基于图像处理技术的表面粗糙度检测系统模型

阐述了基于图像处理技术的检测识别系统,针对图像处理在表面粗糙度检测上的应用,提出了相应的检测系统模型。     

基于图像处理的电子元器件表面缺陷检测技术

针对电子元器件的表面缺陷对其性能和品质有直接影响的问题,基于图像处理技术,以晶振外壳缺陷的检测为例,研究了电子元器件表面缺陷的检测技术。首先建立了检测系统平台,然后对所获取的图像进行分析和检测目标分割,并由生成的灰度共生矩阵计算纹理特性值。基于惯性值对纹理的深浅具有敏感性,比较研究之后,采用了惯性值作为检测表面缺陷的指标。试验结果表明该方法能够有效检测平面缺陷。     

基于图像处理的油封缺陷自动检测与分类识别方法

提出一种油封缺陷检测及分类识别方法.依据量化的油封表面质量定性判断精度指标要求,结合生产实际设计并构建油封缺陷在线视觉检测系统.采用伺服电机同步传动旋转机构等分采集油封环带图像,经图像预处理分割出不同检测区域.利用小波变换模极大值图像边缘检测算法实现油封缺陷检测;提取描述缺陷的特征参量并进行主分量选择,通过支持向量机M-ary分类策略对油封缺陷进行分类识别.实验结果表明,系统及方法切实可行,具有实用推广价值.     

基于深度学习的金属材料表面缺陷检测综述

表面缺陷检测是产品质量检测的关键环节,近年来随着深度学习技术的迅速发展,金属材料表面缺陷检测技术大幅提升。对近几年基于深度学习的金属材料表面缺陷检测方法进行了梳理和分析,并从监督方法、无监督方法以及弱监督方法 3个方面对比论述了近年来的研究现状及应用效果。最后系统总结了金属材料表面缺陷检测中的关键问题及解决方法。结合工业需求,对表面缺陷检测的进一步发展进行了思考与展望。     

钢球表面缺陷的自动检测与识别

在计算机图像处理理论与模式识别理论的基础上,提出钢球表面缺陷评价方法,给出二窗法确定阈值、噪声去除和轮廓跟踪方法;再从处理后图像中提取能表征缺陷性质的几何特征和纹理特征,以实现计算机对缺陷图像的理解和自动识别。     

基于深度学习的表面缺陷检测技术研究进展

随着计算机视觉技术的快速发展,基于深度学习的表面缺陷检测技术实现了爆发式的应用,并逐步成为了主流发展方向。基于深度学习的缺陷检测技术可以近似为计算机视觉任务中的分类、检测、分割等任务,其主要目的是找出物体表面缺陷的类别和所在位置,相较于传统图像处理方法,深度学习在特征提取能力和环境适应能力上优势明显。以缺陷数据标签类型为依据,对近年来基于深度学习的表面缺陷检测技术进行梳理划分,总结目前技术的优点与不足,重点阐述了监督学习下的三种缺陷检测方法。探讨了表面缺陷检测技术面临的小样本以及不平衡样本等关键问题：对于小样本问题目前有结构优化、数据增广、迁移学习等解决方法;针对不平衡样本问题,介绍了近年来热点的无监督、弱监督与半监督学习模型。随后介绍了常用的工业表面缺陷数据集并展现了近年来提出的算法在NEU数据集上的应用效果。最后对进一步的研究工作提出展望,希望能给缺陷检测研究提供有意义的参考。     

基于图像处理的陶瓷产品缺陷识别研究

针对生产线上陶瓷天线罩缺陷(裂纹缺陷和气孔缺陷)图像的特点,研究了基于图像处理的天线罩缺陷识别算法。图像经灰度化处理、二值化处理、中值滤波、边界提取和目标区域标记等预处理方法,有效地去除了干扰噪声,并突显出缺陷区域。裂纹缺陷经骨架提取处理和长度统计,得到裂纹长度值;统计气孔缺陷区占有像素数,得到气孔面积值。实验表明该算法能够较精确地检测出陶瓷天线罩的缺陷值,基于图像处理的天线罩缺陷识别方法可行、有效。     

基于BP神经网络的钢球表面缺陷识别

采用灰度共生矩阵为基础的纹理特征计算方法,对钢球表面图像进行特征参数提取,应用基于BP神经网络的图像特征模式识别方法,实现了对钢球表面不同种类缺陷的准确识别,实验结果表明,该方法能够对钢球表面缺陷进行有效地分类识别。     

基于LVQ的带钢表面缺陷分类研究

简要介绍了带钢表面缺陷二级检测的方法.研究了基于缺陷图像直方图、纹理、投影和形状的特征提取.提出了用LvQ神经网络进行缺陷分类的方法.分类测试表明该方法有较好的分类识别性能.     

小球表面缺陷自动检测中的表面滚翻方法

介绍一款基于机器视觉自动成批检测小直径钢球表面缺陷设备的基本构成,尤其是其中检测工位的钢球阵列在固定的相机镜头视场中不断自动翻滚球面的方法,分析了钢球的受力和运动情况,给出了钢球翻滚机构设计方案。     

基于图像处理器的圆锥滚子表面缺陷在线检测系统

研制了一种圆锥滚子表面缺陷在线检测系统。该系统由机械装置和控制系统等组成,机械装置自动完成被测工件的上料、定位、检测、剔除及下料;控制系统由PLC完成工作过程控制,由图像处理器完成缺陷检测的图像处理与判定结果输出。实验结果表明,系统可检测最小直径0.1m(与相机分辨率有关)的表面缺陷,速度为2s/个。该系统检测精度高、测量数度较快,实现了无人在线检测,满足滚子表面缺陷的检测要求。     

基于数字图像处理的印刷电路板缺陷检测

针对传统PCB检测方法高成本、低效率问题,提出一种基于数字图像处理的PCB板自动光学检测方法,建立了将标准图像和待测图像进行对比的检测系统。针对PCB板生产过程中遇到的短路、断路、空洞、凸起、凹陷等缺陷,采用了求连通区域数、计算欧拉数、求缺陷区域面积等方法,来检测上述缺陷问题,并给出算法的全过程。经实验结果分析,该方法能准确地检测出待检测电路板上存在的缺陷,达到了自动实时检测的目的。     

基于图像处理的石英晶体片分选系统

利用图像处理的方法识别石英晶体片缺陷,进而按照品质实现自动分选。石英晶体片经光学显微镜放大后,经CCD摄像头转换成为计算机图像,其缺陷被量化。按照缺陷特征设置了分类阈值,图像处理软件按照阈值进行分选,并将分选结果传送到控制器,控制分选机构将其放入分类容器中。阐述了系统的组成、工作原理及控制器的部分软件流程,最后给出了石英晶体片分选系统目前达到的整体性能。     

基矛图像处理技术的烟包侧面热封缺陷分析

本文以MATLAB图像处理技术为基础,对GDX2包装机组生产的小盒硬包侧面BOPP热封缺陷进行图像识别,提取图像中的缺陷特征信息,并对提取的缺陷特征信息进行分析,确定小盒硬包侧面热封缺陷区域的面积和缺陷集中的区域,试验结果与小盒硬包侧面热封缺陷的实际分布情况基本吻合。利用图像处理技术对热封缺陷特征进行提取分析,采集具体缺陷特征的数据信息,为分析缺陷产生的原因及进一步改进GDX2包装机的热封系统提供了具体的理论依据。     

纹理图像分析技术在表面粗糙度测量中的应用

以MATLAB软件为设计平台,构建了零件表面粗糙度的检测系统。采用同态滤波等图像处理技术,对零件表面图像进行预处理,选取图像灰度直方图参数为表征纹理的像元特征值,灰度共生矩阵参数为表征纹理结构的区域特征值,建立了BP神经网络,实现了对零件表面粗糙度参数的测量,并对测试结果与电动轮廓仪的测量结果进行了对比和分析,验证了系统的可行性。     

基于数字图像处理及DSP的木质板材缺陷图像处理系统

探讨了木材缺陷计算机视觉识别技术研究的现状,提出了基于DSP的木材缺陷图像处理系统的硬件结构以及图像处理的算法:系统的介绍了由TMS320C80为数字信号处理器的图像采集系统,概述了TMS320C80MVP并行处理器的系统结构与主要特点,并给出上述系统的处理结果.     

基于图像传感器的电子元件外形缺陷检测系统

针对目前人工检测电子元件外形缺陷的不足,研究了图像处理技术,并以晶振为例,设计了基于图像传感器的电子元件外形检测系统.首先对电子元件准确定位,由CMOS图像传感器采集元件外形的图像信息,并采用全局阈值分割法,用硬件完成图像的二值化处理.单片机将得到的二值化数据逐行扫描,并进行分析与比较,以判断该元件是否存在缺陷.实验表明该方法的检测精度可达到±0.039 mm,满足测量的需求,可解决人工检测的不足.     

基于单幅图像的三维视觉测量与缺陷检测技术研究

研究了一种基于明暗恢复形状的三维视觉测量方法,可以通过单幅灰度图像获取表面三维形貌信息,进而对工件表面加工质艇或缺陷进行检测.本文采用了轴承表面质量进行检测分析,实验证明该三维测量方法能够精确获取工件表面的深度信息,并可以检测出轴承工件的表面缺陷区域的深度信息.同时,该方法具有操作简单,硬件成本低,处理速度快,精度较高的特点,能够用于工业在线检测.     

一种火灾图像探测系统的研究

根据火灾发生时着火面积逐渐增大、火焰边缘抖动等特征,提出了一种基于BP网络的火灾图像探测系统。着重讨论了利用具有二次收敛性的Levenberg-Marquardt学习算法进行BP网络的权值优化,与标准BP算法相比,用Levenberg-Marquardt学习算法训练的BP网络具有更快的收敛 速度和更高的可靠性。     

图像处理在药片视觉检测系统中的应用

视觉检测系统可应用于药片自动包装流水线上,其中的图像处理模块经过图像增强、分割、特征提取步骤,最后实现药片包装的缺粒、缺损识别的目的.原始图像由带有CCD传感器的摄像头获取,由于光照不均匀导致图像对比度低.针对此问题,提出了基于高斯低通滤波器模型的灰度补偿方法,然后用阈值曲面去分割图像.结果在像素错分率和形状度这两项性能指标上有一定改进,提高了识别的准确率.在几何特征提取中,提出了一种改进的周长计算方法,加快了检测的实时性.