导读:本文包含了缺陷检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缺陷,视觉,机器,声阻,图像处理,疵点,直方图。
缺陷检测论文文献综述
王孝余,韩冰,李丹丹,罗军,黄胜[1]（2019）在《基于视觉的绝缘子缺陷检测方法》一文中研究指出针对掉串绝缘子,提出基于视觉的绝缘子缺陷检测方法。对绝缘子图像采用YOLO定位位置,基于显着性检测提取绝缘子掩码,通过水平投影法定位绝缘子缺陷位置。通过YOLO和显着性检测提升绝缘子掩码提取效果以及在计算投影主轴时采用随机一致采样直线拟合法加强抗噪能力,该方法提升了绝缘子缺陷的检测效果。实验结果表明,该方法的检测速度和效果适用于实际场景。(本文来源于《计算机工程与设计》期刊2019年12期）
张缓缓,马金秀,景军锋,李鹏飞[2]（2019）在《基于改进的加权中值滤波与K-means聚类的织物缺陷检测》一文中研究指出为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显着提高检测速度。(本文来源于《纺织学报》期刊2019年12期）
姜阔胜,柯虎城[3]（2019）在《鬼像原理在高亮金属表面缺陷检测中的应用》一文中研究指出高亮金属表面具有高反光特性,导致表面缺陷特征不易提取,为此,提出一种强噪声背景下微弱图像获取的新方法。通过增强光强实现对输入图像的噪声进行增强,使得像面的非目标成像的辐射能量(鬼像)也得到增强,用高信噪比的鬼像替代主像,从而消除因金属表面高反射特性带来的强光污染。然后将此方法用于翅片蒸发器脊面卡槽缺、漏、错问题的检测,结合图像处理算法,搭建了缺陷检测系统。通过实验,验证了该方法的准确性和可靠性,能够在消除高亮金属表面强光噪声影响的基础上,有效识别蒸发器脊面卡槽特征。(本文来源于《陕西理工大学学报(自然科学版)》期刊2019年06期）
杨庆峰,孙金立,胡丑,李金浩[4]（2019）在《飞机铝蜂窝复合材料的典型缺陷检测》一文中研究指出为有效检出飞机铝蜂窝复合材料的缺陷位置及缺陷大小,评估缺陷损伤程度,运用激光错位散斑检测方法对有无缺陷及缺陷位置进行了检测,并采用声阻检测方法对缺陷大小进行了评估。试验结果表明,激光错位散斑检测法能够快速定位飞机铝蜂窝复合材料缺陷的位置,但检测精度不高;声阻检测法能够对缺陷位置进行精确检测。两种检测方法的结合使用,提高了检测结果的可靠性和准确性,为进一步开展飞机铝蜂窝复合材料缺陷损伤检测及评估奠定了基础。(本文来源于《无损检测》期刊2019年12期）
邓拥军,周向[5]（2019）在《一种基于机器视觉的石材缺陷检测方法》一文中研究指出针对传统石材检测方法实时性差、精度低与劳动强度大的缺点,提出了一种基于视觉的缺陷测方法,首先以石材轮廓的矩包络线为基准,利用近邻搜寻算法确定尺寸测量的角点,欧式距离衡量尺寸参数。然后采用分块策略生成对应的局部多特征映射矩阵,并将其元素与训练的标准参数进行对比,搜寻潜在缺陷块,结合邻域信息合并潜在块确定缺陷位置。最后应用多特征数据建立支持向量机(SVM,Support Vector Machine)的缺陷类别预测模型,实验表明该方法具有较好的检测效果,具有重要的应用价值。(本文来源于《机械设计与制造》期刊2019年12期）
孙涛[6]（2019）在《抽油管的缺陷检测和管壁磨损测量方法》一文中研究指出为了避免由于抽油管过度磨损造成的事故,有必要对抽油管壁磨损量进行检测。结合抽油管缺陷检测和管壁磨损测量技术的分类和特点,概述了当前抽油管检测技术的应用方法。对这些检测技术的原理和技术关键做了较详细的分析。指出各种检测方法各自的优缺点,需兼顾考虑抽油管的质量以及设备方面的性能,并同时结合考虑实际经济情况来进行检测设备的选用。(本文来源于《当代化工研究》期刊2019年15期）
李亚东,曹明兰,李长青,高少伟[7]（2019）在《碗底图案印刷缺陷检测系统设计与实现》一文中研究指出瓷碗的生产制作是我国制造业的一项代表性产品,随着经济全球化的进展销量日益增长,实际生产中碗底印刷与碗壁图案印刷在原理和装置都有所不同,因此碗底的图案印刷是独立的一个流水线,文章基于机器视觉的特征匹配和模板匹配方法设计了一个简单有效的瓷碗碗底图案缺陷检测方法,并借助Python语言和开源项目Opencv计算机视觉开发库的相关函数,利用实测碗底图案数据,验证方法的有效性。(本文来源于《制造业自动化》期刊2019年11期）
周永福,曾志,罗中良[8]（2019）在《小样本深度学习方法实现LED TV屏缺陷检测》一文中研究指出为实现当前工业4.0时代电子类企业智能制造的全过程,引入机器视觉完成产品的缺陷检测,用于解决缺陷问题多样性导致算法能力不足的问题;首先对已标注小样本数据集通过深度学习得到初始特征模型,接着针对该特征模型施以迁移学习方法用以实现LED TV的检测,并将已检测样本进一步用于增量学习完成模型参数的修正,最后采用全连接神经网络FCNet(Fully Connected Neural Network)完成分类,探讨了一种运用机器视觉实现LED TV的光学屏检技术;并给出了检测样品作为补充的样本数据集增量学习模型;实践表明,所提出的方法能进一步提升工业机器人智能制造阶段自动化检测的准确率,最终实现工业生产的柔性和智能化水平,并为机器视觉的应用提供示范。(本文来源于《计算机测量与控制》期刊2019年11期）
赵海文,赵亚川,齐兴悦,李锋[9]（2019）在《基于深度学习的汽车轮毂表面缺陷检测算法研究》一文中研究指出汽车轮毂在加工和搬运过程中难免会产生划痕和擦伤等表面缺陷,为解决传统人工检测低效、耗时、检测精度低的缺点,提出使用机器视觉技术完成轮毂表面缺陷的检测。由于轮毂的表面结构复杂,提出将视觉系统安装在机械手末端完成图像采集,并以此提出了一种基于深度学习的汽车轮毂表面缺陷检测算法,该算法首先对采集的原始图片进行分割,然后对分割的图片进行图像增强处理,增强图像的对比度和缺陷的特征,然后将处理后的图片输入已经训练好的卷积神经网络,得出最终的检测结果。实验结果表明,该算法具有很高的准确率。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
罗瑞荣,高健,郑卓鋆,张揽宇,邓海祥[10]（2019）在《自适应光亮度的LED缺陷检测算法》一文中研究指出针对LED点胶缺陷检测速度慢、精度低等问题,提出一种自适应光亮度的LED缺陷检测算法。首先利用最小外接矩形法对LED进行位置校正;然后,对LED进行灰度梯度特征分析,获取荧光胶区域轮廓点坐标,并结合最小二乘法拟合特征圆,分离荧光胶区域;最后,分析了光照对LED缺陷分割的影响,提出基于大津法(Otsu)的自适应光亮度阈值分割方法,提取LED缺陷。经实验验证,所采用方法检测时间低于8ms,在光源的1～8级光亮度范围内,缺陷分割尺寸准确度在0.8以上,分割结果稳定,具备较好的光照变化鲁棒性。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
缺陷检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显着提高检测速度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
缺陷检测论文参考文献
[1].王孝余,韩冰,李丹丹,罗军,黄胜.基于视觉的绝缘子缺陷检测方法[J].计算机工程与设计.2019
[2].张缓缓,马金秀,景军锋,李鹏飞.基于改进的加权中值滤波与K-means聚类的织物缺陷检测[J].纺织学报.2019
[3].姜阔胜,柯虎城.鬼像原理在高亮金属表面缺陷检测中的应用[J].陕西理工大学学报(自然科学版).2019
[4].杨庆峰,孙金立,胡丑,李金浩.飞机铝蜂窝复合材料的典型缺陷检测[J].无损检测.2019
[5].邓拥军,周向.一种基于机器视觉的石材缺陷检测方法[J].机械设计与制造.2019
[6].孙涛.抽油管的缺陷检测和管壁磨损测量方法[J].当代化工研究.2019
[7].李亚东,曹明兰,李长青,高少伟.碗底图案印刷缺陷检测系统设计与实现[J].制造业自动化.2019
[8].周永福,曾志,罗中良.小样本深度学习方法实现LEDTV屏缺陷检测[J].计算机测量与控制.2019
[9].赵海文,赵亚川,齐兴悦,李锋.基于深度学习的汽车轮毂表面缺陷检测算法研究[J].组合机床与自动化加工技术.2019
[10].罗瑞荣,高健,郑卓鋆,张揽宇,邓海祥.自适应光亮度的LED缺陷检测算法[J].组合机床与自动化加工技术.2019
论文知识图
