带钢表面缺陷视觉检测系统关键技术研究

为满足钢板表面缺陷在线检测系统宽幅面、高速、高分辨率的检测要求，讨论了基于线阵CCD的钢板表面缺陷视觉检测系统实现的关键技术；优化设计了视觉检测系统的光学照明部分，以检测不同类型的缺陷。通过软件系统的特殊设计，以保证实时在线检测。针对缺陷图像低对比度、高噪声的特点，提出了基于灰度统计特性的图像边缘检测方法，并实现了对缺陷图像的自适应阈值分割。依据图像的缺陷统计特性，定义了缺陷的灰度、几何等特征量，用于缺陷分类。本系统样机已在实验室环境下运行。     

印刷品缺陷在线检测算法的研究

介绍了基于数字图像处理的印刷品缺陷在线检测系统的原理和工作流程.提出了一种改进的图像配准算法对标准模板图像和待测图像进行匹配.实验结果表明,该算法计算速度快、检测精度高,满足了系统设计的要求.     

基于图像处理技术的五金件表面缺陷检测研究

为实现图像处理技术在表面缺陷检测中的应用,取代传统人工检测的方式,设计开发了一套五金件表面缺陷检测系统,研究了镀镍五金件表面图像在线处理算法,包括边缘检测算法、位置修正算法、标定算法和检测算法,实现了五金件表面缺陷视觉检测.同时提出一种阈值反馈算法,用实际缺陷值反馈验证理论缺陷值,最终得到可靠的缺陷阈值,判断表面缺陷....     

图像纹理分析在彩色印刷品质量检测中的应用研究

图像处理技术为彩色印刷品的缺陷检测提供了一种新的途径.将图像的纹理分析应用于缺陷检测过程,比较标准图像和待检图像的纹理特征参数就可以分析待检图像细微层次方面的质量,从而检测出印刷缺陷.实验表明,这种缺陷检测方法精度和效率高,满足精细彩色印刷品的要求.     

基于 DP 方法的印刷品图像检测技术研究

目的研究印刷品图像质量在线检测及反馈。方法利用机器视觉检测技术、数字图像处理技术,并基于DP方法对标准样张和有缺陷样张进行分割和匹配,根据图像不同的分辨率和所需检测精度来设计图像不同的分割方式,从而进行颜色信息的检测和分析,利用二级识别缺陷分类技术将缺陷进行分类,显示相应的缺陷类型,从而提高印品总体质量。结果与传统的印品质量检测相比,实现了对印刷质量检测的高速度和高精度的要求。结论基于DP方法结合缺陷特征,能够快速、准确地检测出印刷品缺陷。     

玻璃瓶口定位与缺陷检测系统设计

目的为实现玻璃瓶缺陷在线检测,基于机器视觉设计一种瓶口定位和缺陷检测方法。方法介绍系统结构,包括相机、控制系统和剔除机构。详细论述图像处理算法,即:图像预处理、图像分割、瓶口定位、缺陷检测等。中值滤波完成玻璃瓶图像降噪处理,迭代阈值实现图像分割。基于像素坐标平均法完成瓶口定位。对于瓶口断口和破损等缺陷,分别采用径向积分投影和双圆周扫描实现瓶口缺陷检测。最后进行实验研究。结果实验结果表明,所述算法的性能指标均为98%左右,实现了准确、快速、无接触检测。结论该系统操作简单,能够满足实际使用的需求。     

全钢子午线轮胎缺陷识别系统的研制

针对全钢子午线工程轮胎X光无损检测的特点和技术要求,本文研制了一种基于X光透射成像和图像模式识别技术的全钢子午线轮胎缺陷检测识别系统.本系统以扇形X射线作为光源,用CMOS线阵探测器采集连续无盲区,清晰的轮胎X光全景图像,图像的横向分辨能力为0.08mm;依据钢丝帘线缺陷的特质设计了相应的缺陷识别算法,在采集图像的同时对轮胎内部典型缺陷的自动识别检测.实验结果表明,本系统能够完成内径尺寸从23 inch到35 inch的子午线轮胎X光图像的采集和轮胎内部异物和钢丝帘线交叉,搭接、稀线、排列不均、弯曲、断裂和带束层顺线等典型弊病的在线自动检测工作.     

基于图像配准的STN-LCD外观缺陷检测

提出了一种基于图像配准的超扭曲向列液晶显示器件(STN-LCD)的外观缺陷自动检测方法.该方法首先对标准模板图像做不均匀光照消除、二值化以及区域信息提取;然后通过控制点检测和仿射变换实现待检测图像和模板图像之间的配准;并利用各图形区域的灰度平均值和标准方差等统计信息,检测缺段、针孔等各类缺陷.为提高图像配准精度,进一步提出了有效控制点筛选方案以及混合插值方法.实验结果表明,该方法设计思路合理,缺陷检测正确率达到98.3%,可代替人眼实现对STN-LCD多种外观缺陷的快速、自动检测,满足实际应用需求.     

基于骨架模板匹配的彩色印刷品文字缺陷检测

针对彩色印刷品文字缺陷检测难等问题,提出了基于骨架模板匹配的文字缺陷检测方法。选取标准样本图像中有代表性的颜色,经过粗分割和精分割,提取主颜色;在每个主颜色的色板上分析连通分量区域几何位置关系,定位文字区;逐步细化文字区色板并赋予不同权值,得到骨架模板;把待检样品图像与骨架模板匹配得到缺陷信息并标记在待检样品图像上,完成缺陷检测。实验结果表明,该方法能有效消除印刷过程中多种干扰带来的抖动和配准精度对文字缺陷检测的影响,精确实现文字缺陷检测。     

基于数学形态学的印品质量在线检测研究

数学形态学以图像形态特征为研究对象,其图像处理算法主要有膨胀运算、腐蚀运算、开运算及闭运算,其应用于图像预处理的方式主要有图像增强、图像分割及噪声滤除等。国内外对数学形态学在印品质量在线检测中的应用进行了广泛而深入的研究,并研制出各种新型自动化印品质量检测设备。印品质量在线检测未来的研究方向主要为:在线检测运动图像采集标准的确立,灰度图像算法在彩色图像处理中的应用,颜色缺陷的分类,图像预处理计算量的减少及实时性的提高等。     

基于增强的低对比度印品缺陷的识别技术研究

目的 针对当前印刷缺陷检测系统中存在的低对比度印刷缺陷检测精度不高等问题,基于HSV颜色空间,提出一种增强的低对比度印刷缺陷识别方法。方法 首先,将标准样张图像与采集到的印刷图像由RGB颜色空间转换到HSV颜色空间,并提取视觉上变化敏感的亮度分量V作为待检测对象;其次,将对比度受限的局部直方图均衡（CLAHE）与数学形态学相结合,来增强显现待检测图像中的缺陷;再次,使用连通域分析方法来获取缺陷的面积、周长、离心率、长宽比和圆形度等5种特征信息,并以此建立15个特征模型;最后,构建基于PNN的印刷缺陷识别神经网络,并在Matlab中实现对低对比度印刷缺陷的识别。结果 15个模型的平均耗时为475 ms,都控制在毫秒级别,满足了现代印刷缺陷检测对于实时性的要求。其中模型2的测试正确率为95%,能够识别污点等点缺陷,模型3和模型12的测试正确率为93%和93.3%,能够识别刮痕等线缺陷,模型5的测试正确率为93.1%,能够识别墨迹等面缺陷,且测试正确率高于基于BP神经网络的缺陷识别方法。结论 从缺陷检测的实时性和精确性上来讲,提出的方法能够对低对比度印刷缺陷进行实时和精确的检测。     

基于卷积神经网络的印刷品颜色缺陷检测

目的 提取样本图像颜色直方图特征对卷积神经网络进行训练,达到快速、高准确率检测图像颜色缺陷的目的.方法 将标准图像从RGB颜色空间转换至HSV颜色空间,通过改变图像H,S,V三分量值获取训练样本和测试样本;在HSV颜色空间中非均匀量化图像的颜色直方图,得到所有训练样本和测试样本的颜色直方图特征;利用样本图像颜色直方图特征训练卷积神经网络,然后对测试样本进行检测,研究检测的速度、准确率,并将该检测方法与逐像素、超像素、BP神经网络和支持向量机方法进行对比.结果 对于图片尺寸为512×512的彩色图像,卷积神经网络检测单幅图片的平均检测时间约为57.66 ms,训练样本图像为50000张时,卷积神经网络方法对10000张测试样本进行检测的准确率为99.77％.结论 卷积神经网络方法在保证高准确率的前提下大幅提高检测精度,对于印刷品色差缺陷在线检测具有良好的应用价值.     

基于图像处理的包装印刷缺陷检测方法

目的为了提高包装印刷品缺陷检测的准确度和适用性,基于图像处理设计一种包装印刷缺陷检测方法。方法采用几个关键步骤包括图像配准、配准区域自动选取、缺陷检测等,并根据包装印刷品图像特征选择配准区域,同时给出一种快速图像配准算法,利用改进差影匹配算法实现缺陷检测;基于DSP和FPGA设计控制系统硬件平台,主要包括控制单元、图像采集与处理单元、成像单元等,并进行实验研究。结果所述方法能够准确识别出细微的刀丝、拉条类缺陷。结论该方法具有较高的可靠性、通用性,可实现包装印刷品缺陷的快速检测。     

粉状炸药自动包装工艺的改进研究

目的 针对印刷品表面缺陷检测中计算实时性差、缺陷类型识别率不高等问题,提出一种改进灰度共生矩阵(GLCM)的印刷品表面缺陷检测方法。方法 首先对主流的缺陷检测流程进行优化设计,通过对图像进行预处理和差分操作,判断待测印刷品表面是否存在形状缺陷;然后针对传统灰度共生矩阵的特征提取维度高、信息易丢失、旋转不变性差等问题,设计一种综合考虑效率和实时性的缺陷区域特征参数提取算法;最后结合得到的特征参量,通过基于支持向量机的分类器完成不同形状缺陷的分类识别。结果 实验结果表明,文中所设计的改进算法所提取的特征参量更能精确表征缺陷区域的特征,同时,特征参数的提取时间和缺陷分类识别率等指标均比传统检测方法更有优势。结论 在保证计算实时性的前提下,文中所设计的检测方法能有效完成印刷品表面缺陷区域的纹理特征识别能力,具有较高的分类识别率。     

包装印刷品条码质量检测方法

目的为保证商品条码在物流系统中的快速识别和信息传递,研究条码的质量检测方法。方法首先分出条码区域,考虑到条码的特殊属性,需要满足其可识读功能,设计针对EAN-13商品条码的印制质量检测方法,包括可识读检测和印刷缺陷检测。根据条码检测的国家标准,条码可识读检测部分,采用扫描反射率曲线分析法和条码质量分级法对条码的可识读性进行判定。条码缺陷检测部分经过条码校正、条码与字符的分割和条码大小的归一化等处理后,选定基于垂直投影的缺陷检测算法对条码的脱墨和污点缺陷进行检测。结果条码识读程序对合格品和缺陷品的识读准确率都为100%,条码缺陷检测算法程序的平均检测耗时为93.35 ms,检测准确率为94%。结论条码质量检测系统具有较高的检测准确率,并且能够很好地满足机器视觉缺陷检测速度的要求。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

基于改进YOLOv5的试剂卡印刷缺陷检测算法

目的 针对试剂卡生产企业采用人工分选印刷缺陷的试剂卡存在效率低、成本高、易漏检的问题，提出一种基于深度神经网络YOLOv5s的改进试剂卡印刷缺陷检测算法YOLOv5s-EF。方法 通过图像预处理算法获得高质量的缺陷图像数据集，在YOLOv5s的主干特征提取网络中添加高效通道注意力（Efficient Channel Attention, ECA）机制，增强特征图中重要特征的表示能力；引入焦点损失函数（Focal Loss）来缓解正负样本不均衡的影响；结合印刷区域的定位结果，二次精确定位并构建方位特征向量，提出一种特征向量相似度匹配方法。结果 实验结果表明，本文提出的试剂卡印刷缺陷检测算法在测试集上的检测平均准确度可以达到97.3%，速度为22.6帧/s。结论 相较于其他网络模型，本文提出的方法可以实现对多种印刷缺陷的识别与定位，模型具有较好的检测速度和鲁棒性，有利于提高企业生产的智能化水平。     

基于GRNN-PNN神经网络的印铁缺陷分类方法

目的针对在印铁过程中缺陷检测系统存在不同缺陷类型检测精度不高,对于产品整体质量无法实现智能判断的问题,基于GRNN-PNN神经网络,提出一种适用于印铁在线检测的分类算法。方法对平面印刷铁片进行小波变换提取低频信息,在低频信息中进行缺陷定位并对缺陷区域进行标记和分割。通过缺陷面积、周长等评价指数和缺陷形状构建GRNN神经网络,对缺陷进行分类。通过构建PNN神经网络智能化判别整体产品是否属于合格产品。结果 GRNN-PNN平均耗时0.69s,达到了厂方对于缺陷在线检测的响应时间要求。GRNN-PNN多分类的准确率为86%,能够对印铁过程中产生的主要缺陷进行分类。二分类的灵敏度为96%,可以准确地判断产品整体的合格性。在5%的椒盐噪声干扰下,准确率为63%,具有良好的鲁棒性。结论该设计能够对印铁缺陷进行精确的分类和智能的判断,GRNN-PNN神经网络可以在印铁过程中进一步提高检测精度,GRNN-PNN神经网络可帮助质检员及时判断生产质量。     

卷积神经网络在印刷品缺陷检测的应用

目的 为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法 提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果 对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论 经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。