基于离焦图像的晶圆表面缺陷检测

缺陷检测在晶圆生产中起着关键作用,在利用机器视觉检测晶圆缺陷时,无论晶圆有无缺陷均进行自动对焦,从而导致检测效率降低,针对该问题,提出了一种基于离焦图像的晶圆表面缺陷检测方法。可在对焦前下对晶圆进行评估,检测缺陷后进行对焦,首先在频域中对晶圆图像进行自适应背景估计和去除,得到光照均匀、特征突出的检测图像;然后使用区域合并的优化分水岭算法进行图像分割;最后对分割后缺陷区域进行缺陷识别。实验结果表明,该方法可以准确鉴别晶圆图像是否存在缺陷,对于存在缺陷的样本,缺陷检测准确率可达95.3%,提高了检测效率。     

X射线焊缝图像的缺陷检测与识别技术

针对目前无损检测主要采用人工方式存在的主观不一致、检测效率低、操作复杂等问题,设计了一套焊缝缺陷自动检测系统。提出基于Otsu双阈值分割的缺陷区域自动提取、图像的降噪和灰度增强的图像预处理方法;通过SUSAN算法检测焊缝缺陷目标,并结合形态学孔洞填充算法修正缺陷目标;计算焊缝缺陷目标特征参数,并结合所设计的深度为4的二叉树分类识别逻辑流程,实现了较好的焊缝缺陷的检测结果。     

基于时频域混合分析的太阳能硅片缺陷检测方法

针对太阳能硅片的水印缺陷,提出一种基于时频域混合分析的检测方法。在此基础上,设计太阳能硅片表面缺陷检测硬件系统。对采集的硅片图像,首先在时域进行图像预处理,然后利用实数快速傅里叶变换得到频率谱图像;在频域里,设计高斯滤波器滤波,再通过傅里叶逆变换获得重构图像,转换到时域,进行差分得到差分图像;最后通过阈值化和形态学操作获得缺陷区域。实验结果表明:此方法对包含水印缺陷的太阳能硅片样本进行缺陷检测的准确率高,具有较高的实用价值。     

基于稀疏优化的织物缺陷检测方法

针对传统织物检测算法存在严重的误检、漏检现象且微小缺陷不易检测等问题,提出一种基于稀疏优化的织物缺陷检测方法。对织物图像进行预处理,加强图像的对比度;将一些无缺陷织物样本图像分块,采用K-means算法将图像块聚类成簇,每个类簇训练一个子字典,选择合适的子字典并利用优化的稀疏表示模型对待测图像进行重构;最后生成残差图像,利用最大熵阈值法对残差图像进行分割,从而检测出织物的疵点。实验结果表明:该方法可以有效检测织物的各种缺陷以及微小缺陷,与其他算法相比,该算法也具有较高的检测精度。     

拉深件缺陷在线检测系统设计

针对拉深缺陷人工检测的不足问题,提出了一种生产线上表面缺陷检测系统的设计方案。通过Halcon和VC++的联合开发,实现图像处理流程以及检测结果输出,包括摄像机标定、对图像进行平滑处理、利用动态阀值分割表面缺陷特征,通过形态学处理识别破裂缺陷,并对破裂缺陷分类和测量以及输出破裂缺陷外形和尺寸等,实现冲压生产线拉深件表面缺陷的自动检测功能。其中在相机标定过程中,采用Halcon的相机标定方法,快速获取图像坐标与世界三维坐标的对应关系,并实现缺陷特征的准确测量。此方案具有一定的稳定性,可提高检测效率。     

基于机器视觉的滑动轴承缺陷检测系统设计

针对滑动轴承生产过程中存在的检测速度慢、自动化水平低、检测精度低等问题,提出一种基于机器视觉的滑动轴承内表面缺陷检测系统的设计方案,实现了轴承体的自动检测功能。首先设计了一种实验检测平台用于获取滑动轴承内表面的图像;通过基于形状的模板匹配算法对预处理后的图像进行匹配,实现对目标物体与缺陷区域的快速定位;为了实现对缺陷的提取,提出了一种基于区域灰度值的图像分割方法与基于区域形态学处理的特征提取方法。实验表明,系统的检测效果与传统的检测方法相比,具有明显的优越性,为滑动轴承内表面检测提供了新的方法。     

一种用于轴承缺陷图像分割的改进k-means聚类算法

为了实现轴承缺陷无损检测自动化,研究了轴承表面缺陷图像的分割方法。在数字图像处理技术的基础上,提出一种改进的k-means的图像分割算法。先利用二维向量小波变换对图像提取特征,根据表面缺陷特征,运用k-means算法的思想,对其进行改进。试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值。     

一种基于图像展开与拼接的精密轴承表面缺陷光学检测方法

建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像,在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明:采用该方法能够快速、高效地检测出微小精密轴承表面大于10μm的缺陷形貌;能够准确地对凹坑、裂纹和划痕缺陷进行分类。     

基于机器视觉的线缆表面缺陷检测系统设计与算法研究

针对相关行业对线缆表面质量检测的需求和人工检测方法的不足,提出一套基于机器视觉的线缆表面缺陷实时检测系统的设计方案。设计了满足工业生产线条件的视觉硬件设备,用于采集优质的线缆图像。在图像处理算法中,改进行灰度均值法实现了复杂环境下图像线缆区域的提取;改进双边滤波建立背景并与原缺陷图像差分实现了缺陷信息的分割。通过对300张存在小孔、划痕、绝缘皮破损等线缆缺陷图像进行检测试验,结果表明:该算法检测准确率高于96.3%。     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

模式识别的汽车轮毂铸件缺陷检测技术研究

为了实现汽车轮毂质量检测的自动化,提高传统基于X射线图像的轮毂缺陷检测的可靠性和稳定性,通过轮毂铸件缺陷图像特征分析,提出一种基于改进模糊模式分类的轮毂缺陷自动识别算法,能够对轮毂缺陷进行分类和等级评定。结果表明,该系统无需参照物和预处理过程,能够对常见4种类型(气孔、缩孔、缩松和夹杂)的轮毂缺陷进行检测,且计算速度快、鲁棒性和准确率较高。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性，以及检测精度不高、准确率较低、检测过程繁琐等问题，提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中，运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足，防止因数据集过小导致系统测试模型出现过拟合现象，使用了对原图像进行数据扩增处理。检测网络模型设计时，采用非极大值抑制算法对缺陷图像进行候选区域筛选，构建了区域建议网络，实现网络多层特征的复用和融合，在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法，消除ROI池化取整而产生的系统偏差，实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进，利用双线性插值法获得原图的位置坐标，克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上，金属材料工件表面目标缺陷检测速度达22 帧/s，准确率达97.36%，召回率达 95.62%。结论 与传统的工件表面检测方法相比，改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度，能在复杂场景条件下，提升工件表面缺陷的检测性能。     

表面检测系统在热镀锌线的应用

表面检测系统是镀锌汽车板生产过程中关键的质量控制设备,本文对表面检测系统的缺陷检测原理、系统组成进行了介绍,对缺陷灰度特征进行了分析,并总结出了6种典型缺陷的缺陷特征,提出缺陷分类以及自学习分类器建立的方法。通过缺陷的收集以及专家宏规则库的应用,建立了准确可靠的缺陷自学习分类器。生产中表明,该系统对本产线主要缺陷的分类有较高的准确率,通过对检测数据的二次开发,最终实现了钢卷的智能判定,广泛用于对汽车面板等高端产品的质量控制,大大提高了客户满意度。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

基于机器视觉的网络变压器模块缺陷检测系统研究

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统。针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对图像缺陷特征进行形态学特征识别和提取,得到判断结果。实验结果表明:该检测方式能快速、准确、高效地提取电子元件缺陷特征;单幅图平均图像处理时间为131 ms,检测平均准确率为95%;另一方面,自动控制系统稳定性强,精度高,单个元件检测周期平均时间为4.7 s,相教于人工检测效率提高了38%,满足工业要求。     

基于改进Niblack算法的轴承滚子表面缺陷检测

为了提高轴承滚子表面缺陷检测的效率和准确率,设计了一套图像采集装置,采用背光源在轴承滚子侧面打光的方式,获取缺陷区域较明显的图像,克服传统光源照射方式的局限性;针对采集到图像包含无用的背景区域,首先使用阈值分割方法将轴承滚子区域从原始图像中提取出来;然后根据无缺陷轴承滚子图像沿垂直方向灰度值基本保持不变特点,采用改进的Niblack算法对轴承滚子表面图像进行处理,分割出缺陷区域。实验表明,该方法不仅可以有效的检测出轴承滚子的各类缺陷;且在检测效率和精度上优于传统阈值分割算法。     

纽扣电池表面缺陷检测算法的研究

在电池的生产过程中,不可避免地会生产出一些次品,因此有必要依托信息技术设计出一套合理的算法来自动完成不合格次品的检出。利用图像采集设备采集纽扣电池表面图像,对采集的图像依次进行混合噪声滤除、OSTU最佳阈值分割、图像字符定位分割、缺陷模式提取、BP神经网络缺陷分类,每一步在满足检测精度的前提下,以算法简洁、高效作为衡量标准,为算法移植到生产实践中的实时检测奠定基础。     

基于神经网络和形态学的钢表面缺陷识别

钢表面图像的信噪比很低,探测目标很小,形状也不规则,因此钢材表面缺陷难于识别.引进基于神经网络和形态学的图像识别方法检测钢表面的各种缺陷,简述图像的预处理和BP神经网络建立的基本过程.通过对比BP神经和RGB阈值方法对钢表面图像的分割结果,表明BP神经网络方法优于RGB阈值方法.利用形态学处理方法过滤噪声,使结果更清晰.此方法能检测出不同类型的缺陷,且具有很强的鲁棒性.     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。