- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 81
- 收听数
- 1
- 能力
- 120 分
- 体力
- 554573 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 171745
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心
2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
基于改进 Ｋ－ｍｅａｎｓ算法的钢管表面 * D+ ?& A/ t8 f+ z+ c: W: o0 h/ t
缺陷视觉检测方法 8 |4 V6 q9 t6 f& l
& G( a3 j2 v$ v, h& [% J+ B$ B7 U* {# c7 V0 [% `. y
, U4 ]% M' s @. L8 k% p, `：为了利用机器视觉技术检测钢管表面缺陷，设计并搭建了钢管表面图像采集实验平台，针对钢管表面覆
+ `5 R8 R$ P; l, Z3 g盖有氧化铁皮以及弧形外表面易造成光照不均等问题，提出一种基于改进 Ｋ－ｍｅａｎｓ灰度正反求和的检测方3 D. [$ e2 C- V7 E" \& h, U
法。首先采用垂直投影法获取钢管区域图像，计算得到其灰度反转图像，参 照 Ｆｒａｎｋｌｅ－ＭｃＣａｎｎＲｅｔｉｎｅｘ算 法
: T2 i5 R, ~3 z0 o+ ]+ k9 N原理分别对钢管区域图像及灰度反转图像进行增强，获得各自背景均匀的高对比度图像，再 采 用 改 进 的 Ｋ－
8 Y" {' `' @# _7 {! m5 V" p1 {ｍｅａｎｓ算法进行图像分割，得到两个缺陷检测结果，并对二者求和，最后通过图像后处理优化检测结果。构建! l0 U0 y# s! `& }1 g; C
了不同光照环境下包含凹坑、翘皮、划伤和辊痕等多类缺陷的钢管表面图像样本集进行实验，结果表明本文方) l* A( C$ i4 n* N/ V4 H% C. ~, P6 V
法的检测精度较高，对光照不均匀具有良好的抗干扰能力; s9 n+ w5 f) G7 @5 L' Y
& i# d# d% F* P8 ^ l* K( E
7 o$ w/ G6 W; \" X5 g o9 l
|
zan
|
IP卡
狗仔卡
发表于 2020-11-4 15:30
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
