工业金属板带材表面缺陷自动视觉检测研究进展

基于计算机视觉的金属板带材表面缺陷检测是冶金工业领域的研究热点,金属板带材制造行业对其表面质量的高标准要求自动化视觉检测系统及其算法性能不断提升。通过回顾关于钢板钢带、铝板铝带和铜板铜带等典型金属板带材产品的110余篇文献,对基于二维和三维机器视觉的表面检测技术进行了系统综述。根据算法性质和图像特征,将现有二维缺陷检测技术分为基于统计、谱、模型和机器学习的4类方法,根据三维数据获取方式,将三维缺陷检测技术分为立体视觉测量、激光扫描仪测量法和结构光测量方法。对经典算法和新近方法进行了介绍、分析和比较。最后,对缺陷视觉检测仍存在的挑战和未来研究趋势进行了讨论与展望。     

全自动灯头质量机器视觉检测系统

为了克服灯头产品质量人工检验效率低、精度差等缺陷,将机器视觉检测技术引入灯头产品质量检验,实现了基于机器视觉技术的灯头产品质量全自动在线检测。检测系统由电机及传动模块、振动送料器、分拣执行机构、PC机、摄像头、光源、图像采集卡以及图像处理软件构成,针对灯头产品中存在的六种主要质量缺陷,根据其不同的图像特征设计了可靠有效的算法进行判别。实际应用表明,系统简单实用,能准确高效地识别出目前灯头产品中存在的六种主要质量缺陷,并能实时对缺陷产品进行分类剔除。     

基于机器视觉的网络变压器绕组绝缘缺陷检测系统

由于传统的变压器绕组绝缘缺陷检测方法的检测精度较低,影响了电力系统稳定运行,因此提出了基于机器视觉的网络变压器绕组绝缘缺陷检测系统。设计了NJG1144KA1低噪声增幅器与XC7Z100微处理器,初步提升了系统检测精准度。构建了网络变压器绕组绝缘缺陷检测系统软件框架,设计了软件整体结构;再利用机器视觉,设计了绕组绝缘缺陷检测算法,进一步提升检测精准度,进而实现了绕组绝缘缺陷的精准检测。采用系统测试的方式,验证了该系统的检测精准度更高,能保障电力系统的运行稳定性,极具推广价值。     

基于机器视觉技术的电缆结构参数检测系统研究

随着电力技术的快速发展,电力基础设施电缆化程度不断提升,各种电缆故障和事故亦愈加频发。为了提高电力工程中电缆入场和安装前结构参数检测精度,有效预防和减少物理缺陷对电缆安全稳定运行造成的隐患,研究了基于机器视觉技术的电缆结构参数检测系统。该系统通过机器视觉模块实时采集电缆截面图像,通过优化图像处理算法并开发检测程序,拓宽现场条件下电缆结构尺寸参数可检测种类,实现检测数据的保存和输出。非接触检测的便捷性和数据的可追溯性,有利于纵向提升电缆入场和安装前的质量管控精准度。通过对比分析及现场测试表明该系统具有良好的实际操作性和较强的实用价值。     

机器视觉在铜带表面缺陷检测系统中的应用

介绍了将机器视觉技术和LabVIEW图像处理技术应用于在线铜带表面检测的系统设计,以及系统的图像处理算法。系统采用两个面阵CCD摄像头同步采集铜带表面的图像,并通过LabVIEW图像开发模块对图像进行分析和处理,以得到铜带表面的缺陷情况。最后将缺陷图像数据进行分析并存储,根据结果适时发出警报。     

基于深度学习的线束端子外观缺陷检测技术研究

为解决接触件端子与线束压接过程中会出现未成功压接、压接不到位、芯线外漏等质量问题,提出一种基于传统机器视觉和深度学习相结合的方法实现线束端子外观缺陷智能检测。首先搭建视觉检测系统获取高质量的线束端子外观图像,接着应用传统机器视觉中的图像预处理、图像滤波、最小二乘法实现剥线长度的在线检测,然后人工标注线束端子外观缺陷并构建样本数据集,最后利用深度学习算法实现线束端子外观缺陷的智能检测。试验结果表明,该视觉检测系统与人工检测对比误差小于0.01 mm,模型缺陷识别准确率为99.33%,漏检率为零,单张图像推理耗时5.6 ms。该系统运行稳定可靠,满足实际生产需求。     

基于机器视觉的触点零件在线检测系统研究

为了实现对触点零件的外观形貌质量检测,研究并提出了一种适用于机器视觉检测技术的触点类零件在线检测算法。针对触点零件几何及纹理缺陷的检测要求,设计了独特的算法流程。根据触点类零件的几何缺陷对零件图像提取了5种几何特征,针对零件图像的纹理缺陷,采用灰度共生矩阵的方法提取4种零件纹理特征,检测算法分步、有针对性的对触点进行几何及纹理缺陷的检测。文中对特征提取算法的有效性与常规的特征提取算法进行了对比试验,试验表明提出的算法流程较为简单实用,并能准确高效地识别出目前触点零件中存在的主要质量缺陷。系统基本满足触点零件在线检测的准确性及实时性要求。     

TFT-LCD缺陷检测系统的研究

随着TFT-LCD的技术飞速发展及广泛应用,人工检测良品率的方法已不能保证检测效率和检测精度。针对此问题,提出了一种基于机器视觉理论的TFT-LCD缺陷检测系统,用以满足工业自动化的需求。该系统搭建面阵CCD采集图像平台,检测算法包括提取图像的ROI区域、Gabor滤波、自适应二值化、连通域提取缺陷、计算缺陷的属性特征并标记轮廓线等步骤,最后得出结果。实验结果表明,检测系统对点缺陷、线缺陷的识别率非常高,Mura缺陷针对正视可见的效率良好。提出了一种耦合性好的检测方法,针对不同种类的缺陷采用同一种检测技术,简明、方便、准确地实现了缺陷检测,并可实际应用到工业自动化中。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于机器视觉的混凝土裂纹图像识别系统

本文设计了基于机器视觉的混凝土裂纹图像识别系统,阐述了系统组成以及工作原理以及试件表面裂纹图像的检测装置,论述了系统裂纹识别软件的核心算法：基于组合滤波器的图像预处理算法和基于直方图修正技术的图像分割技术。     

基于机器视觉技术的壳体表面缺陷检测研究

以自行研制开发的深海水密圆形连接器外壳体为例,本文提出了一种基于机器视觉技术的壳体表面缺陷检测方法,阐述了机器视觉技术在壳体表面缺陷图像的处理过程及特征值提取过程,并在深海水密圆形连接器产品研发中连接器壳体缺陷检测进行应用.最后,构造了运用BP神经网络进行壳体表面缺陷识别的分类器,实现了壳体表面缺陷的准确识别与分类.     

密封橡胶圈凸点缺陷检测的研究

本文提出了一种基于机器视觉技术的密封橡胶圈产品缺陷的检测方法.利用中值滤波对图像进行去除噪声干扰,然后用canny算法进行边缘检测,并重点对凸点缺陷的边缘检测进行了研究,并由实验验证了本方法的有效性和可行性.     

基于机器视觉的化成箔缺陷在线检测系统设计

针对目前化成箔缺陷检测效率低、劳动强度大、检测精度差等问题设计了基于机器视觉的化成箔缺陷在线检测系统。本系统针对图像对比度较低的化成箔,根据不同类型缺陷所需的不同条件光照效果,采用了特定的光源光照方式,使用高性能(CCD)工业相机实时自动获取化成箔的图像,以 OPENCV处理函数库为基础,采用 VS2008平台编写可视化操作界面,结合后续处理算法对化成箔的各种缺陷进行检测。后续图像处理部分,运用 CLAHE 与 Niblack局部自适应二值化相结合的方法,配合Blob分析较为准确地实现了缺陷区域分离算法;运用霍夫变换与掩膜相结合的方法实现了边缘区域背景去除算法。经过在化成箔生产线上的大量实验结果表明,该系统能准确地完成缺陷的在线检测。     

基于支持向量机的规则零件检测技术研究

基于机器视觉的零件检测系统由于具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。采用基于支持向量机的分类识别算法,避免了神经网络算法中需要多样本和过度拟合的问题,通过对比分析选择合适于本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试,最后对采集到的缺陷零件样本进行了分类测试实验,达到预定的较高的检测精度。     

基于机器视觉的图像识别技术应用

在现代自动化生产过程中,机器视觉系统已广泛应用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是可以提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度,是实现计算机集成制造的基础技术。随着机器视觉技术自身的成熟和发展,可以预计它将在现代及未来制造企业中得到越来越广泛的应用。机器视觉工业检测系统机器视觉…     

注塑件机器视觉缺陷检测的几何矫正方法研究

针对多面体注塑零件在机器视觉缺陷检测中的零件图像几何形变问题,提出了基于几何光学原理的矫正算法。在拍摄定位误差不大于1 mm的条件下,所述方法矫正误差理论上<0.1 mm,可满足注塑零件机器视觉缺陷检测的需要。首先对采集的图像进行预处理获取图像边缘;接着将轮廓线交点确定为零件顶点;根据顶点位置分割零件的不同表面并将其映射在二维平面;然后根据几何光学计算图像中每一个像素点的偏移量;最后使用基于几何光学的方法对图像中的像素点进行逐点矫正。利用一组六面体零件模拟实际工况,在不同的拍摄定位误差状态下进行实验,使用Matlab对矫正算法进行验证。实验结果表明,所述方法误差在0.1 mm以内,与理论分析相吻合,满足注塑零件在机器视觉缺陷检测中零件图像几何矫正精度的需要。     

一种基于单目视觉的焊缝成形检测与评价方法

提出了一种基于单目视觉的焊缝成形质量检测与评价方法。在搭建的视觉检测系统基础上,实时采集并处理扫描焊缝的激光条纹视觉图像,采用Harris角点检测算法检测条纹畸变点,实现凹坑缺陷的实时检测;建立了凹坑缺陷最大面积、平均面积、最大宽度的评价指标。试验结果表明,所建立的焊缝视觉检测与评价方法可以快捷有效地检测与评价焊缝凹坑缺陷。     

挡风玻璃花点缺陷智能检测技术研究

花点图案是由许多小黑点密集排列形成的点阵图案，它均匀分布在汽车挡风玻璃的四周。花点在丝网印刷和烧结过程中可能出现黏连、残缺与缺失等缺陷。采用人工进行花点缺陷的检测容易误检和漏检，且检测数据不易统计和分析。为了解决该问题，提出采用机器视觉技术来提取黑边花点轮廓作为相机移动轨迹；然后用PLC控制2台相机的移动来分段采集4条黑边的花点图案，以便获得微小花点的清晰图像；最后采用YOLOv5s算法来实现花点缺陷类型和位置的在线检测。文中通过对不同算法检测结果的比较，验证了YOLOv5s算法在花点缺陷检测方面的优越性和鲁棒性。     

康耐视2012年上半年研讨会新闻稿

康耐视公司是为制造自动化领域提供视觉系统、视觉软件、视觉传感器和表面检测系统的全球领先提供商。同时也是领先的工业ID读码器提供商。康耐视视觉系统帮助公司企业提高产品质量、消除生产错误、降低制造成本、提供低廉的高质量产品从而超越消费者期望。典型机器视觉应用包括检测缺陷、监控生产线、引导装配机器人以     

基于卷积神经网络的苹果缺陷检测算法

苹果的外观是评价苹果品质的重要特征.由于苹果的果萼与果梗的影响,机器视觉技术检测苹果的外观缺陷一直是研究的难点,提出了基于卷积神经网络(CNN)的苹果分块缺陷检测算法.首先改进了一种基于RGB彩色分量算术运算的背景分割算法;然后采用64×64步长为32的窗口对前景进行分块处理,以正常、果萼、果梗、边界图像块为正样本,以腐烂、疤痕、虫伤等缺陷统一为负样本,采用渐进式学习方法确定训练样本数目.正常与缺陷苹果各150个作为测试数据.实验结果表明,该算法的检测速度为5个/s,且正确率高达97.3％.