一種新的無監督學習的各種氣孔缺陷檢測算法
大小：0.84 MB 人氣： 2017-12-05 需要積分：1
標簽：缺陷檢測(12124)
由于厚鋼管X射線圖像強度分布不均勻，對比度低、噪聲大，且氣孔缺陷的大小、形狀、位置、對比度各異，使得自動檢測各種類型的氣孔較為困難。針對傳統缺陷檢測算法中手工標記缺陷數據工作量大，焊縫邊緣難以準確提取等問題，提出一種新的無監督學習的各種氣孔缺陷檢測算法。首先，采用快速獨立分量分析從鋼管X射線圖像集合中學習一組獨立基底，并用該基底的線性組合來選擇性重構帶氣孔缺陷的測試圖像；隨后，測試圖像與其重構圖像相減獲得差異圖像，通過全局閾值從差異圖像中將各種氣孔分割出來。實驗的訓練集有320幅，測試集有60幅圖像，所提算法檢測結果的平均敏感性和準確率為90. 5%和99. 7%。實驗結果表明，該算法無需手工標記數據或提取焊縫邊緣，可準確檢測各種氣孔缺陷。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種新的無監督學習的各種氣孔缺陷檢測算法下載
相關電子資料下載
- 友思特應用 | 模型鏈接一應俱全：IC多類別視覺檢測一站式解決方案 287
- 外觀缺陷檢測原理 150
- 產品標簽OCR識別缺陷檢測系統方案 393
- 御微首臺掩模基板缺陷檢測儀 Halo-100順利交付 440
- 五金零件機器視覺檢測，難點在哪里？ 189
- 電子元器件視覺檢測，如何做到精準無誤？ 154
- 為什么注塑件視覺缺陷檢測如此重要? 146
- 基于深度學習的缺陷檢測方案 379
- 蔡司工業ct內部瑕疵缺陷檢測機 189
- 賽默斐視X射線薄膜測厚儀與薄膜表面缺陷檢測 174