共查询到20条相似文献,搜索用时 218 毫秒
1.
2.
3.
为了实现对条码的在线采集,对采集对象进行实时检测和进一步处理,基于FPGA芯片,利用Verilog语言采用自顶向下的设计方法对图像采集电路进行了设计。图像采集单元与上位机之间通过UART进行通信,通过编码器的控制实现对条码的图像采集。其中,使用硬件描述语言对于CCD和AD芯片驱动时序的实现方法进行了设计。经过平台调试,结果表明:基于FPGA的图像采集电路实现了图像的实时采集,为提高条码的检测速度和效率提供了保证。 相似文献
4.
针对筒子纱不规则的纹理基元增加缺陷检测难度的问题,提出一种基于多尺度多方向模板卷积的筒子纱表面网纱缺陷检测算法。首先通过系统采集筒子纱的顶面纹理图像;其次对原图像进行OTSU阈值处理,并采用椭圆拟合确定纹理位置,利用极坐标变换将其展开;然后利用水平方向一维高斯差分算子提取边缘,通过改变高斯核的标准差获取多个尺度的边缘图像;进而将0°~180°角度区间量化成多个方向模板与各尺度的边缘图像进行卷积,并投票记录每个像素位置在各尺度下的多方向模板卷积结果的最大值;最后,选取经验阈值对最强卷积响应进行分割得到缺陷图像。实验结果表明,该方法可有效检测筒子纱表面的网纱缺陷,识别准确率达0.96。 相似文献
5.
为进行图形辨别,提出一种基于DSP芯片TMS320VC5509A的频域图形辨别系统。通过对采集到的图形图像进行图像分割,并对图像进行填充和抽样,再通过二维FFT变换获取图像的频域信息,频域模板匹配实现频域的图形辨别。实验证明,该系统可以实现多种图形的频域辨别。 相似文献
6.
针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。 相似文献
7.
8.
9.
10.
11.
为解决传统人工对印刷品质量检测存在的漏检、无法保证统一标准、检测效率低下等问题,采用基于机器视觉的检测系统,利用CCD线扫描相机对待检测的印刷品进行图像采集,在MATLAB环境下,对采集的印刷品图像与标准图像进行配准,找出两者间的差异,并显示出来,从而实现对印刷品质量检测的智能化。结果表明,该检测方法对于飞墨、漏印等常见印品质量问题的检测效果较好。 相似文献
12.
13.
采用机器视觉技术,提出了对生产中的纸张进行图像识别及缺陷检测的FPGA+DSP的视觉检测系统设计方案。该系统硬件用现场可编程门阵列FPGA对摄像头采集的视频图像进行预处理,并采用高性能的DSP处理器作为图像处理的核心部分,保证了系统要求的大数据量处理能力及实时性。本文详细介绍了系统的构成,并提出了基于SVM的纸张缺陷识别算法,实验结果表明该算法是有效的。 相似文献
14.
以"红富士"苹果为研究对象,提出基于高光谱成像技术结合图像分割技术的苹果表面缺陷的无损检测方法。采用高光谱图像采集系统(400 nm~1 000 nm)采集完好无损和表面有缺陷苹果的高光谱图像;对采集到的高光谱图像进行最小噪声分离变换,提取感兴趣区域的平均光谱反射率;采用图像分割技术提出苹果表面缺陷的无损检测方法。结果表明:采用最小噪声分离变换可有效地消除苹果高光谱图像中的噪声;在700 nm~800 nm以及900 nm~1 000 nm波段范围内完好无损和表面有缺陷的苹果的光谱反射率值具有明显的差异,同时选取特征波长717.98 nm处的光谱反射率值小于0.6以及982.59 nm处的光谱反射率值大于0.52作为区分苹果正常区域和表面缺陷区域的阈值条件,进一步利用阈值分割方法对80个完好无损苹果和40个表面有缺陷苹果的正确识别率分别为97.5%和95%。表明高光谱成像技术结合图像分割技术可实现苹果表面缺陷的无损检测。 相似文献
15.
16.
17.
目的:实现磨粉机磨辊轧距的实时监测。方法:采用CCD工业相机采集轧距图片,利用阈值分割、形态学方法对采集的灰度图像进行预处理操作,再利用边缘检测算法并结合MATLAB软件和数学运算剔除边缘无关点,最终计算出磨粉机的轧距。通过比较塞尺测量轧距值与系统监测值,验证系统的可行性和准确性。结果:稳定状态下该在线监测系统的数据波动幅度为0.001~0.002 mm,增速状态下波动幅度较大,为0.001~0.005 mm。结论:该系统可实时测量磨辊轧距。 相似文献
18.
19.
应用深度卷积神经网络的色织物缺陷检测 总被引:3,自引:0,他引:3
针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明:应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。 相似文献