基于纹理特征的磁片表面刀纹缺陷检测

J4 ›› 2012, Vol. 34 ›› Issue (6): 88-92.

基于纹理特征的磁片表面刀纹缺陷检测

贺延涛1，徐琪2，唐亮1，游晓明3

（1.复旦大学计算机科学技术学院，上海 201203；2.上海海事大学信息工程学院，上海 201306；
3.上海工程技术大学电子电气工程学院，上海 201620）
（1.School of Computer Science,Fudan University,Shanghai 201203；
2.School of Information Engineering,Shanghai Maritime University,Shanghai 201306；
3.School of Electrical and Electronic Engineering,
Shanghai University of Engineering Science,Shanghai 201620,China）

收稿日期:2011-10-16 修回日期:2012-01-05 出版日期:2012-06-25 发布日期:2012-06-25
基金资助:
上海市自然科学基金资助项目（09ZR1420800）

Detection of Mark Defects on the Disk Surface Based on the Texture Feature

HE Yantao1,XU Qi2,TANG Liang1,YOU Xiaoming3

（1.School of Computer Science,Fudan University,Shanghai 201203；
2.School of Information Engineering,Shanghai Maritime University,Shanghai 201306；
3.School of Electrical and Electronic Engineering,
Shanghai University of Engineering Science,Shanghai 201620,China）

Received:2011-10-16 Revised:2012-01-05 Online:2012-06-25 Published:2012-06-25

摘要/Abstract

摘要：

表面缺陷检测在工业生产中对产品质量可以起到有效的监督控制作用，而目前对磁性材料表面刀纹缺陷检测的方法各自存在自身的局限性，如成本过高、检测速度太慢而不能满足工业生产中实时检测的需求等。为了能够达到实时稳定的检测磁片表面刀纹缺陷的目的，本文借助于计算机工业视觉系统，基于纹理特征，通过图像预处理，采用增强缺陷部分并抑制背景部分的方法，使得各种缺陷具有了统一性，从而能设计适合的掩模来提取出缺陷部分，实现了对磁片表面刀纹缺陷的检测。实验结果表明，采用本文提出的方法可以实时完成对磁片表面刀纹缺陷的检测并且对于多种缺陷类型都适用。

关键词: 纹理特征, 表面刀纹缺陷检测, 图像处理, 实时

Abstract:

Surface inspection plays an important role in industrial production of product quality control, but the existing methods for the detection of magnetic material surface mark defects have their own limitations. The existing methods are too expensive and too slow to meet the needs of realtime detection in industrial production. In order to achieve the realtime and robust detection of surface mark defects, we propose a method in this paper based on the texture feature, which makes the various defects have unity by enhancing the defective parts and inhibiting the background parts after image preprocessing. Then we detect surface mark defects by designing a suitable mask. The method proposed in this paper achieves the detection of surface mark defects. The experimental results show that it can be done in a realtime way and is useful for a variety of defects.

Key words: texture feature;detection of surface mark defects;image processing;realtime

贺延涛1，徐琪2，唐亮1，游晓明3. 基于纹理特征的磁片表面刀纹缺陷检测[J]. J4, 2012, 34(6): 88-92.

HE Yantao1,XU Qi2,TANG Liang1,YOU Xiaoming3. Detection of Mark Defects on the Disk Surface Based on the Texture Feature[J]. J4, 2012, 34(6): 88-92.

[1]	吴志豪, 张德军, 吴亦奇, 陈壹林. 一种基于MLP的高效高精度三维视线估计方法[J]. 计算机工程与科学, 2023, 45(11): 1982-1990.
[2]	陈海永, 吕承杰, 杜春, 陈鹏. 孪生注意力门控融合的遥感图像变化检测编解码网络[J]. 计算机工程与科学, 2023, 45(09): 1593-1601.
[3]	白先平, 姚袭欣, 陈香兰, 刘翀, 李曦. 基于时间自动机的AADL端到端流规约验证方法[J]. 计算机工程与科学, 2023, 45(05): 810-819.
[4]	姚袭欣, 章博, 陈香兰, 乔磊, 李曦. 一种基于Event-B语言的时间触发系统建模方法[J]. 计算机工程与科学, 2023, 45(04): 613-621.
[5]	贾志, 李茂军, 李婉婷. 基于改进YOLOv5+DeepSort算法模型的交叉路口车辆实时检测[J]. 计算机工程与科学, 2023, 45(04): 674-682.
[6]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[7]	王冠博, 赵一帆, 李波, 杨俊东, 丁洪伟. 改进YOLO v4-tiny的火焰实时检测[J]. 计算机工程与科学, 2022, 44(12): 2196-2205.
[8]	刘从军, 徐佳陈, 肖志勇, 柴志雷. 基于深度学习的心脏核磁共振图像自动分割算法[J]. 计算机工程与科学, 2022, 44(09): 1646-1654.
[9]	杨子言, 胡纯栋, 赵远哲. CFETR中性束注入实验数据绘制分析系统开发[J]. 计算机工程与科学, 2022, 44(08): 1433-1439.
[10]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(07): 1141-1151.
[11]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[12]	尹玲, 谢志军. 基于时空协作的多移动充电器充电路径规划的研究[J]. 计算机工程与科学, 2021, 43(12): 2183-2189.
[13]	张煜昕, 李永刚, 史鸣谦, 郭力兵, 杨海民, 胡上成. 数据驱动的船载外测数据实时处理软件架构设计与实现[J]. 计算机工程与科学, 2021, 43(11): 1979-1985.
[14]	徐世杰, 杜煜, 鹿鑫, 吴思凡. 基于ENet的轻量级语义分割算法研究[J]. 计算机工程与科学, 2021, 43(08): 1454-1460.
[15]	衡红军, 戚馨桐. 考虑任务均衡的加油车动态调度问题[J]. 计算机工程与科学, 2020, 42(05): 923-930.