黑人video粗暴亚裔,精品久久久久久国产,久久精品国产精品亚洲精品,人妻互换一二三区激情视频

當(dāng)前國(guó)內(nèi)外對(duì)厚壁鋼管的表面檢測(cè)方式主要有：人工檢測(cè)、紅外檢測(cè)、超聲波檢測(cè)、磁粉檢測(cè)和機(jī)器視覺檢測(cè)等。機(jī)器視覺檢測(cè)技術(shù)是一種無(wú)接觸無(wú)損傷檢測(cè)，憑借其速度快、精度高、穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)，很好的滿足了當(dāng)今工業(yè)自動(dòng)化的需求。因此國(guó)內(nèi)外學(xué)者對(duì)利用機(jī)器視覺檢測(cè)產(chǎn)品表面缺陷方面開展了大量的研究。

機(jī)器視覺技術(shù)發(fā)展最早、最快、使用最多的國(guó)家主要集中在歐美和日本，早在20世紀(jì)70年代中期，日本的川崎公司開發(fā)了鍍錫板在線機(jī)器視覺檢測(cè)裝置;1983年B.V.Suresh等研究出了基于機(jī)器視覺的冷軋鋼表面缺陷檢測(cè)系統(tǒng)；1988年，德國(guó)的SICK公司在冷軋廠的生產(chǎn)線上安裝了五臺(tái)基于機(jī)器視覺的表面缺陷檢測(cè)設(shè)備（ASIS）;美國(guó)在1966年，由Connex公司研制了一種基于機(jī)器學(xué)習(xí)的表面檢測(cè)系統(tǒng)，實(shí)現(xiàn)了表面缺陷的分類；進(jìn)入90年代，伴隨著計(jì)算機(jī)技術(shù)領(lǐng)域人工智能、神經(jīng)網(wǎng)絡(luò)等學(xué)科的完善，機(jī)器視覺技術(shù)得到了進(jìn)一步的發(fā)展，并使之逐漸走向了智能化。Kerr.D等人將機(jī)器視覺應(yīng)用于數(shù)控機(jī)床中的刀具磨損情況的檢測(cè)，并研究了基于神經(jīng)網(wǎng)絡(luò)的模型，實(shí)現(xiàn)了刀具磨損程度的精確測(cè)量。B.M.Kumar等人研究了旋轉(zhuǎn)工件表面粗糙度的測(cè)量，依據(jù)機(jī)器視覺相關(guān)處理方法，得到了不同粗糙度表面的一些特征信息，最終設(shè)計(jì)出一套基于機(jī)器視覺的厚壁鋼管表面粗糙程度的檢測(cè)系統(tǒng)。G.Krummeanacher[6]等利用支持向量機(jī)（SVM）分類器對(duì)有缺陷的火車車輪圖像進(jìn)行學(xué)習(xí)訓(xùn)練，完成了對(duì)車輪是否有缺陷的判斷并對(duì)缺陷進(jìn)行了分類識(shí)別。CTikhe等針對(duì)金屬表面存在的難以被人工目視檢測(cè)到的孔洞、劃痕等缺陷，提出了一種改進(jìn)的Gabor濾波器進(jìn)行缺陷的自動(dòng)檢測(cè)和分類的技術(shù)，以保證生產(chǎn)過(guò)程中金屬的質(zhì)量和生產(chǎn)率。

相較于國(guó)外，國(guó)內(nèi)對(duì)于機(jī)器視覺領(lǐng)域的研究相對(duì)滯后，直至20世紀(jì)90年代才開始了相關(guān)的研究，但隨著我國(guó)經(jīng)濟(jì)實(shí)力和地位的不斷提升，國(guó)內(nèi)企業(yè)也更加注重工業(yè)自動(dòng)化的發(fā)展，機(jī)器視覺也得到了長(zhǎng)足的發(fā)展。1991年重慶大學(xué)的先武等設(shè)計(jì)了基于機(jī)器視覺的滾子表面缺陷檢測(cè)的實(shí)驗(yàn)裝置，并實(shí)現(xiàn)了對(duì)直徑為10-20毫米的圓柱滾子表面的缺陷檢測(cè)；1996年，王斌等分析了厚壁鋼管表面重皮缺陷的特征，提出了一種基于機(jī)器視覺的高速在線重皮缺陷圖像識(shí)別算法，測(cè)量精度達(dá)到10mm，且無(wú)漏檢、誤檢等情況；2003年，李煒等研究出了一種基于機(jī)器視覺的厚壁鋼管表面缺陷檢實(shí)時(shí)檢測(cè)系統(tǒng)，并將模糊算法及人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，設(shè)計(jì)了一種多級(jí)分類器，完成了對(duì)帶鋼表面缺陷的檢測(cè)。2010年，朱錚濤等通過(guò)斑點(diǎn)分析工具及斑點(diǎn)特征參數(shù)，完成了薄壁鋼管端面的凹坑、倒角斜面變弧面等缺陷的檢測(cè)；駱騰斌等通過(guò)對(duì)軸承端面圖像灰度直方圖的計(jì)算實(shí)現(xiàn)了Canny算子閾值的自適應(yīng)，且通過(guò)聯(lián)通域的特征與大小完成了軸承端面缺陷的判斷；虞佳佳等通過(guò)提取磁環(huán)缺陷的形態(tài)特征參數(shù)并利用支持向量機(jī)實(shí)現(xiàn)了對(duì)磁環(huán)端面的缺陷檢測(cè)及分類；2017年浙江大學(xué)的劉子豪以南美白對(duì)蝦為研究對(duì)象，探究了機(jī)器視覺對(duì)南美白對(duì)蝦進(jìn)行分類的可行性，并提出一種新穎的分割算法以處理成對(duì)蝦粘連的現(xiàn)象，最后識(shí)別率達(dá)到了94.34%。雖然前述學(xué)者們對(duì)基于機(jī)器視覺的表面缺陷檢測(cè)進(jìn)行了大量的研究，但是針對(duì)厚壁鋼管端面的缺陷檢測(cè)的研究較少，上述的研究對(duì)于厚壁鋼管端面缺陷檢測(cè)有一定的參考價(jià)值，但不完全適用于對(duì)厚壁鋼管端面的缺陷檢測(cè)及分類。因此，本文提出一種基機(jī)器視覺的厚壁鋼管端面的缺陷檢測(cè)及分類的方法。