基于图像处理的片式元件缺陷检测算法

表面缺陷检测是电子元器件生产过程中的关键步骤,通过分析表面缺陷检测的现状问题,结合片式元件图像的自身特征,提出一种基于改进的自适应阈值canny算子的片式元件缺陷检测算法;该算法把片式元件灰度图像进行区域分割,得到不同值域范围内的灰度区域,利用带有敏感度的自适应双阈值canny算子进行边缘检测;算法实现结果表明,该算法能高效地检测并处理不同缺陷类型的片式元件,并且可以达到工业生产的检测速度。     

片状元件的自动光学检测算法

表面贴装自动光学检测算法大多存在计算速度慢或对元件位置差异及图像变异敏感的问题。该文针对片状元件提出一种检测算法,根据元件局部特征区域的灰度变化,通过引入局部主波概率,利用主波特性描述标本图像与被测元件图像之间的相似度,从而判断元件是否存在缺陷并确定缺陷种类。实验表明,该算法可缩小检测范围,降低计算量,提高算法适应性。     

基于形态学的PCB缺陷快速检测技术

提出了一种基于数学形态学的PCB自动缺陷检测算法。 在对测试图像进行距离变换时,将参考图腐蚀后的边缘作为感兴趣区域使用,边缘上的每个点都具有线路边界的相应距离信息。对边缘上的距离图像进行直方图分析后得出合格线路的距离信息,以该距离为参照,可以快速地检测出各种缺陷。结合轮廓特征的对比,其能够进行准确的缺陷类型识别。实验证明,所提算法能够快速检测出PCB图像中的各种缺陷,并能进行准确的自动分类识别。     

带钢表面质量在线检测系统研究与设计

为了提高现有带钢表面质量检测技术在缺陷检测精度与识别率上存在的问题,设计了基于机器视觉技术的带钢表面质量自动检测系统,从系统整体构成、视觉传感系统、软件开发及检测与分类算法等方面进行了深入地研究,实现了包括图像的采集、传输、缺陷的实时检测和定位,缺陷的分类以及缺陷的存储与报警等功能;实验结果表明,该系统可以对带钢表面常见的边裂、氧化、结疤等几十种不同类型的缺陷进行精确地检测;与现有的缺陷检测技术相比,该系统中设计的算法在检测精度和实时吞吐量上都具有很大优势.     

大口径光学元件面形检测中重叠激光光斑的分离

在大口径光学元件面形检测系统中,激光光斑的检测及后续处理是基础,直接影响面形检测的精度;针对光学元件面形检测中激光光斑重叠的问题,提出了一种激光光斑重叠分离算法;该算法首先用一种减背景与乘法滤波相结合的方法对光斑图像进行预处理,再用两次阈值法分割图像以获取光斑目标,最后采用距离变换、重叠判别及估算圆心相结合来分离重叠的光斑;实验中,对3种重叠类型不同的光斑进行分离,结果表明,算法能有效地分离重叠的激光光斑;目前,该算法通过长时间的实验验证与改进,已成功运用于实际项目中.     

基于机器视觉的织物检测方法的研究

对布匹表面质量的检测方法进行了研究,并提出了一种新的检测思路.与其它基于纹理的布匹缺陷处理算法不同,该方法的关键步骤就是采用了一种自定义的局部二值化操作,并经实验验证取得了较为理想的处理效果.它具有较为理想的缺陷参数提取效果,较低的误检率和较低的算法复杂度.     

基于ANSYS的圆柱体超声检测仿真技术研究

金属材料在各个领域的应用日趋广泛,但是其内部缺陷常会导致产品不能正常使用,甚至引起重大的安全隐患,因此对构件内部缺陷检测并识别日趋重要.本文同时采用有限元和实验两种手段对均匀介质中的缺陷检测进行研究.首先,以中心圆孔为内部缺陷的铝圆柱体作为研究对象,采用探头垂直入射的水浸式超声检测方法进行研究,通过实验获得缺陷回波信号.其次,为对比实验检测结果,引入有限元分析软件ANSYS,对声波传播进行仿真计算并获得缺陷回波信号.对所获得的缺陷回波信号进行频域处理,对比实验及有限元两种方法所获得的频谱图.结果表明,有限元仿真结果与实验结果基本一致,可从缺陷回波信号的频谱图看出缺陷的形状以及大小不一样.     

一种基于Gerber文件的PCB缺陷检测方法

介绍一种基于Gerber文件的PCB缺陷检测方法。通过读取Gerber文件,对待检测PCB板图像元件进行快速的精准定位,提取定位区域中的图像信息,经过后期算法处理,实现对PCB板缺陷进行检测的目的。     

融合目标检测和空间投影的增强现实方法

实现对固定目标物的注册跟踪方法中, 目前最常使用预制标识物的方法, 或者需要使用集成深度摄像头等配件的专业AR设备, 成本较高. 针对现有方法的缺陷, 提出一种融合目标检测和空间投影算法的简单协作式混合跟踪注册技术, 先通过深度学习算法进行目标检测得到目标物类型, 再利用传感器位姿信息通过空间投影算法确定目标物ID, 从而提高了虚拟信息叠加在真实场景中的匹配度和准确性. 基于此算法实现了智慧物联基础设施维护的增强现实应用, 并对灯杆、垃圾桶等目标物进行了实验. 实验结果表明, 本方法可以在普通智能手机及AR眼镜上运行, 取得了预期效果, 也避免了预制标识物, 降低了对硬件资源的要求.     

SMD缺陷检测中快速图像匹配算法研究

传统灰度归一化互相关匹配算法存在匹配时间太长及不适合旋转情况匹配的缺点.提出改进的层叠二分互相关匹配算法,通过将图像多次缩小一半后进行粗匹配,再依次返回到缩小之前的图像上进行小范围的精匹配来减小匹配时间;并提出旋转搜索窗口的方法来使算法适合旋转的匹配;通过使用增量法计算互相关值来进一步减小匹配时间;最后研究了改进的算法在SMD缺陷检测中的应用并进行实验测试,结果表明算法能够快速准确检测元件的位置偏移和角度偏转.     

基于磁光图像的飞机铆钉缺陷识别

针对飞机铆钉磁光图像的识别问题,提出了一种基于模糊支持向量机的裂纹有无和裂纹方向自动识别的新方法。该方法首先对铆钉磁光图像进行预处理得到铆钉二值化图像;然后采用阈值法求取铆钉中心;最后将由铆钉中心发出的星形射线矢量作为特征,采用模糊支持向量机方法对铆钉有无裂纹和裂纹方向进行分类。其中,支持向量机的核宽及惩罚常数采用网格法进行选取,并结合模糊隶属度函数解决多类分类问题中存在的错分和拒分现象。实验结果表明,使用训练获得的支持向量机分类器识别裂纹缺陷取得了很好的效果,能够满足自动检测的高实时性要求。     

低信噪比小检测目标光学薄膜缺陷图像分割算法研究*

结合测量误差分析理论,提出一种新的高效的图像分割算法,将薄膜的连续图像采样过程看做等精度测量过程,背景图像认为仅存在随机误差,缺陷像素视做粗大误差。算法在起始阶段通过连续多次采样建立标准背景图像,并统计各像素位置的灰度标准差,然后将实时待测图像中的每个像素与标准背景像素进行减法运算,以3σ作为检测判据,从而将缺陷的检测与分离等效为粗大误差的判别与剔除问题;同时,考虑缺陷像素点的空间分布特征,将上述过程扩展到像素邻域范围,以二维分割阈值取代一维阈值,对离散噪声有明显的抑制作用。实验结果表明,该算法运算速度快,对低对比度图像适应性好,对噪声不敏感,可实现对不同种类缺陷的准确、完整分割,适于实时光学薄膜检测应用。     

Automated defect inspection system for metal surfaces based on deep learning and data augmentation

Recent efforts to create a smart factory have inspired research that analyzes process data collected from Internet of Things (IOT) sensors, to predict product quality in real time. This requires an automatic defect inspection system that quantifies product quality data by detecting and classifying defects in real time. In this study, we propose a vision-based defect inspection system to inspect metal surface defects. In recent years, deep convolutional neural networks (DCNNs) have been used in many manufacturing industries and have demonstrated the excellent performance as a defect classification method. A sufficient amount of training data must be acquired, to ensure high performance using a DCNN. However, owing to the nature of the metal manufacturing industry, it is difficult to obtain enough data because some defects occur rarely. Owing to this imbalanced data problem, the generalization performance of the DCNN-based classification algorithm is lowered. In this study, we propose a new convolutional variational autoencoder (CVAE) and deep CNN-based defect classification algorithm to solve this problem. The CVAE-based data generation technology generates sufficient defect data to train the classification model. A conditional CVAE (CCVAE) is proposed to generate images for each defect type in a single CVAE model. We also propose a classifier based on a DCNN with high generalization performance using data generated from the CCVAE. In order to verify the performance of the proposed method, we performed experiments using defect images obtained from an actual metal production line. The results showed that the proposed method exhibited an excellent performance.     

3维灰度矩阵的钢板缺陷图像识别

目的 钢板表面缺陷的种类多样、灰度结构复杂,现有的图像分割技术运用在灰度结构复杂、目标边缘模糊的钢板缺陷图像中仍然存在识别效率低、过分割现象明显等问题,本文结合图像灰度矩阵的空间特征,提出一种基于3维灰度矩阵的钢板表面缺陷识别算法。方法 首先根据灰度图像构建3维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制3维灰度矩阵的等值线图;接着构建等值线的拓扑关系树;最后根据自定义的全局搜索策略和局部搜索策略相结合,寻找局部凹凸区域,从而定位缺陷区域,达到分割钢板表面缺陷的目的。结果 本文方法能有效地识别钢板表面缺陷区域,对光照变化不敏感,在保证低误差率的前提下,提高了有效分割率。通过对氧化、辊印、结疤和气泡四类钢板缺陷图像进行测试,从分割效果和评价指标两方面对比其他钢板缺陷分割算法。与Fisher阈值分割法、经典的活动轮廓模型CV模型、基于半局部区域描述符的活动轮廓模型HTB模型和改进背景差分法进行分割效果对比,本文方法对四类钢板表面缺陷的识别更精确,分割结果更细致,一定程度上抑制了过分割现象。与大津法Ostu、1维最大模糊熵法1DMFE、最大模糊超熵法MFEE进行评价指标对比,得出对于分割孔洞和辊印图像,本文方法在误分割率均保持在2.0%以下的前提下,将有效信息率分别提升了1.6%和2.1%;对于夹杂图像,本文方法在3.4%的误分割率的前提下,具有85%以上的有效信息率。结论 提出的基于3维灰度矩阵的钢板缺陷图像识别算法可以有效地识别多种类型的钢板缺陷,即使在缺陷结构复杂的图像识别中仍具有较高的识别率。     

融合色彩比和梯度不变性的运动阴影检测

为解决运动前景的准确分割受运动阴影影响的问题,提出了一种融合色彩比和梯度不变性的运动阴影检测算法。该算法分析了阴影像素的色彩比和区域纹理梯度的光照不变性,利用亮度变化特性和色彩比不变性初步确定候选运动前景中的阴影像素,然后在候选阴影区域利用纹理梯度不变性进行去错处理,两者的结合弥补了单一特征或单一类型特征的阴影检测性能差的缺陷,提高了阴影检测率和阴影分辨率,能够准确地将阴影和前景区别开来。     

基于注意力机制学习的变电设备缺陷检测方法

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。     

基于ButterWorth滤波和EM算法的电子布疵点检测

为了精确定位和分割电子布生产过程中产生的疵点,提出一种基于ButterWorth滤波和EM算法的电子布疵点检测方法。因电子布的背景纹理对疵点检测存在影响,首先采用ButterWorth滤波弱化图像背景纹理信息;再应用高斯混合模型对预处理后的图像进行表征,通过EM算法迭代模型的最优解,对像素进行标记;最后,根据标记结果分离背景与疵点区域,定位并分割疵点。实验结果表明,该方法既能准确定位疵点位置,又能有效保留疵点的细节信息,并且能够检测多种类型的疵点,在疵点检测方面具有一定的参考价值。     

基于Radon小波低分辨率的织物疵点检测算法

针对纺织过程中可能出现的瑕疵问题,提出了一种新的织物疵点分割方法--四分法和织物疵点特征提取方法--Radon小波低分辨率特征(RWLRC)。该算法先将织物图像经过Gabor滤波器预处理,再将预处理之后的织物图像等分成四部分,通过4部分的最大值与最小值确定阈值并分割。将疵点形状的二值图像进行Radon变换并得到特征曲线,应用Mallat塔式分解算法进行特征降维,最后由神经网络进行状态识别和特征分类。实验结果表明,四分法无需与正常织物对照分割,具有自适应性,Radon小波低分辨率特征的特征值只有3维,具有特征维数低、疵点形状描述准确等特点,所提方法可以有效检测与识别缺纬、缺经、油污、漏洞等常见疵点。     

机器视觉在印刷缺陷在线检测中的应用与研究

为了提高印刷缺陷检测准确性与效率,满足缺陷检测的实时性,提出了机器视觉技术应用于印刷缺陷在线检测并研究检测过程中的相关问题.设计印刷缺陷在线检测的方案及以数字信号处理器DSP为核心的视觉在线检测系统的硬件结构组成.研究图像预处理、图像匹配与缺陷检测的算法并加以改进使其满足缺陷检测的实时性.开发印刷品缺陷视觉检测软件,对缺陷检测流程进行仿真,验证检测方案与图像处理算法的可行性.     

SMD LED chips defect detection using a YOLOv3-dense model

This research develops a defect detector on the basis of the you only look once version 3, YOLOv3, and applies a process to inspect the chips of surface-mounted device light-emitting diodes (SMD LED). In addition to an inspection process that identifies defect-free products, the model also identifies missing components, incorrect placement, inverse polarity, missing wires and defective surface. To improve the performance of the defect detector, the research substitutes densely connected convolutional networks (DenseNet) for the Darknet-53 backbone, producing a model that is called YOLOv3-dense. The research introduces the Taguchi method to evaluate the sensitivity of YOLOv3-dense’s hyper-parameters in a fewer number of experiments. The result shows that the testing mean average precision (mAP) measured by YOLOv3-dense is 33.69% higher than the class activation mapping (CAM) localization of convolutional neural network (CNN). The testing mAP is also 14.98% higher than traditional YOLOv3.