概括
这项研究引入了一种改进的碳化物件缺陷检测方法. 新的方法准确地识别微观和宏观规模的缺陷,提高缺陷检测的效率和准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 计算机视觉 计算机视觉
背景情况:
- 传统的缺陷检测方法面临的挑战是效率,缺失率,以及识别小或复杂的缺陷.
- 在碳化 (SiC) 件中准确识别缺陷对于质量控制至关重要.
研究的目的:
- 提出一种新的缺陷检测方法,能够提取微观和宏观规模的缺陷.
- 解决当前缺陷检测技术的局限性,包括低效率和高失踪率.
主要方法:
- 图像预处理,然后进行轮检测以确定缺陷边界.
- 应用一个轮完成算法来解决未关闭的轮.
- 微尺度缺陷检测使用灰度变化分析在缺陷的中心.
主要成果:
- 与传统方法相比,拟议的算法在检测SiC件中不同尺度的泡缺陷方面表现出卓越的准确性.
- 该方法有效地识别复杂的缺陷,改善整体缺陷的特征.
- 通过灰度分析增强了微尺度缺陷的检测.
结论:
- 开发的缺陷检测方法为碳化物件的质量评估提供了显著的改进.
- 该算法为识别不同类型和规模的缺陷提供了更强大,更准确的解决方案.
