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。     

ABS齿圈环形表面缺陷检测方法

针对传统人工方式检测汽车用ABS齿圈环形表面缺陷时存在检测效率低、易错检漏检的问题,提出一种基于图像处理的ABS齿圈环形表面缺陷检测方法。根据生产实际设计并组装ABS齿圈环形表面缺陷在线视觉检测系统,利用旋转电缸结合齿圈托台带动齿圈旋转,由线阵CCD扫描并得到齿圈环形表面图像,在经过基于OpenCV编写的图像处理算法处理后根据缺陷所在区域判断缺陷类型,进而判断齿圈合格性。通过实验将系统检测与人工检测结果进行对比,结果表明,每个齿圈平均检测时间≤4 s,缺陷分类正确率≥92%。     

基于光切图像处理的表面粗糙度检测系统

以光切法的测量原理为基础,应用传统双管光切显微镜、CCD摄像装置、虚拟仪器及图像处理技术开发了表面粗糙度检测系统.详述了系统的硬件构成原理和核心器件CCD的选用方法;应用虚拟仪器开发平台LabVIEW及其视觉应用功能开发出检测系统的软件程序,运用图像处理技术从光切显微图像中提取出表面轮廓信号计算粗糙度评定参数.该检测系统能够实现表面粗糙度的自动、快速、多参数测量,通过与触针式粗糙度仪进行测量对比实验,论证了该检测系统能达到满意的精度,测量范围是:0.4～40 μm.     

基于线激光扫描的零件三维表面检测系统研究

零件表面缺陷是造成零件生产损失的主要原因之一,现如今的表面缺陷检测大多集中于平面的表面缺陷检测,为了能更好地表达物体的三维表面信息以及针对其三维信息进行缺陷检测,提出了一种基于线激光扫描的零件三维表面检测系统。首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换。然后利用图像采集系统采集图像,对图像依次进行高斯滤波、图像差分、高斯平滑、条纹中心线提取、坐标转换,得到零件表面的三维点云数据,最后将得到的数据与标准数据做差,根据差值与设定的阈值之间作比较,判断表面是否存在缺陷。该系统可得到零件表面的三维点云数据,进而可判断出零件表面是否有缺陷存在,从而减少由于缺陷而造成的损失。     

TFT-LCD缺陷智能检测的方法研究

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,提出了一种基于图像处理的智能检测技术,用以满足工业自动化的需求.该技术根据TFT-LCD的矩阵式图像特征,设计系统流程应用图像校正提取图像的准确ROI区域、Gabor滤波将图像的背景纹理滤除、自适应二值化将缺陷与背景分割、连通域提取缺陷计算缺陷的属性特征并标记轮廓线等算法.实验结果表明,针对不同种类的缺陷如点、线、Mura等,调整合适的检测参数,即使在缺陷对比度不明显的环境中,此方法仍然适用.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.     

运用计算机图像处理和神经网络技术对炉膛火焰进行诊断

研究利用火焰图像处理技术进行炉膛火焰燃烧诊断的方法。根据火焰图像处理系统获取燃烧图像，并提取用于燃烧诊断的火焰图像特征参数，构造用于燃烧诊断的BP神经网络，将提取的火焰图像特征参数作为神经网络的输入量，通过训练和测试，进行火焰燃烧状态的预测，开发的火焰图像处理和燃烧诊断系统已在3000MW电站锅炉上得到了应用。     

基于图像处理和光电传感技术的SF6气体在线监测系统设计

对变电站设备状态进行监测是智能变电站的一个重要的组成部分。针对高压断路器SF6断路器在线监测的特点,设计了基于图像处理技术和光电传感技术的SF6气体压力状态实时在线监测系统。针对变电站中使用的彩色SF6压力表,提出了一种快速报警的仪表图像直读算法,基于该算法进行图像处理,识别SF6气体压力状态。SF6气体压力状态在线监测数据通过ZigBee无线通信技术传输,基于LabVIEW编写的后台软件能够在线实时显示SF6气体压力状态。对设计的系统进行了初步的实验室测试,验证了该系统方案的可行性。     

基于FPGA和ARM的焊缝缺陷检测设备设计

X射线无损探伤是工业中无损检测的主要方法之一。采用数字技术辅助检测可以大幅降低检测成本,提高检测速度和效率,提高产品质量。以实际工程需求为背景研究了X射线实时成像的缺陷检测与识别技术,设计了1个X射线焊缝缺陷实时检测系统。利用X射线传感器采集焊缝图像,用图像处理算法检测焊接缺陷。为实现焊缝缺陷的实时检测,利用FPGA的并行能力以及运算速度快的特点,设计了基于FPGA的缺陷图像预处理方案,按照设计的UDP封装格式封装图像数据,通过以太网接口将封装数据发送至上位机进行焊缝图像重建和缺陷检测。此设计方案减轻上位机的数据处理量,减轻了上位机的处理压力,提高了焊缝缺陷检测设备的检测速度。     

绿色植物生长参数监测系统设计

为了实现对绿色植物生长状况的基本监测,文章使用 OpenCV 图像处理库与 LabVIEW 等工具,设计了基于 计算机视觉计算绿色植物覆盖率和株高的监测系统,实现了图像远程传输、参数显示、数据记录等功能,并介绍了该 系统硬件及软件的设计方案。     

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。     

以LED点阵为特征的差动式视觉检测技术

为检测光滑金属工件表面缺陷,以发光LED点阵作为被检工件的背景,搭建了基于平行光照明的视觉检测系统.由于工件表面与缺陷在明暗域图像中有完全相反的灰度表现.使用三个相机从不同角度采集被检工件图像;提取三幅图像中LED点阵各发光点的中心坐标,并以之作为特征点对图像实施了结合随机抽样一致(random sample consensus,RANSAC)估计的直接线性变换(direct linear transformation,DLT);最终实现了明暗域图像间的差动式融合.实验结果表明差动式融合不但有效地消除了背景带来的干扰信息,而且明显提高了缺陷与被检工件表面的对比度.     

密封橡胶圈缺陷检测算法的研究

密封橡胶圈的缺陷检测主要是靠人工目测,不能满足现代制造业的要求。提出一种基于机器视觉的密封橡胶圈产品缺陷的检测方法。首先通过图像采集装置获取图像,然后利用改进中值滤波对图像去噪,再对滤波后的图像进行Canny边缘检测,最后应用数学形态学膨胀操作突显缺陷,使得缺陷更清晰突出。该方法相比较传统的检测方法,具有非接触、可在线、客观、自动化等突出优点,适合现代制造业的产品检测。     

真空开关电弧图像采集及其处理过程

设计了真空开关电弧试验装置,并对真空开关电弧图像采集系统进行了分析研究,对所采集得到的真空开关电弧图像利用Matlab进行了边缘检测、中值滤波、灰度增强处理.试验结果表明,该试验装置可成功地在电极之间触发起弧,通过图像采集系统得到真空开关电弧图像,利用处理系统对真空开关电弧的边缘进行检测,对图像噪声进行了有效抑制,增强了图像的视觉,为对真空开关电弧形态和等离子体参数的有效可靠的诊断奠定了基础.     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于神经网络的绝缘瓷瓶裂缝类型识别研究

采用CCD摄相头等硬件模拟机器人的视觉。首先完成对绝缘瓷瓶裂缝图像的采集,然后运用软件完成对图像的滤除噪声、图像分割等预处理操作,再将的图像分割成的子块图像,使其成为的二值图像,提取五个特征值,并通过对十幅图像统计分析,得出这五个特征值能够反映图像的信息。最后分别设计基于BP以及RBF神经网络的类别分类器,实现对绝缘瓷瓶裂缝五种状态：横向、纵向、块状、网状,无裂缝的分类识别,给出十幅图像的识别结果,并分析比较,得出RBF神经网络识别效果更为突出的结论。     

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。     

基于遗传优化神经网络在高压瓷瓶裂缝识别中的应用

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测.本文通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集,并通过滤除噪声、图像分割等预处理操作和形状特征,完成图像中裂缝的定位.对于聚焦放大后的裂缝图像提取五个特征值,得出图像信息.最后利用遗传算法和BP网络、RBF网络相结合的算法,分别实现对绝缘瓷瓶裂缝五种状态的分类识别.通过仿真和实验比较表明该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其它领域.     

太阳能光伏电池缺陷检测

太阳能是一种极具吸引力的替代电力能源,太阳能光伏电池是太阳能发电系统的基础。太阳能光伏电池中的各类缺陷严重影响光伏电池的光电转化效率和使用寿命。为有效地检测出这些缺陷,提出了一种基于块数据删除模型的缺陷检测方法。首先,对太阳能光伏电池图像进行傅里叶变换去除母线并调节亮度和对比度,然后将图像分块,通过块数据删除模型找出去除母线后的图像中所有的异常块,并将这些异常块全部剔除,利用余下的图像块通过非线性回归模型重建图像的背景。最后,用待检图像与得到的背景图像作差以突出缺陷区域,达到缺陷检测的目的。实验结果表明,所提出的方法能够有效地检测出太阳能光伏电池中多种类型的缺陷,如隐裂、断栅和碎片等。用该方法对313幅太阳能光伏电池图像进行实验,其中158幅无缺陷图像均未检测出缺陷,而另外155幅含有隐裂、断栅等缺陷的图像,仅有5幅出现误检,缺陷检测率达96.77%。     

水面无人艇可行域及障碍物快速分割算法研究

针对水面无人艇(USV)可行域及障碍物分割系统对图像处理过程的快速性和准确性要求,研究了一种根据无人艇机载视觉传感器对水上图像快速分割的算法。首先经过多地实验采集实验图像,经过数据清洗、图像去重和人工筛选构建原始数据库,并采用人在回路数据标注方法构造了无人船可行域及障碍物分割数据集,共5 620张图像和25 875个标签;其次实践了主流的基于深度学习的语义分割方法,包括FCN、DeeplabV3 Plus、U-Net;最后针对水上图像的特点和快速分割的任务需求,提出了一种基于改进DeeplabV3 Plus的快速分割网络DeeplabV3-CSPNet。网络学习实验、离线航行实验和模型部署结果表明,DeeplabV3-CSPNet算法取得快速且准确的分割效果,平均精度达到84.17%,运算速度达到49.26 fps,在边缘计算平台上运算速度达到45.45 fps。