研究目的
开发一种强大的分析工具，用于严格的管道检测，通过实施特定算法来精确划定缺陷区域并可靠地解释缺陷，尽管面临具有挑战性的条件。
研究成果
论文得出结论：Sauvola和Feng阈值分割方法对管道检测中的腐蚀识别具有有效性，其中Feng方法表现出略优的性能。但需通过专家验证来排除焊缝等可能影响判读结果的物体干扰。
研究不足
该研究承认存在假阳性指示，并强调需要专家验证来指导阈值参数的选择。管道图像的复杂性要求通过监督评估来实现真实的腐蚀检测。
1：实验设计与方法选择：
本研究涉及设计一款搭载FPGA技术控制嵌入式摄像头的机动引擎，用于管道检测，并开发图像/视频处理软件进行缺陷识别。
2：样本选择与数据来源：
分析易腐蚀水运管道内部采集的视频与图像。
3：实验设备与材料清单：
包括配备数码相机的机动引擎、步进电机、驱动器、EPL相机、照明光源及电池。
4：实验流程与操作步骤：
远程控制机动装置获取管道内视频序列，采用Sauvola和Feng阈值法处理以检测腐蚀。
5：数据分析方法：
基于受损区域比例与均匀性指标评估阈值法的性能。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Zedboard
Xilinx Zynq-7000
Xilinx
Controls the stepper motors driving the wheels of the endoscope.
-
MicroZed FPGA card
Controls the embedded CCD camera acquiring the videos.
-
EPL camera USB
Acquires videos with 2 megapixel resolution.
-
LEDs
Samsung
Provides lighting sources for the endoscope.
-
登录查看剩余2件设备及参数对照表
查看全部
