廖世鹏
- 作品数：5 被引量：33H指数：3
- 供职机构：中国科学院成都计算机应用研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术一般工业技术机械工程更多>>
- 基于线扫描技术的轴承表面缺陷检测方法研究被引量：6
- 2022年
- 针对目前轴承表面缺陷检测所面临问题,探求一种基于线扫描技术的轴承表面缺陷检测方法。由轴承表面特征,提出一种具有高信噪比的线扫描轴承表面信息采集系统。在此基础上,为解决浅凹坑、锈迹缺陷识别准确率低等问题,首先对所采集图像进行轴承区域提取,消除检测干扰,其次提出基于生成对抗的重构网络对采集到轴承信息进行图像重构,使其为无缺陷图像,最终通过残差方法提取和定位轴承表面缺陷。该算法重点对损失函数进行改进,采用L1 loss与SSIM组合损失函数,提高图像的重构精度。实验表明:所提方法能有效识别各种缺陷,尤其是微小缺陷,综合识别率达到98.58%,满足实际工程精度要求。
- 徐佳乐黄丹平廖世鹏甘芳吉
- 关键词：图像重构机器视觉
- 维度分割法轴承全表面缺陷检测被引量：3
- 2023年
- 为提高轴承全表面缺陷的检测精度与速度,提出基于维度分割法的轴承全表面缺陷检测方法。通过自主搭建轴承缺陷检测平台,采用维度分割法对轴承视觉信息进行维度划分,并初步对各维度疑似缺陷区域提取,增强轴承外表面检测的完整性;利用轴承各维度小区域数据集训练VGG16网络模型,获取轴承特征向量,应用改进欧式距离公式替换VGG16全连接层对可疑区域进行判断;采用并行处理模式运行各维度缺陷检测算法。实验结果表明,该方法能有效地提高轴承全表面缺陷检测精度与速度,且漏检率较低,同时降低了设备的体积与成本,能够满足轴承工业全表面缺陷在线检测的需求。
- 杨冬毅黄丹平徐佳乐廖世鹏于少东
- 关键词：轴承神经网络多线程
- 基于机器视觉瓦楞纸板自动计数系统研究被引量：12
- 2017年
- 目前在生产和生活中大量应用包装材料瓦楞纸板,但生产企业面临瓦楞纸板计量是一个较难解决的问题,为此研发一套基于机器视觉技术的瓦楞纸自动计数系统。针对瓦楞纸生产现场,详细分析瓦楞纸侧面纹理视觉信息与相关小波变换特点,将小波变换与相关形态学算法相结合,并选用离散Meyer小波,对瓦楞纸视觉信息进行处理。通过获取瓦楞纸视觉信息中连通域数目,求出瓦楞纸板纸张数量。经大量实验证明,所研发计数算法与其他计数算法相比较,能够准确、稳定可靠地获取瓦楞纸板数目。经工程实际应用验证,该自动计数系统能够满足瓦楞纸计数要求。
- 黄丹平廖世鹏于少东田建平胡勇郭康
- 关键词：小波变换瓦楞纸连通域计数
- 基于目标检测网络的轮对踏面缺陷检测方法被引量：12
- 2021年
- 针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。
- 张力黄丹平廖世鹏于少东叶建秋王鑫董娜
- 关键词：图像处理轮对踏面
- 基于反向蒸馏的衍射光变图像异常检测算法
- 2024年
- 为防止伪造,钞票、证卡和产品包装等各类高安全或高附加值印刷品中广泛采用衍射光变图像的光学防伪元件。这种光学防伪元件具有光变特性,即在白光照明条件下该原件产生的具有立体效果、动态变化的图像会对异常检测产生严重干扰,使人们无法及时发现工业生产过程中的异常情况。针对现有无监督异常检测算法无法适应衍射光变图像的光变特性的问题,提出一种基于反向蒸馏(RD)的衍射光变图像异常检测算法。所提算法对正常样本添加噪声以生成伪异常样本,并模拟工业现场可能出现的异常现象,随后将正常样本与伪异常样本作为图像对输入网络,并基于孪生网络架构提出对比重建模块(CRM)。该模块通过特征重建层对编码器提取的正常样本及伪异常样本的特征进行对比学习以及重建,既避免了异常信息流入解码器中导致蒸馏失败,又使重建后的特征符合样本的正常分布。然后,将复原后的特征输入特征融合层以及特征压缩层进行特征融合和维度压缩,并使用解码器对压缩后的特征逐层解码。最后,对解码后的特征与编码器提取的特征基于协同差异优化算法进行蒸馏,识别并定位样本中的异常信息。实验结果表明,所提算法在某防伪标数据集上较现有的先进异常检测算法提升了对于衍射光变图像的光变特性的适应能力,并保持了对于样本异常区域的检测精度,在图像层面接收者特性曲线下的面积(Image-AUROC)、像素层面接收者特性曲线下的面积(Pixel-AUROC)以及连通域重叠(PRO)指标上分别达到了100%、95.02%和92.98%,满足工业现场对衍射光变图像异常检测的要求。
- 周荣成廖世鹏张绍兵龚庆凯
- 关键词：异常检测
