基于机器视觉FPC缺陷检测对位系统研究

结合FPC电路板自动化生产线检测对位的需求,研究了针对FPC补强片缺陷检测对位系统的关键技术:系统标定和FPC图像识别与定位,并在此基础上开发了基于机器视觉的FPC缺陷检测对位系统,提出了一种双Mark点的机器视觉定位方法。首先借助标定板实现相机标定,然后通过工件移动实现视觉坐标与运动坐标的标定,最后通过双Mark点和目标位置的调节实现FPC补强片目标位置的标定,此方法可以在不精确定位FPC的情况下,实现FPC上每块补强片的精确定位,具有速度快,精度高的特点。     

基于机器视觉的织带检测系统研发

为了满足织带企业的高效、自动化检测需求,构建了基于PC的织带检测系统。设计织带张力传送机构和基于i MC3041E运动控制卡的运动控制系统;改进"边缘提取"和"傅里叶变换"图像算法,研发了实时图像采集系统;并用C#开发了集成图像采集检测和运动控制的人机界面。研究结果表明,系统可实时检测织带缺陷,满足企业实际生产需求。     

挠性印制电路板焊盘表面缺陷的检测

针对挠性印制电路板(FPC)上的焊盘表面缺陷,提出一种基于图像处理技术的智能检测方法。首先,根据缺陷的表现形式对焊盘缺陷进行归纳与分类,采用最大熵值法量化提取焊盘的颜色特征和面积特征;然后,通过评估灰度共生矩阵(GLCM)对纹理颜色变化特征与纹理结构特征量化的有效性,将其应用于焊盘纹理特征的量化与提取。实验分析显示,缺陷焊盘与非缺陷焊盘在某个或多个特征上存在着明显的差异。基于该特点,建立了BP神经网络,以焊盘的颜色、面积、纹理结构、纹理颜色变化特征值作为神经网络的输入,通过学习大量样本,获取最佳权值参数,最终实现对FPC焊盘表面缺陷的检测,检测准确率高达94.6%,50个焊盘的检测时间为300ms。实验结果表明:本文提出的检测方法不仅能够有效地对焊盘表面缺陷进行识别,而且能够满足在线检测对速度的要求。     

软性电路板金面缺陷的无监督检测

为实现软性电路板(FPC)金面缺陷的准确自动检测,提出了一种以Gabor滤波器和Mean Shift聚类算法为基础的完全无监督FPC金面缺陷检测方法。首先,用Gabor滤波器组、数学形态学与Gaussian平滑处理抽取待检测图像的多维特征;然后,使用主元分析(PCA)将每个像素特征维数降为二维;最后,使用Mean Shift方法对二维特征数据进行聚类并将聚类的结果转化为二值图像。整个检测过程无需预先知道缺陷的类型和FPC金面的纹理类型,是一种完全无监督的检测方法。对带有各种缺陷的FPC金面进行检测实验,结果表明,该方法能够准确地将各类缺陷区域从背景区域中分离出来,具有自动缺陷检测系统所要求的识别能力强、稳定性高的特点。     

基于微分几何的柔性电路板图像区域识别方法

目前柔性电路板(FPC)的表面缺陷检测方案大多缺少对轮廓进行分类这一步骤,而直接对特定区域如镀通孔、线路部位进行缺陷检测,难以直接应用到实际生产中。为解决这一问题,提出一种能有效提取柔性电路板表面轮廓并进行特定区域识别分类的方法。在该方法中,为精确地提取FPC图像整体轮廓,并有效过滤掉图像前景和背景相互夹杂的部分,针对FPC表面图像光照不均匀以及斑点杂质较多的问题,采用区域生长法提取图像轮廓,并利用中心邻域灰度法来消除欠生长的问题;为有效地识别图像不同区域的轮廓类型,利用双向差分法来计算图像轮廓的离散曲率,利用陆地移动距离(EMD)来评价各个轮廓的曲率特征与模板轮廓的区别,实现了FPC图像特定区域的识别。     

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。     

基于云-边缘协同计算的表面缺陷检测系统研究

基于现有表面缺陷检测系统所存在的实时检测难、硬件要求高等问题,提出一种基于云计算与边缘协同计算的表面缺陷检测系统。将轻量化改进后的 YOLOv4 缺陷检测算法模型部署到边缘端嵌入式设备中,在边缘端完成对表面缺陷的检测,并在边缘端和云端设备部署 KubeEdge 框架进行通信和管理。通过案例验证该系统不仅能够满足检测实时性的要求,还能够提取缺陷检测关键信息,同时便于部署在价格低廉的嵌入式设备。     

超声信号双特征实时提取系统

为了提高超声缺陷识别的效率,满足超声高精度在线检测需求,设计了一套超声双特征实时提取系统。该系统可以提供4个通道触发信号及超声收发电路控制信号,具有2 kHz的采样频率。在实时提取缺陷回波信号时间与幅度双特征量的同时,将时间与幅度值分别自动存储在2片8K存储深度的FIFO。通过试验表明该在线检测系统具有较好的实用性、准确性和可靠性,应用前景广阔。     

基于机器视觉的带钢表面缺陷检测系统的设计

针对带钢的表面质量检测进行专门化研究,设计了基于机器视觉的带钢表面缺陷检测系统,从系统硬件结构、软件设计两方面进行深入分析与研究。其硬件结构包括图像传感器、高速CCD相机、光源设计;软件设计包括图像滤波去噪、缺陷特征的提取和选择、表面缺陷检测与辨识。根据实验结果的比对可知,本文设计的基于机器视觉的带钢表面缺陷检测系统在对带钢表面缺陷进行检测时,随着试验次数的累加,其精测精度均比传统系统要高,证明本文设计具有较高的实用性和有效性。     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

基于FPGA的滚动轴承故障在线检测系统设计北大核心CSCD

针对传统滚动轴承故障诊断方案不能实时在线诊断的问题,设计了基于FPGA的滚动轴承故障在线检测系统。在硬件方面,设计了信号调理电路,实现了A/D转换,完成了滚动轴承信号在线采集,设计了上位机界面,能够实时显示检测结果,实现了结果的可视化;在算法方面,利用共振解调技术,完成了滚动轴承故障频率的提取。最后在QPZZ-Ⅱ实验台对系统进行测试,并与软件检测方法对比检验系统实时性能。结果表明:系统能有效提取滚动轴承故障特征频率,解决了传统检测方案效率低的问题,满足滚动轴承故障实时在线检测的需要。     

基于局部马尔科夫模式的FPC薄浆缺陷检测

薄浆是柔性印刷电路板(FPC)导电涂层的一种缺陷,为避免其对电路性能产生不良影响而造成经济损失,检测薄浆位置从而进行修补或直接剔除板材均是合理的处理方式。FPC线路结构复杂,同时由于其线路涂层结构特性和采集环境因素影响,所获得的图像容易出现"斑点"噪声、光照不均匀等现象,这些因素导致了当前算法检测性能降低。针对该问题,提出了一种基于局部马尔科夫模式(LMP)的检测方案。首先给出LMP算法的基本模型,然后将预处理后FPC图像划分成大小均匀的区块,以降低光照影响;接着,提取各区块内部线路区域的直方图特征并以此为依据选取种子点,同时为各种子点赋予其作为缺陷的初始概率,进而计算其LMP值,并通过LMP的数值大小识别其中的薄浆缺陷像素。在自建图库SUT-F2上进行了测试,结果显示方法对薄浆缺陷检测的等误率仅为4.06%,相对于其他典型纹理特征提取和薄浆检测方法其等误率至少降低了5.14%,表明了方法的高效性,具有实际应用价值。     

油气管道内表面涡流无损检测系统研究

为了确保管道在油气储运过程中的安全性,需要对管道进行损坏排查和维护。基于电磁涡流检测原理,设计了一种差动式自比较型探头,通过一个线圈产生激励磁场,另外两个检测线圈反接形成对消,来降低直耦信号的干扰;采用DDS技术产生波形稳定的正弦波信号以激励线圈;提出了通过模拟电路对缺陷信号幅值和相位进行快速提取,相较于数字相敏检波更易实现;搭建了上位机软件平台,可以实时在线对缺陷进行检测与识别;分析对比幅值、相位在不同半径、深度的缺陷时的差异性。实验结果表明,涡流检测系统能够对缺陷进行有效实时检测,最小可以分辨出孔半径为2 mm的缺陷。     

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。     

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。     

金属管器件表面缺陷实时检测技术研究

针对金属管器件的表面缺陷检测进行研究,以机器视觉技术为基础,设计了金属管器件表面缺陷在线检测系统。根据生产线的实际检测要求,提出了检测系统的整体设计方案。针对金属管器件图像特点,设计了简单有效的图像处理算法。首先,提出了基于颜色统计特性的目标分割算法,实现了目标与背景的准确分割。然后,提出的实时光照校正算法,克服了光照影响,实现固定阈值的缺陷分割。最后,使用方向投影的方法定位缺陷区域,并采用面积指标对缺陷进行有效判定。实验结果表明,该方法对于每个器件的平均检测时间为0.21秒,缺陷产品的检测率为100%,能够满足金属管器件表面质量实时检测的要求。     

基于DSP和LabVIEW的ACFM检测系统

设计了一种基于DSP和LabVIEW结合的ACFM检测系统,该系统具有较强的实时数据处理能力,可以实时对缺陷图形进行保存和计算得到缺陷的长度和深度数值.利用DSP实现激励信号产生、数据采集、数据处理和数据发送功能;采用LabVIEW作为上位机软件,实现数据的显示,存储以及缺陷的定量计算功能.     

一种钢管漏磁信号高速采集和检测方法

数据采集的快速性和实时性是钢管在线检测系统的关键,本文基于 FIFO技术设计高速数据采集板,并在此基础上利用编写虚拟设备驱动程序的方法实现了Win9x下的高速实时数据采集,有效地解决了钢管缺陷漏磁检测的数据采集问题,同时实现了对钢管缺陷信号进行实时采集和跟踪分析,对比实际探伤缺陷特性曲线与试验样管特性曲线,标记缺陷的位置和相对峰值大小,从而达到钢管检测的目的。     

基于计算机视觉的药片实时检测系统

为了提升药品缺陷检测效率,降低制药企业的生产成本,设计了一款基于计算机视觉的药片实时检测系统。介绍了计算机视觉检测系统的工作原理和硬件结构组成,并在此硬件结构基础上,提出了一种新型计算机图像分割和特征提取方法。实验结果表明,所述算法和系统能够显著提高药片缺陷检测准确度,可以达到99%,计算机视觉检测系统能够完全满足实时性、高识别率等要求。