基于机器视觉的带钢表面缺陷检测系统设计

针对热轧带钢的表面质量检测进行研究,设计了基于机器视觉技术的带钢表面缺陷检测系统,从系统整体构成、硬件结构、软件开发及算法设计等方面进行了深入的分析与研究。在VS2010平台上,实现了包括图像的采集、传输、缺陷的实时检测和定位,以及缺陷的报警与存储等功能。通过大量的测试结果表明,该系统中设计的缺陷检测算法无论在检测精度还是实时吞吐量上都具有很大优势,可以对带钢表面常见的氧化、孔洞、边裂、麻点等几十种不同类型和不同等级的缺陷进行精确、实时地检测。     

冷轧带钢表面缺陷检测系统设计

针对现有带钢表面质量检测技术的缺陷检测精度与识别率不高的问题,以及冷轧带钢生产线的实际运行环境,设计了一套带钢表面缺陷实时检测系统,从系统整体设计、硬件结构、软件开发和检测分类算法等方面进行了深入的分析与研究。采用模块化软件设计理念、基于谱残差视觉显著性缺陷快速检测方法以及多分类器融合框架,实现了对带钢表面常见的孔洞、擦伤、氧化、边裂等不同类型和不同等级的缺陷进行精确、实时的检测与分类。实验结果表明:该算法缺陷检测率为94.68%,缺陷识别率达到了93.5%,单幅图像缺陷检测耗时仅为37.6 ms,符合当下高速运动带钢快速检测的需求。     

铸件表面缺陷自动化检测设备的系统设计

铸件成形后会在表面形成砂眼和裂纹等表面缺陷,而传统的铸件表面缺陷检测方法为人工通过肉眼检测,这种检测手段效率低、易受工人的主观情绪影响,已不适应现代化的大规模自动化生产,因此开发出一套自动化检测设备,完成对铸件的表面缺陷检测具有很重大的现实意义,本文采用的检测方法为机器视觉检测,分析机器视觉检测设备的系统组成,简述系统的工作原理,重点研究系统的硬件设计和软件设计,完成主要硬件的选型和参数计算,并利用Matlab软件对缺陷样本处理分析。     

基于视觉技术的扣式电池自动检测系统设计

介绍扣式电池自动化检测系统的实现方法,以实现其在线检测。设计了该系统硬件模块组成和控制系统结构,基于机器视觉的外观缺陷检测是重点,设计了分布式机器视觉系统组成方案,以实现并行检测。上位机软件具有系统控制、图像处理等功能,并包含能够实时显示的人机界面。     

人造板在线同步图像采集系统设计与实现

针对基于机器视觉的人造板表面缺陷检测过程中因板面幅度大,运动速度快而导致获取的人造板图像模糊的问题,设计了人造板在线同步图像采集系统,实现在摄像的过程中相机与人造板保持相对静止,进而实现在线获取人造板高清图像。该系统由计算机、西门子1200系列1214-DC/DC/DC-PLC、松下伺服电机、工业相机、传送系统、同步跟踪装置及检测设备(光电开关、行程开关、接近开关、两个编码器)等组成。本研究对该系统进行硬件、软件设计后并进行相关的调试。本研究证明人造板在线同步图像采集系统设计的可行性,能够实现工业相机自动跟踪人造板的速度,到达摄像位置时进行摄像,完成人造板图像的高清采集,为后续人造板表面缺陷自动检测提供重要保障。     

基于机器视觉的FPC缺陷检测系统

针对当前FPC(柔性电路板)缺陷检测中人工目检效率低的问题,基于机器视觉技术设计了一套实时检测系统。首先搭建了硬件系统,然后对FPC的4种表面缺陷特征进行了研究,基于Halcon设计了相应的缺陷检测算法,提出了通过模板匹配提取ROI的方法,以及运用图像自乘与高斯线检测来提取折痕,最后基于MFC开发了缺陷实时检测系统。实验结果显示,设计的系统检测准确率可达90%以上,且每片FPC检测时间只需0.2 s。     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可行性.采用系统法对表面缺陷检测设备进行整体分析,设计出与检测程序相配套的机械设备.     

基于机器视觉的太阳能电池片缺陷检测算法综述

太阳能电池片（Photovoltaic, PV）表面缺陷检测是光伏组件生产中不可或缺的流程。基于机器视觉的自动缺陷检测方法因其高精度、实时性、低成本等优点得到了广泛应用。本文综述了基于机器视觉的太阳能电池片表面缺陷检测方法的研究进展。首先,阐述了太阳能电池片表面成像方式,列举了典型缺陷类型。然后重点分析了基于传统机器视觉算法及基于深度学习算法进行太阳能电池片表面缺陷检测的原理。将传统机器视觉算法分为图像域分析法、变换域分析法进行综述;从无监督学习、有监督学习和弱监督及半监督学习三个方面分别概述了近几年来基于深度学习的太阳能电池片表面缺陷检测的研究现状。对太阳能电池片表面缺陷检测各种典型方法进一步细分归类和对比分析,总结了每种方法的优缺点。随后,介绍了9种太阳能电池片表面缺陷图像数据集及缺陷检测性能评价指标。最后,系统总结了太阳能电池片缺陷检测常见的关键问题及其解决方法,对太阳能电池片表面缺陷检测的未来发展趋势进行了展望。     

基于图像处理库的机器视觉检测系统的研究

为满足机器视觉检测系统通用性的需求,设计出一套机器视觉检测硬件系统,并在此基础上设计出一种基于图像处理库的检测系统软件。该视觉软件包含一套应用于工业的图像和信号算法处理库,该库作为单独的软件模块,通过插件的方式为通用外观检测软件使用。利用图像处理算法组件分别配置图像处理链,对电容器外观底部露白缺陷和引脚变形缺陷进行检测实验,测试结果表明该视觉检测系统具有较好的通用性和实用价值,可以满足工业领域部分的图像和信号处理的需求。     

透明件表面缺陷的机器视觉检测综述

随着现代科技的发展,透明件几乎运用于各个行业并起着不可或缺的作用,透明件表面质量是衡量其合格与否的一个重要指标,同时机器视觉技术因具有速度快、精度高、成本低、稳定性好等优点被广泛用于透明件表面缺陷的检测.本文主要从图像采集、图像处理和缺陷识别几个环节来介绍透明件表面缺陷的检测,对检测系统的类型,采集图像的处理方法以及实验数据的整理进行深入的研究,结合图像特征与深度学习方法对透明件表面缺陷进行归类,探讨机器视觉检测透明件技术发展近状及现存问题.进一步,本文阐述了机器视觉检测透明件的最新进展,并对未来可能发展趋势进行预测,为后续研究工作提供基础理论参考.     

基于CMOS图像传感器的太阳能电池缺陷检测系统设计

针对太阳能电池生产过程中存在的检测速度慢、自动化水平低等问题,提出一种基于机器视觉的电池片表面缺陷检测系统的设计方案,实现了太阳能电池的自动检测。首先设计了一套视觉硬件系统,用于通过CMOS图像传感器采集电池片图像;图像处理算法中,改进了一种基于形态学凸性分析与相对灰度差动态阈值分割的缺陷特征提取法,并通过检测软件的开发来实现。实验表明,同传统的人工检测相比,系统的检测具有较高的准确度与稳定性,具备较高的实用价值。     

基于机器视觉的墙地砖表面缺陷检测系统研究

为实现对墙地砖表面缺陷快速精确的自动检测,对基于机器视觉的自动检测技术进行了研究,介绍并开发了一种基于机器视觉的墙地砖表面缺陷自动检测系统。在分析了墙地砖的表面特征、缺陷类型和现有检测算法的基础上,提出了一种基于图像梯度方差和加权信息熵相结合的自适应BHPF滤波检测算法。实验结果表明:该检测算法可快速有效地完成墙地砖表面缺陷的检测,缺陷识别正确率达97.3%。实验验证了理论分析和检测算法的正确性,可用于墙地砖表面缺陷的识别检测。     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于机器视觉的重轨表面缺陷检测系统的研究

针对目前几种常用的重轨缺陷检测方法检测速度慢、精度低等问题,提出一种基于机器视觉的重轨表面缺陷检测系统的设计方法.针对重轨表面常见缺陷种类,根据实验情况对该检测系统的硬件系统进行详细设计.并分别对重轨表面字符和缺陷采用信息定位和模式识别实现图像识别,使重轨缺陷和重轨号等字符信息的相应关系达到自动判别,从而实现缺陷检测的目的.     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

基于视觉反馈的工业机器人打磨抛光检测系统应用研究

研究通过基于计算机视觉反馈的表面粗糙度和缺陷检测,实现对各种缺陷的判断和根据粗糙度检测,搭建基于计算机视觉反馈的工业机器人打磨抛光系统,针对金属表面的复杂纹理和缺陷较小容易造成误检或者漏检的情况工件复杂底纹的缺损的检测提出一种基于机器视觉的手机外壳复杂纹理缺陷检测方法;表面粗糙度检测方面,采用非接触式的光学散射表面粗糙度检测方法,测得其散射特征值并与已知表面粗糙度标准样块参数值建立关系曲线从而测得其表面粗糙度,系统具有结构简单、体积小、易于集成产品、动态响应好和不损伤工件表面等优点。     

基于机器视觉的汽车刹车片自动检测系统

为了提高汽车刹车片的检测效率和准确性,设计了基于机器视觉的汽车刹车片自动化检测系统。针对自动化检测需求搭建了基于可编程逻辑控制器(PLC)的自动化测试平台,开发了相应的视觉系统。结合VisionPro和C#语言开发了检测软件,完成了图像获取、图像校准、图像定位、尺寸测量、缺陷标示、字符识别等任务。实验结果表明,系统可快速、准确地识别出工件的尺寸、表面缺陷和字符。     

基于机器视觉技术的奶粉罐内壁缺陷检测系统设计

本文针对奶粉罐的质量检测进行研究,并设计了基于机器视觉技术的奶粉罐内壁缺陷检测系统。按检测精度要求,对该检测系统进行了硬件设计与选型,并采用LabVIEW技术编写了系统软件。针对奶粉罐内壁的特殊性,设计了适合罐体内壁缺陷检测的图像处理算法。检测系统已经安装到奶粉罐生产线上使用了半年,结果表明该检测系统能准确完成缺陷检测,满足生产需求。     

基于谱残差视觉显著性的带钢表面缺陷检测

针对带钢表面缺陷检测实时性要求高,采集的图像易受光照环境影响且缺陷特征弱等因素影响,提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先,提出改进同态滤波方法对图像预处理,去除光照不均匀的影响,改善后续的分割结果。然后,构建谱残差视觉注意模型,通过对数频谱曲线差分得到缺陷显著图像。最后,提出加权马氏距离方法对显著图像阈值化增强,并利用连通区域标记法,标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证,结果显示:该算法检测速度快,单幅图像平均检测耗时仅37.6ms,满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法,多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比,结果表明:本文算法对带钢常见8类缺陷类型,平均检测率达到了95.3%,且漏检率和误检率较低,有效性高于对比算法。