發(fā)布時間：2017-11-09 00:16

  本文關(guān)鍵詞：基于解譯過程的鑄造缺陷骨架生成技術(shù)

  更多相關(guān)文章： 鑄件缺陷仿真 骨架 梯度矢量流擴散 關(guān)鍵幀技術(shù) 模糊形狀特征

【摘要】：隨著計算機硬件性能的提升、機器視覺技術(shù)的發(fā)展以及現(xiàn)代鑄造業(yè)的需求,在鑄件生產(chǎn)中,使用缺陷檢測算法輔助人工甚至替代人工進行質(zhì)量監(jiān)督將成為一種趨勢。在缺陷檢測算法的調(diào)優(yōu)過程中,常需要提供一定數(shù)量的缺陷圖像樣本進行測試。由于鑄造工藝的進步,生產(chǎn)中缺陷的出現(xiàn)率大幅降低。為了在短時間內(nèi)提供更多的缺陷樣本,已存在相關(guān)缺陷仿真技術(shù)的研究。其中一類缺陷仿真技術(shù)使用骨架作為輸入生成缺陷的輪廓模板。在這類算法的實驗中,骨架樣本的一種來源途徑是從缺陷樣本中進行提取,另一種來源途徑是來自人工手繪。使用算法從真實缺陷中提取骨架,需要考慮提取算法的魯棒性,在使用一類基于邊界信息的傳統(tǒng)提取算法時,將會涉及到圖像分割問題;使用人工手繪骨架的方式,在樣本需求較大時,需要大量的重復(fù)勞動,效率低下。本文將以鑄造枝狀疏松缺陷的骨架為研究對象,提出一種基于梯度矢量流擴散的缺陷骨架提取方法。通過該方法能夠準確定位缺陷骨架的位置,同時避免了對缺陷圖像進行目標(biāo)分割,二值化的流程。針對一類使用手繪骨架作為輸入的缺陷仿真技術(shù),本文通過解譯枝狀疏松缺陷圖像的特征,建立了一種基于關(guān)節(jié)點的骨架關(guān)鍵幀模型。提出一種通過參數(shù)關(guān)鍵幀技術(shù)模擬骨架生長過程,自動生成骨架樣本的方法。本文使用生成骨架進行了相關(guān)缺陷生成實驗,并提出使用模糊數(shù)值描述符對生成缺陷圖像進行了描述。結(jié)合主觀與客觀兩種方式,對生成缺陷圖像與真實缺陷圖像的相似程度進行了評價。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG247;TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉洲峰;高二金;李春雷;;基于紋理特性的織物表面缺陷圖像的分類研究[J];中原工學(xué)院學(xué)報;2010年04期

2 楊建華;李麗;張偉;;基于形態(tài)學(xué)的鋸材表面缺陷圖像處理方法研究[J];林業(yè)機械與木工設(shè)備;2012年09期

3 鄒強;錢健清;陳昌華;;列車車輪缺陷的超聲波C掃描分析[J];物理測試;2012年02期

4 王阿川;侯暢;宋宏光;李丹;陳巖;;基于圖像分解的單板節(jié)子缺陷圖像修補方法研究[J];林業(yè)機械與木工設(shè)備;2013年08期

5 程萬勝;趙杰;宋軍;;表面檢測中微小缺陷的識別[J];無損檢測;2008年04期

6 湯勃;孔建益;王興東;蔣國璋;熊禾根;楊金堂;;帶鋼表面缺陷圖像的小波閾值降噪研究[J];武漢科技大學(xué)學(xué)報;2010年01期

7 李芳;;基于LabVIEW與Matlab的某管類零件缺陷圖像處理技術(shù)[J];兵工自動化;2012年10期

8 楊水山;何永輝;王振龍;趙萬生;;帶鋼視覺檢測系統(tǒng)的研究現(xiàn)狀及展望[J];冶金自動化;2008年02期

9 周新建;涂宏斌;胡國良;;一種用于軸承缺陷圖像的改進FCM聚類檢測算法[J];鑄造技術(shù);2006年12期

10 宋克臣;顏云輝;彭怡書;董德威;;引入局部信息的帶鋼缺陷圖像凸優(yōu)化活動輪廓分割模型[J];機械工程學(xué)報;2012年20期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 趙宏宇;趙紅穎;王楠;;缸孔表面缺陷圖像的分段檢測[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 石端虎;復(fù)雜結(jié)構(gòu)精密焊件中缺陷分割及空間定位的研究[D];哈爾濱工業(yè)大學(xué);2007年

2 王阿川;基于變分PDE的單板缺陷圖像檢測及修補關(guān)鍵技術(shù)研究[D];東北林業(yè)大學(xué);2011年

3 栗琳;基于視覺的高反射球面缺陷快速檢測關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 冶平;半固態(tài)壓葉輪的缺陷判斷與圖像識別[D];北京有色金屬研究總院;2015年

2 黃德龍;疏松缺陷圖像的自動生成算法研究[D];華南理工大學(xué);2015年

3 姜麗平;鎂合金材料不連續(xù)性缺陷的超聲探傷研究[D];東北大學(xué);2013年

4 陳宇;一種新的光罩霧狀缺陷的檢測方法研究[D];電子科技大學(xué);2014年

5 趙婷婷;渦流無損探傷中缺陷圖形的重構(gòu)[D];南京農(nóng)業(yè)大學(xué);2014年

6 王萬里;道路缺陷檢測識別算法研究[D];武漢工程大學(xué);2015年

7 肖兆騫;圓柱體構(gòu)件超聲檢測缺陷類型識別及重構(gòu)技術(shù)研究[D];中北大學(xué);2016年

8 黃發(fā)亮;基于多特征權(quán)重向量空間模型的航空復(fù)合材料缺陷檢測技術(shù)研究[D];南昌航空大學(xué);2016年

9 李琛偉;基于解譯過程的鑄造缺陷骨架生成技術(shù)[D];華南理工大學(xué);2016年

10 魏麗君;基于圖像處理技術(shù)的玻璃缺陷圖像預(yù)處理系統(tǒng)研究[D];鄭州大學(xué);2009年

，

本文編號：1159468