属表面缺陷目标检测小目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

金属表面缺陷的机器视觉检测方法研究与实现

成都大学学报（自然科学版） 2020年第2期39卷 181-184页

作者：蔡聪艺漳州职业技术学院机械工程学院福建漳州363000

针对人工检查方式存在效率低、安全性差及劳动强度大的问题,提出了一种机器视觉检测金属表面缺陷的方法.利用SIFT特征提取并对金属表面缺陷分类,分类正确率达到96%.分类后利用k-means聚类方法和高斯拉普拉斯算子斑点检测对金属表面进行... 详细信息

针对人工检查方式存在效率低、安全性差及劳动强度大的问题,提出了一种机器视觉检测金属表面缺陷的方法.利用SIFT特征提取并对金属表面缺陷分类,分类正确率达到96%.分类后利用k-means聚类方法和高斯拉普拉斯算子斑点检测对金属表面进行缺陷识别.结果表明,各类方法的综合应用具有较高的识别精度,能有效地识别多个不同种类的金属表面缺陷,符合对金属加工制造的品质控制的特性,对实现金属表面缺陷的高效检测有着重要意义.

关键词：金属表面缺陷图像处理 k-means 视觉检测