缺陷检测技术的发展与应用研究综述

为满足智能制造企业对产品质量检测的需求, 服务制造企业生产管理, 对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点; 对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状; 然后, 梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用; 最后, 对缺陷检测技术的研究情况进行了总结和展望, 指出该研究领域亟需解决的问题和未来发展的方向, 并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV (International Conference on Computer Vision)和CVPR (International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码, 为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.     

基于机器视觉的一维和二维条码高速在线识别

针对高速运动过程中一维和二维条码识别,基于机器视觉技术提出一种高效、准确的条码在线识别方法。分析了在线条码识别技术和条码编码原理,并针对复杂背景下的图像高速定位与特征提取,建立了识码系数与条码运动的关系模型,提出在复杂背景下基于Halcon的条码高速识别算法。为了验证所提出算法的准确性,搭建了高速检测试验平台对所提的方法进行应用验证。实验结果表明,在所设置的参数下,当条码运动速度达到3.75 mm/ms时,系统识码系数达到最优;在1 000张测试数据集中,算法的准确率为97.10%,算法具有较好的鲁棒性。