1 华侨大学 制造工程研究院，福建厦门3602
2 福建晶安光电有限公司，福建泉州36411
双面研磨作为蓝宝石衬底制备的一道重要工序，研磨表面裂纹深度将严重影响后续抛光的材料去除量，因此对研磨衬底表面裂纹特征研究及深度测量具有重要意义。本文采用截面显微观测法、聚焦离子束侧面观测法、差动蚀刻速率法、磁流变抛光法和逐层抛光法等方法观测双面研磨蓝宝石衬底表面裂纹特征和测量裂纹深度。采用截面显微观测法和聚焦离子束侧面观测法观测研磨后蓝宝石衬底亚表面裂纹形态主要有斜线状、横线状、钩状和树杈状。采用差动蚀刻速率法测得蓝宝石衬底研磨表面裂纹密集层厚度为9~10 μm，而采用磁流变抛光法测得研磨衬底局部亚表面裂纹深度为25~30 μm，采用逐层抛光法测得研磨衬底整体亚表面裂纹深度约为30~35 μm。此外，根据不同方法所检测的裂纹特征和裂纹深度，构建了蓝宝石衬底双面研磨表面裂纹模型，为后续抛光工艺的制定与优化提供依据。
蓝宝石衬底 研磨 表面裂纹 裂纹检测 sapphire substrate lapping surface crack crack detection 光学 精密工程
2023, 31(14): 2060
南京工业大学 机械与动力工程学院, 江苏 南京 211816
对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像 技术检测原理, 设计了脉冲红外热成像检测系统, 并根据脉冲红外热成像检测系统搭建了脉冲红外热 成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处 理, 并针对以上算法处理后缺陷轮廓边缘模糊的问题, 提出了巴特沃斯带通滤波算法。对图像进行阈 值分割、边缘检测后提取出缺陷轮廓特征, 根据平板试件的实际尺寸和轮廓特征图像像素之间的换算 关系, 最终得到裂纹缺陷的识别精度。经过对比验证, 脉冲红外热成像技术可以满足对起重机械金属 结构裂纹缺陷检测的检测需求。
起重机械 脉冲红外热成像 金属裂纹检测 缺陷轮廓 定量识别 lifting machinery, pulse infrared thermal imaging,
南京航空航天大学自动化学院，江苏 南京 210016
针对连接器表面裂纹人工检测操作繁琐、效率低的问题，提出一种基于机器视觉的连接器表面裂纹智能检测方法。首先，利用基于随机采样一致性的直线拟合方法对待检测区域下边界进行拟合，以定位待检区域和边界。其中，基于单一尺度的形态学运算方法无法有效提取到裂纹区域，根据裂纹特点，提出一种基于多尺度形态学运算的裂纹提取方法，对比实验结果表明，该方法具有良好效果，实现了对裂纹区域的粗提取。再根据裂纹结构特征，提出一种自适应阈值分割方法完成对裂纹区域的分割。最后，通过Blob分析统计目标连通域的位置信息及目标区域的灰度响应强度，完成对真伪裂纹的判别。所提方法最终实现对连接器表面裂纹的实时在线检测，检测准确率可达97.1%。
图像处理 裂纹检测 灰度形态学 阈值分割 Blob分析 激光与光电子学进展
2022, 59(14): 1415015
1 广西科技大学 电气与信息工程学院， 广西 柳州 545000
2 河池学院 人工智能与制造学院， 广西 宜州 546300
针对铁氧体电感表面裂纹和隐含裂纹的检测，传统机器视觉方法存在裂纹成像模糊，识别率偏低等问题。提出了一种基于激光扫描热成像技术的电感器裂纹检测方法。使用热像仪捕捉样品表面的温度变化，并基于二阶微分算法进行图像合成; 使用轮廓提取算法去除外围轮廓的干扰和次大值滤波均匀图像，使用边缘检测对裂纹进行提取; 最后利用裂纹的面积和长宽比并结合图像的HOG特征当作输入特征，使用支持向量机进行图像识别。结果表明，对于所有的裂纹都能正确成像，裂纹识别正确率达到98.5%，其性能优于其他检测算法。
激光热成像 裂纹检测 自动识别 铁氧体电感器 图像处理 laser thermal imaging crack detection automatic identification ferrite inducto image processing
1 中国南方航空工业有限公司，湖南株洲 412002
2 南京诺威尔光电系统有限公司，江苏南京 210046
由于航空发动机叶片具有复杂的曲面结构，对服役过程中形成的微小裂纹检测带来了困难，文中采用超声红外热成像技术对航空发动机叶片裂纹实施检测，开展了超声红外热成像技术研究，搭建了超声红外热成像实验平台，并对实际服役过程中产生裂纹的航空发动机工作叶片进行检测。超声红外热成像结果与渗透检测、金相检测进行了对比；实验结果表明，对于该航空发动机工作叶片，超声红外热成像技术可以检测出 2个裂纹缺陷、1个开口缺陷，采用渗透检测仅检测出 1个裂纹缺陷，采用金相显微镜检测发现 2个裂纹缺陷，宽度分别约为 15 .m、0.5 .m，与超声红外热成像检测结果一致。对比结果表明超声红外热成像技术可以有效检测出航空发动机复杂曲面的叶片裂纹缺陷。
超声红外热成像 渗透检测 金相检测 裂纹检测 ultrasonic thermography, penetrant testing, metall
1 北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室, 北京 100044
2 北京交通大学计算机与信息技术学院, 北京 100044
基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性区域检测方法生成伪标签,可以减少对像素级标注信息的依赖。在裂纹数据集上对改进网络进行实验验证,并与常用语义分割网络和弱监督实验基准从主观评价、精度、召回率和F1-score的角度进行比较。实验结果表明,改进网络可以有效提升裂纹的识别准确率,提出的半监督训练策略在仅需6.25%像素级标注信息的情况下,能够取得与全监督方法相当的识别精度和召回率。
机器视觉 裂纹检测 语义分割 多尺度模块 半监督 激光与光电子学进展
2021, 58(6): 0615004
1 神华铁路货车运输有限责任公司, 河北沧州 062350
2 南京诺威尔光电系统有限公司, 江苏南京 210046
铁路机车钩舌部件长期受到挤压、弯曲、冲击, 造成材料疲劳, 产生细微裂纹, 裂纹在铁路机车长期运行过程中会逐渐扩张, 容易造成重大事故, 因而对铁路机车钩舌裂纹检测十分重要。但铁路机车钩舌部件表面布满铁锈、灰尘、油污等, 常规无损检测技术手段无法直接应用, 本文采用超声热波成像技术对机车钩舌部件进行裂纹检测, 该技术对表面的形状、锈迹、粉尘及污染等不敏感, 在裂纹等缺陷检测中有特殊的应用优势。通过该系统对机车钩舌的裂纹检测, 成功检测出钩舌裂纹缺陷, 验证了该技术对机车钩舌裂纹的检测能力。
超声热波成像 机车钩舌 裂纹检测 ultrasonic thermography, hook tongue, crack detect
1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
陶瓷瓦表面缺陷的自动检测是该产业升级中亟待解决的问题。陶瓷瓦表面为立体的形态结构且存在大量的花纹,这将导致陶瓷瓦表面光照不均匀,会对缺陷自动检测造成许多干扰。为此,本文提出基于多尺度Hessian矩阵滤波的陶瓷瓦表面裂纹检测算法。首先使用带通滤波抑制陶瓷瓦图像背景及噪声并突出陶瓷瓦裂纹特征;然后,利用多尺度Hessian矩阵的特征值构建陶瓷瓦裂纹相似性函数,实现陶瓷瓦裂纹特征增强;最后,采用二值化和形态学处理的方式,提取裂纹的参数信息。通过实验表明,该算法可以有效去除复杂背景的干扰,提取出完整的陶瓷瓦表面裂纹,且运算效率较高,准确率高达95%。
图像处理 陶瓷瓦 机器视觉 裂纹检测 多尺度滤波 Hessian矩阵 激光与光电子学进展
2020, 57(10): 101022
1 三峡大学理学院, 湖北 宜昌 443002
2 三峡大学电气与新能源学院, 湖北 宜昌 443002
针对具有复杂背景的陶瓷瓦表面裂纹检测困难的问题,提出了一种基于主成分分析的陶瓷瓦表面裂纹检测算法。首先,将陶瓷瓦彩色图像转换为红色通道图像进行预处理;然后,采用主成分分析的方法重构陶瓷瓦图像,将预处理图像与重构图像进行差分处理,得到具有裂纹信息的图像;最后,采用二值化和形态学处理,提取裂纹的参数信息。实验表明,该算法可以检测出具有立体形态结构和复杂背景干扰的陶瓷瓦裂纹,相比其他算法检测速度快,准确率高达96%。
陶瓷瓦 机器视觉 裂纹检测 主成分分析 二值化 激光与光电子学进展
2020, 57(8): 081004
为保证反应堆的安全运行,需要采用多种检测技术确保燃料芯块质量。针对燃料芯块表面裂纹检测中因图像对比度低、背景复杂而导致的裂纹误检率高的问题,提出了一种基于卷积神经网络(CNN)和Beamlet算法相结合的表面裂纹检测算法。对图像进行等尺度分割作为裂纹识别模型(CrackCNN)的训练和测试样本;采用训练完成的CrackCNN对图像中含裂纹的区域进行识别和定位;采用Beamlet算法针对含裂纹区域进行裂纹检测。该算法将CNN和Beamlet相结合,充分发挥两者的优势,有效降低了裂纹误检概率,提高了检测精度。实验结果表明,相对于单独采用Beamlet算法,本文算法的F-measure提升了6.4%;相对于双重阈值和张量投票算法,本文算法的F-measure提升了3.4%。
图像处理 裂纹检测 卷积神经网络 核燃料芯块 Beamlet算法 激光与光电子学进展
2019, 56(16): 161008
