一种新的无监督学习的各种气孔缺陷检测算法
大小：0.84 MB 人气： 2017-12-05 需要积分：1
标签：缺陷检测(12124)
由于厚钢管X射线图像强度分布不均匀，对比度低、噪声大，且气孔缺陷的大小、形状、位置、对比度各异，使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大，焊缝边缘难以准确提取等问题，提出一种新的无监督学习的各种气孔缺陷检测算法。首先，采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底，并用该基底的线性组合来选择性重构带气孔缺陷的测试图像；随后，测试图像与其重构图像相减获得差异图像，通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅，测试集有60幅图像，所提算法检测结果的平均敏感性和准确率为90. 5%和99. 7%。实验结果表明，该算法无需手工标记数据或提取焊缝边缘，可准确检测各种气孔缺陷。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
一种新的无监督学习的各种气孔缺陷检测算法下载
相关电子资料下载
- 友思特应用 | 模型链接一应俱全：IC多类别视觉检测一站式解决方案 287
- 外观缺陷检测原理 150
- 产品标签OCR识别缺陷检测系统方案 393
- 御微首台掩模基板缺陷检测仪 Halo-100顺利交付 440
- 五金零件机器视觉检测，难点在哪里？ 189
- 电子元器件视觉检测，如何做到精准无误？ 154
- 为什么注塑件视觉缺陷检测如此重要? 146
- 基于深度学习的缺陷检测方案 379
- 蔡司工业ct内部瑕疵缺陷检测机 189
- 赛默斐视X射线薄膜测厚仪与薄膜表面缺陷检测 174