适应细分算法用于磁环表面的微妙缺陷图像,使用2D-Gabor过器银行
Yihui Li1,2, Manling Ge1,2, Shiying Zhang1,2
1State Key Laboratory of Reliability and Intelligence of Electrical Equipment, Hebei University of Technology, Tianjin 300130, China.
Sensors (Basel, Switzerland)
|February 10, 2024
概括
本研究介绍了一种使用改进的2D-Gabor过器银行进行适应性值细分的方法,用于精确,高效的无监督细分小磁环上的微妙缺陷. 与传统技术相比,这种新的方法实现了更高的准确性和实时性能.
科学领域:
- 图像处理和计算机视觉
- 材料科学与工程 材料科学与工程
- 人工智能和机器学习
背景情况:
- 精确细分小磁环上的微妙缺陷对于质量控制至关重要.
- 现有的无监督细分方法经常与噪音和计算效率作斗争.
研究的目的:
- 开发一种适应性值细分方法,用于小磁环上微妙缺陷的无监督细分.
- 与传统方法相比,提高细分精度和计算效率.
主要方法:
- 使用了改进的多尺度和多方向的2D-Gabor过器银行来降低噪音和增强功能.
- 分析了灰度统计特征,以构建适应性细分值.
- 使用BP神经网络分类器来区分痕和裂缺陷类型.
主要成果:
- 拟议的自适应值细分方法实现了最高的分类准确率97.5%.
- 在准确性和速度方面,在代,OTSU和最大方法上表现出优越的性能.
- 在SEED-DVS8168平台上验证了有效的噪音抑制和实时处理能力.
结论:
- 开发的自适应值细分方法为检测小型磁环上的微妙缺陷提供了强大而高效的解决方案.
- 该算法在基于图像的磁性元件质量检查方面取得了重大进展.
- 该方法的高精度和计算效率使其适合实时工业应用.
