图像对比度增强对接缺陷检测的显著影响
Wan Azani Mustafa1,2, Haniza Yazid3, Hiam Alquran4
1Advanced Computing (AdvCOMP), Centre of Excellence, Universiti Malaysia Perlis (UniMAP), Pauh Putra Campus, Arau, Perlis, Malaysia.
PloS one
|June 28, 2024
概括
一种新的混合统计增强 (HSE) 方法通过提高图像质量来改善接缺陷检测. 这种自动化方法提高了工业检查的准确性,并减少了工业检查中的错误.
科学领域:
- 工业非破坏性试验 (NDT) 是指非破坏性试验.
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 手动接缺陷检查容易出现错误,并使用过时的X射线图方法.
- 数字X射线图像需要高级处理才能准确检测缺陷.
- 对比度变化和亮度问题阻碍了图像质量和细分性能.
研究的目的:
- 提出一种新的混合统计增强 (HSE) 方法用于接缺陷检查.
- 通过解决对比度变化和亮度来提高图像质量.
- 为了提高自动接缺陷检测和分类系统的性能.
主要方法:
- 该HSE方法使用像素社区的统计数据 (平均值和标准偏差).
- 像素根据亮度和对比度被分为前景,边界和问题区域.
- 用HSE处理接缺陷图像,并使用Bernsen和Otsu的方法进行细分.
主要成果:
- 在接缺陷图像中,HSE有效地增强了对比度变化,并使亮度正常化.
- 使用HSE的细分结果显示,与同型过器 (HF) 和高斯差异 (DoG) 相比,错误分类错误 (ME) 较低.
- 在应用HSE和细分后,接缺陷检测的准确性从64.171%增加到84.964%.
结论:
- 拟议的HSE方法为接检查中的背景校正和图像质量改善提供了有效和高效的解决方案.
- 高质量安全管理 (HSE) 便于自动检测和分类接缺陷,从而实现更可靠的工业测试.
- 该方法显示了对接缺陷图像的细分和检测精度的显著改进.
更多相关视频
11:34Subsurface Defect Localization by Structured Heating Using Laser Projected Photothermal Thermography
Published on: May 15, 2017
11.1K
08:40Ultrasonic Welding of Thermoplastic Composite Coupons for Mechanical Characterization of Welded Joints through Single Lap Shear Testing
Published on: February 11, 2016
11.6K
