基于机器视觉的双工位载带检测系统研究

叙述了基于机器视觉的双工位载带检测系统的硬件设计方案和机械结构方案。提出了适合载带检测的图像处理算法,该算法主要包括瑕疵检测算法与尺寸计算算法。将标准合格载带样本图像作为训练集,从这些样本图像中获取检测区域图像的特征量信息作为在线检测时的比较标准。经过实际上线测试验证,载带缺陷检出率均不低于99.6%,重要缺陷漏检率为0%;检测一帧图像时间10 ms,检测速度达到12 m/min。     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。     

包装物料形状特征提取和识别方法

目的为了提高包装过程物料抓取成功率,采用机器视觉设计一种物料识别和定位方法。方法以串联机械手臂为载体搭建一种基于机器视觉的物料识别、定位、抓取平台,包括物料传送模块、图像采集模块、视觉分拣模块、机器人控制模块和抓取模块等。重点论述相关图像处理算法,包括基于双边滤波的图像预处理方法,基于Canny算子的图像边缘检测,图像特征提取和质心定位等。最后进行实验研究。结果实验结果表明,码垛机器人的物料形状正确识别率可以达到99.25%,抓取成功率能够达到99.5%。结论所述物料形状识别和抓取定位方法可有效解决图像特征提取、定位等问题,具有识别率高、抓取准确等特点,能够满足包装搬运要求。     

小包烟包装质量机器视觉检测关键技术研究

针对烟草企业对小包烟包装质量精密检测的需要,提出基于机器视觉的检测系列关键技术,包括了小包烟图像采集装置、基于快速Hough变换的小包边缘快速提取算法、基于灰度共生矩(GLCM)参数快速在线判别算法、基于支持向量机(SVMs)的包装缺陷识别等.该关键技术不仅适应在线快速包装质量检测,而且能准确判断缺陷类型.实验证明该关键技术具有实用可靠等优点,可应用到小包烟生产现场.     

基于机器视觉的包装物料自动筛选系统

目的为解决传统人工分拣作业效率低、速度慢、质量难以保证的问题。方法设计一种基于机器视觉的包装物料自动筛选控制系统,适用于多种输送线物料分拣的方案。结合多种图像处理算法,以提高物料筛选精度。改进中值滤波可实现图像预处理;形态学滤波可实现包装物料边缘检测;基于边缘匹配可完成物料识别。最后进行试验研究。结果试验结果表明,对于圆形、方形、三角形物料,所述包装物料筛选系统的分拣精度在99.5%以上,最大抓取速率能够达到150次/min。结论所述图像处理算法能够有效地提取物料边缘并实现物料识别,具有比较高的检测精度和稳定性,可以满足包装需求。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

利用机器视觉的烟包封签缺陷检测算法

构建了一个图像识别及检测的DSP+FPGA硬件平台,采用机器视觉技术,对烟包外包装各种信息进行准确而快速的识别.设计了一个烟包封签缺陷检测算法,选取图像强度分量进行灰度处理,选择合适的二值化和滤噪方案对图像进行二值化及滤噪处理,最终在二值化图像中进行封签的偏移、叠角和缺失的检测.为烟包的高速自动化包装检测提供了一种高效可行的实施方案.     

水松纸在线检测系统设计

目的针对烟支卷制完成后出现的水松纸质量缺陷等问题,结合生产实际要求,设计基于PLC和机器视觉的水松纸在线检测系统。方法采用线阵相机对图像进行采集,工业计算机利用Vision-Pro图像处理软件进行图像处理,采用SIFT改进算法简化图像处理过程,实现对水松纸质量的在线检测,同时完成参数设定、状态监控和数据记录等功能。结果实际运行结果表明,成品烟合格率由92%提高到100%。结论系统运行可靠,可与现有系统配合实现在线监测,减少了原材料的浪费,提高了成品烟支合格率。     

基于RGB视觉的瓦楞包装褶皱标定收敛研究

目的 对瓦楞纸板包装的褶皱特征精确定位,保证瓦楞纸板包装容器的褶皱特征在生产中被及时检验。方法 机器视觉瓦楞纸板包装检测系统依据图像信息收集、识别算法、RGB视觉、位置标定、收敛性结果对比等部分,确定瓦楞纸板包装褶皱特征标定核心算法要点;在传统频域变换的基础上,进行RGB视觉改进算法分析,有效提高对瓦楞纸板包装的褶皱特征识别率,明确该类包装的检测要点。以实际的瓦楞纸板褶皱为例,论证该类包装褶皱特征的特征提取方法,并且强化研究对象的褶皱特征,最后对识别结果和实物结果进行对照分析。结果 通过设定阙值在90～120得到线性率为25%～80%,结果说明该视觉方式可以实现对机器视觉的瓦楞纸板包装标定,并且各特征的实际回归基准率为86%,验证了RGB视觉算法对褶皱特征标定的精确性。结论 基于该RGB视觉以及优化措施,确定了机器视觉瓦楞纸板包装标定方式,满足了瓦楞纸板包装生产的有效定位要求。     

基于遗传算法优化支持向量机的超声图像缺陷分类

超声图像缺陷在分类时由于存在样本数量少、样本类别多、不易区分等问题,分类的准确率较低。针对这些问题,提出了基于遗传算法优化支持向量机的超声图像缺陷分类方法。该方法首先通过图像处理提取超声图像缺陷的特征数据,然后训练支持向量机作为超声图像缺陷分类器,最后采用遗传算法优化参数求得最优的分类器。实验结果表明,提出的超声图像缺陷分类器在识别率方面优于其他方法的分类器,综合识别率达到了90%,可以有效地辅助工作人员对超声图像缺陷进行分类识别。     

基于机器视觉的编织袋表面缺陷检测系统设计与实现

目的 针对编织袋生产中表面缺陷检测效率和精度低等问题,应用机器视觉技术于编织袋表面缺陷检测,进而提高编织袋的生产效率。方法 基于机器视觉设计编织袋表面缺陷检测系统:首先为了降低背景灰度变化对缺陷检测的影响,研究一种同时具有噪声滤除与图像增强功能的预处理算法;其次选取二维最大熵值法对预处理后的编织袋图进行分割,并采用改进遗传算法对它进行优化以增强算法的收敛速度和效果;然后利用特征提取结合形态学处理的方法实现了编织袋表面缺陷的识别与分类;最后应用连通域进行分析,对分类出的缺陷进行统计与定位以获取缺陷的尺寸以及位置信息。结果 采集了200个编织袋缺陷样本,采用文中编织袋表面缺陷检测系统对编织袋样本进行缺陷识别,平均识别准确率为94.0%,处理一幅编织袋图像的时间约为600 ms。结论 该系统具有较高的识别效率和正确率,可实现编织袋表面缺陷的快速检测,满足工业生产的需求。     

视觉检测系统在烟草包装机中的应用

目的在烟草包装过程中不可避免地有不合格品产生,研究利用视觉检测系统及时发现不合格品,以有效提高烟草包装质量。方法给出烟草包装机的视觉检测系统设计方案,分析视觉检测系统的检测过程及原理,并进行实机测试。结果添加视觉检测系统后,不合格烟包的有效剔除率比原来提高2.5%左右。结论通过在烟草包装机上添加视觉检测系统,利用图像相似性检测及边缘检测原理,可以有效提高不合格烟包的剔除率,降低了包装材料的消耗,减轻了下游机的运转负担。     

基于Sobel算法的塑料袋边缘位置标定

目的 对现有塑料袋装容器的外边缘轮廓进行精确定位,保证透明包装容器的外边缘轮廓在日常生产中可应用.方法 机器视觉塑料袋装容器检测系统依据图像信息收集、识别算法、sobel算法、位置标定、SVM结果对比等部分,确定透明包装边缘标定核心算法要点,在传统频域变换的基础上,进行sobel算法改进算法分析,有效提高对塑料袋装容器的外边缘轮廓识别率,明确该类包装的检测要点.以实际的液体透明医用包装袋为例,论证该类包装外边缘的特征提取方法,并且强化该包装边缘的视觉特征,最后进行SVM结果对照实验.结果 对照结果表明,该视觉方式可以实现对机器视觉的塑料袋装容器标定,精准率可以达到94％,对于机械手10％的边缘标定精确度是可以适用的.结论 基于该sobel算法以及优化措施,确定了机器视觉塑料袋装容器标定方式,满足了塑料袋装容器生产的有效定位要求.     

基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法

目的 为减少ZB47包装机小包拉线缺陷投诉,基于无监督深度神经网络构建一种小包拉线缺陷视觉智能检测方法。方法 首先,在ZB47包装机CH转塔部位设计并加装小包图像采集装置,获得实时高清晰度小包图像。其次,将小包图像根据拉线位置进行固定位置的裁剪,从而减轻不同工况的环境背景影响并且加快检测速度。然后,构建自编码器–编码器结构的主干网络,同时叠加生成对抗网络中的判别器模块组成缺陷判别模型,并综合采用图像间、图像隐空间以及图像特征间的信息构建模型的损失函数。最后,使用裁剪后的正常小包拉线图像对构建的缺陷判别模型进行训练,并基于所有的正常小包图像得到异常阈值。结果 实际验证阶段,待检测图像的得分大于异常阈值即判断为异常图像,触发CH转塔部位的小包剔除装置将该缺陷小包剔除。生产现场测试表明,所提方法可以对典型小包缺陷进行快速准确检测,缺陷检测准确率为99.99%。结论 该方法能够满足生产现场卷烟小包拉线缺陷检测的准确性和实时性要求。     

基于机器视觉的包装机械贴标功能实现

目的 为了提高包装机械贴标工序的自动化程度和贴标速度、精度,设计一种贴标控制系统。方法 基于机器视觉设计一种贴标控制系统。该系统主要包括PC机、工业相机、视觉处理模块、运动控制模块、打印机、贴标机、标签检测模块等。重点论述图像处理算法,其中柔性形态学滤波和边缘检测用于贴标区域识别和定位;模板匹配则用于检测标签的平整度和倾斜度。最后,针对正方体包装纸盒、圆形包装纸盒、不规则包装纸盒进行试验研究。结果 实验结果表明,所述贴标系统平均正标率均在99%以上。结论 基于机器视觉的包装机械贴标系统能够满足包装要求,而且可以提高包装机械的自动化水平、提高包装效率、降低企业成本。     

卷烟包装外观缺陷数据集构建及深度学习检测技术研究

目的 为了提升烟包缺陷检测的准确率,构建卷烟包装外观缺陷识别基准数据集,并开展主流深度学习模型在卷烟包装外观缺陷智能检测中的应用研究。方法 首先,从生产运行中的ZB45型细支烟硬盒包装机组采集缺陷图像,经过人工审核与筛选后获取典型的缺陷数据。然后,根据缺陷的特征与成因,将缺陷数据划分为23个类别,并逐一进行目标检测框标注。最终,形成了包含13 000余张缺陷图像的卷烟包装外观缺陷识别基准数据集,并针对烟包缺陷识别、缺陷分类、目标检测、模型迁移4项任务开展实验。结果 结果表明,数据集能够满足高准确率深度学习模型的训练需求;通过模型迁移,能够利用该数据集大幅提高不同牌号卷烟的缺陷检测效果;DenseNet模型在烟包缺陷识别与缺陷分类任务上表现较好,准确率分别达到93.70%和95.43%,YOLOv5模型在缺陷目标检测任务上mAP@0.5值达到了96.61%。结论 该数据集能够作为烟包缺陷检测领域的基准数据集,研究成果将进一步支撑卷烟包装领域的数据应用与数字化转型。