基于HALCON的医疗袋缺陷检测

目的 针对现有医疗袋质量检测过程中存在的检测速度慢和检测精度低等问题, 提出一种新的基于 HALCON 的医疗袋印刷图案缺陷检测方案。方法 根据不同医疗袋图案的区域特征进行手动定位, 通过基于形状的模板匹配算法实现目标区域的快速匹配, 利用灰度值差影匹配算法进行缺陷检测。结果 检测出的缺陷与实际存在的缺陷基本吻合, 且检测速度和检测精度均满足要求。结论 该方案能够快速、 准确、 有效地检测出医疗袋图案缺陷, 达到了一般生产线质量要求。     

全局缺陷和局部缺陷的FPC检测算法研究

为满足柔性电路板缺陷检测在生产线上的检测要求,讨论了基于机器视觉的柔性电路板缺陷实时检测系统试验所需要的关键技术.并且针对传统的基于模板匹配的算法的速度慢、准确率低等问题,提出将柔性电路板的缺陷分为全局缺陷和局部缺陷,对全局缺陷采用直方图匹配和八连通域面积的计算,淘汰两者均存在缺陷的产品;对未被排除的产品图像采用投影匹配和相关系数的计算,实现局部缺陷的识别.改进的算法经过实验验证表明其准确率和检测速度优于传统的检测算法,符合柔性电路板生产线的检测要求.     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.     

改进NCC算法在铝塑药板包装缺陷检测中的应用

目的 鉴于传统归一化互相关算法（Normalized cross correlation, NCC）存在计算量大及无法适应图像旋转的缺陷,提出一种改进算法,能快速完成对泡罩区域的提取,以及对铝塑药板缺损、漏装等缺陷的识别。方法 首先对原始图像进行预处理,然后通过仿射变换使其变换至指定位置,接着提取其单个泡罩区域作为模板并构建积分图,最后获取待测图像,变换至相同位置后进行查表式匹配。结果 与传统方法相比,改进后算法速度得到极大提升,对为1920×1200图片的匹配时间仅为21 ms,对实验样品的检测误检率为0,漏检率为3.5%。结论 改进后的NCC匹配算法在满足精度要求的同时具有较快的速度优势,能较好地适用于铝塑泡罩包装缺陷检测中对泡罩区域的快速提取,药粒缺损10%以上缺陷及漏装缺陷的识别。     

基于改进模板匹配算法的物料计数方法研究

针对生产过程中物料计数方法存在的缺陷,研究了一种改进的模板匹配算法进行物料数量检测。通过基于双模板搜索方式和位置约束系数r改进传统模板匹配算法(template matching algorithm,TMA),优化寻找最佳匹配图像的过程获得最优解,并以此进行图像拼接,完成物料计数。与传统模板匹配算法(TMA)和高斯金字塔优化的模板匹配算法(Gaussian pyramid transformation,GPT)进行实验对比,证明所提算法较其他2种算法在处理每一张样本图片的时间上分别由0.013s、0.011s缩短到0.008s,在计数准确度上分别由77.32%、84.94%提高到97.36%以上,并且在拼接精度上也优于其他2种算法,实验结果验证了所提算法的有效性。     

视觉引导的机器人条烟分拣系统设计与实现

目的 为了实现对多品种条烟高效率分拣,开发基于视觉的工业机器人条烟分拣系统平台。方法 系统采用LABVIEW图像采集及处理双进程执行系统,并基于LABVIEW进行二次开发的图像模板匹配算法。模板匹配算法得到的数据,通过与工业机器人之间的数据库对比来实现对条烟的识别和分拣,拓展机器人的应用范围。结果 4种任意放置条烟进行分拣,识别时间在100ms之内,条烟识别准确率为100%,条烟分拣速度根据传送带设置为0～4 m/s可调。结论 视觉引导的机器人条烟分拣系统软硬件设计正确,条烟识别准确,条烟分拣效率高。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

印刷品缺陷在线检测算法的研究

介绍了基于数字图像处理的印刷品缺陷在线检测系统的原理和工作流程.提出了一种改进的图像配准算法对标准模板图像和待测图像进行匹配.实验结果表明,该算法计算速度快、检测精度高,满足了系统设计的要求.     

基于深度学习的烟包识别与分类

目的 提取烟包图像数据训练深度学习目标检测模型,提升烟包流水线拣包效率和准确性。方法 基于深度学习建立一种烟包识别分类模型,对原始YOLOv3模型进行改进,在原网络中加入设计的多空间金字塔池化结构(M–SPP),将64×64尺度的特征图下采样与32×32尺度的特征图进行拼接,并去除16×16尺度的预测特征层,提高模型的检测准确率和速度,并采用K–means++算法对先验框参数进行优化。结果 实验表明该目标检测模型平均准确率达到99.68%,检测速度达到70.82帧/s。结论 基于深度学习建立的图像识别分类模型准确率高且检测速度快,有效满足烟包流水线自动化实时检测。     

工业干扰环境下基于模板匹配的印刷品缺陷检测

目的提出一套应用于实际工业干扰环境下的印刷品缺陷检测算法,解决在工业环境中由于受灰尘干扰和传送装置振动干扰等因素影响,一些传统的印刷品缺陷检测算法在检测速度和精度等方面已经无法胜任的问题。方法算法主要包括图像预处理、模板制作、模板匹配、灰尘处理、缺陷提取等5部分,其中图像预处理主要包括图像去噪、图像旋转、图像归边、图像剪裁和图像平移等环节。结果该算法在实际工业流水线上的运行结果表明,若检测400 mm×400 mm的印刷品,检测速度最快可小于1 s,检测精度可达到0.1 mm。结论该算法能够对传统预处理添加图像归边处理,以及对印刷品帧差结果图进行形态学处理,克服了工业环境下灰尘和传送装置振动等的干扰。     

基于字符分割与新型LENET网络的票据识别算法

目的 针对现今烟草物流配送中心条烟分拣工作量大,条烟分拣系统在分拣中难免会有“多烟”“少烟”“错烟”等情况出现,为解决这一情况,提高分拣效率。方法 设计一种基于模板匹配提取目标条烟图像的条烟识别系统,为了提高图像质量其图像拍摄平台采用半封闭隧道装置,拍摄图像经预处理后,采用扫描模板尺寸确定、被扫描图像的扫描起始点固定、粗匹配再匹配的二次匹配方法来准确完整地提取目标条烟轮廓,而后经Harris角点检测算法提取条烟图像特征并建立数据库,在RBM模型算法的基础上实现条烟识别纠错。结果 经配送中心实验试用后表明,在速度为1.5 m/s的传送带上,该条烟识别系统纠错率为99.9%左右,误报率≤1/30000,系统工作稳定。结论 该条烟纠错系统很好地解决了条烟分拣出错情况,提高了条烟配送效率,满足烟草物流配送中心的纠错要求。     

基于模板匹配的啤酒箱印刷质量检测方案

目的快速且精准地检测啤酒箱常见的印刷缺陷。方法以啤酒箱面纸为检测目标,通过提取模板图像中形状和灰度值信息构建差异模型的模板匹配方法,对啤酒箱印刷中常见的缺陷特征进行检测,根据检测结果判断印刷质量是否合格,并通过检测验证实验对质量检测方案的效果进行评估。结果通过对所采集的500张图像进行检测实验并统计结果,该方法的平均准确率达到96.18%,漏检率小于0.9%,误判率为3.08%,平均检测耗时低于10 ms。结论使用该方法对啤酒箱面纸这类胶印制品进行质量检测的效果优秀且稳定,可以对细小划痕等高精度要求的缺陷进行精准检测,而且检测速度也快于其他方法。     

基于灰度共生矩阵算法的新型散包检测

目的 解决传统亮度、色彩等检测方法不能有效检测出烟包(尤其背景为白色的烟包)有无油封包裹的问题。方法 在传统检测方法的基础上,增加基于灰度共生矩阵算法的检测方法进行散包检测,通过对新型散包检测硬件架构设计、硬件隔离设计、相机优化、数学建模、灰度共生矩阵特征值提取、最优解等处理,采用基于灰度共生矩阵算法的新型散包检测方法能实现烟包散包检测精度的提升,有效检测出烟包(尤其浅色烟包)有无油封包裹的情况,降低无油封包裹烟包流入下道工序的风险。结果 基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,散包烟包的检出剔除率≥99.9%。结论 基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,尤其对浅色烟包有无油封包裹情况效果提升明显。     

烫印在线检测图像识别算法的研究

应用中值滤波法对采集的烫印图像进行了噪声消除,根据烫印图案亮度值较高的特性,将彩色图像从RGB 空间转换到了 HSV 空间,然后经过 H 通道阈值分割,结合差分求和定理以及模板分块匹配,改进了 NCC算法,实现了烫印区域识别提取。 通过大量实例对算法进行了验证,结果证明此算法能够快速、有效识别烫印区域,对机器视觉在烫印质量检测中的应用具有一定的指导意义。     

C800包装机烟包外观检测装置的设计

目的为了解决GDX6S包装机出口至烟包输送通道、烟包存储装置、C800包装机入口处烟包输送、存储、包装等过程中容易导致烟包外观质量缺陷,而且无任何检测装置对其进行有效检测与剔除的问题。方法设计一种新型烟包外观视觉检测装置,通过对其关键技术的研究,综合工业相机及触发脉冲信号的安装,全方位可旋转支架的设计制作与安装,动态图像的采集与处理,PLC控制程序的设计等,实现烟包外观缺陷产品的动态检测及准确剔除。结果该外观视觉检测装置安装后,对烟包外观缺陷产品检测剔除率≥99%,误检率≤0.9%。结论该烟包外观检测装置能提升产品质量,降低物耗,提高设备作业率,降低有缺陷烟包进入下道工序的风险,可推广应用于行业内所有包装机组设备上。     

GDX2型卷烟包装机铝箔纸检测装置的改进

为提高GDX2卷烟包装机组生产过程中铝箔纸缺陷烟包检测的范围和准确度,通过对五号轮检测装置的设计改进,将电容式接近开关更换为光电式接近开关,并且在五号轮体烟包背面适当位置,另增一个光电接近开关,将两个接近开关的检测信号传递至六号轮剔除模块,实现了设备高速运转时对三号轮进四号轮、四号轮进五号轮过程中产生的缺失、破损铝箔纸烟包的剔除。改进后效果表明,可有效降低漏剔率和市场投诉,提高产品质量。     

印刷品自动光学检测伪缺陷去除方法

目的 为了解决使用差影法进行印刷品表面缺陷自动光学检测存在伪缺陷从而造成误检的问题,提出一套通过提高配准精度和空间滤波来减少伪缺陷的方法。方法 使用连续域蚁群算法求全局最优解,改进基于轮廓的模板匹配算法配准精度,减少伪缺陷的产生;配准时的仿射变换会产生轮廓伪影,根据伪影的分布特点将图像切分成轮廓区和非轮廓区。分别使用不同的空间滤波方法削弱伪缺陷,再使用阈值分割将其剔除。结果 在实验环境中,连续域蚁群算法改进的基于轮廓的模板匹配配准方法,可精确到亚像素级,配准率为92%;使用空间滤波剔除伪缺陷后进行缺陷检测,缺陷误检率为0,漏检率为3%;印刷品表面缺陷平均检测时间为1.05 s,最长时间小于1.5 s。结论 该研究改善了差影法在自动光学检测中的效果,方法快速、有效、易于实现;在降低了缺陷误检率的同时不会造成大量漏检;满足在线检测的要求,可用于实际工业生产。     

加装FX2包装机的小包视觉检测

目的 针对青岛卷烟厂现有FX包装机型生产中,没有检测烟包外观完好的设备,设计安装一套小包视觉检测装置,将高速生产中产生的不合格烟包准确剔除。方法 通过安装高速PLC和视觉采集相机,利用软件图像处理功能将采集照片进行处理分析,输出结果到上位机,控制电磁阀将缺陷烟包准确剔除。结果 经过数月的实验,在改进后的抽检中,玻璃纸缺陷次数由13降低为1,剔除数量为318盒;商标纸缺陷次数由23降低为0,剔除数量为766;内卡纸缺陷次数由14降低为1,剔除数量为160。可看出无检测的生产中存在大量缺陷烟包漏剔现象。结论 经过安装调试投入正常使用,该检测系统性能稳定可靠,能有效地降低产品的质量隐患。     

基于图像处理的电路板缺陷检测系统设计

针对传统电路板缺陷检测多为人工检测、速度较慢且成本较高的问题,本文研究设计了一款以图像处理为基础、利用现场可编程门阵列(FPGA)实现对电路板缺陷准确、高速的检测系统。在传统图像增强算法的基础上提出一种针对不同图像信息采用不同感兴趣区间的方法,增强效果显著;为减少电路板上标识字样对匹配算法计算速度的影响,提出一种去除丝印算法,将电路板上多余的标识字样取消,减少图像匹配的计算量,加快检测的速度;在传统绝对误差和算法(SAD)模板匹配算法的基础上采用去平均值法计算图像信息,减小光照变化带来的影响;将传统2算子Sobel边缘检测扩展到8算子边缘检测,边缘信息更加明显清晰。采用FPGA作为硬件平台,在Vivado开发环境下实现Verilog HDL硬件逻辑语言,下载到FPGA中实现。实验结果表明,系统的平均检测精度为98.53%,检测单张电路板的时间为8.204 s。本系统设计在检测精度和速度上都有明显提升,且造价成本低。     

机器视觉技术在彩色印刷品质量在线检测中的应用

介绍了彩色印刷品质量在线检测的机器视觉系统、印刷品质量检测软件及其处理流程,并通过试验证明了该软件有较高的处理速度和精度。探讨了2种彩色图像分色处理的方法、优缺点以及适应领域;介绍了2种常用的模板匹配算法,并根据试验结果,提出了在印刷品质量检测中,模板匹配算法的优化应以提高速度为主。