基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

机器视觉检测图像拼接融合技术研究进展

机器视觉检测任务通常需通过图像拼接获取高质量、宽视野的被检对象,图像拼接融合是实现机器视觉图像拼接的关键步骤,该文系统评述常见机器视觉检测图像拼接融合技术,包括基于平滑过渡的机器视觉图像拼接融合技术、基于缝合主线的机器视觉图像拼接融合技术以及基于深度学习的机器视觉图像拼接融合技术等,阐述各技术方法的主要数学模型、工作机理以及性能特点,以及总结当前图像拼接融合技术先进方法与图像拼接配准技术值得关注的方向。     

基于机器视觉的燃气表表观缺陷自动检测方法

针对膜式燃气表表观缺陷用普通拍照难以高精、高效检测的难题,提出了一种基于机器视觉的燃气表表观缺陷自动检测方法。依据均值滤波算法去除图像中噪声后,基于Otsu自适应分割方法精准分割缺陷与背景区域,在此基础上,采用连通域算法对缺陷轮廓进行提取。实验结果表明,该方法针对划痕、孔洞、表皮剥落等缺陷的检测精度达100%,检测速度为0.42f/s以内,可以有效解决当前燃气表缺陷检测技术效率低、成本高的难题。     

基于 DP 方法的印刷品图像检测技术研究

目的研究印刷品图像质量在线检测及反馈。方法利用机器视觉检测技术、数字图像处理技术,并基于DP方法对标准样张和有缺陷样张进行分割和匹配,根据图像不同的分辨率和所需检测精度来设计图像不同的分割方式,从而进行颜色信息的检测和分析,利用二级识别缺陷分类技术将缺陷进行分类,显示相应的缺陷类型,从而提高印品总体质量。结果与传统的印品质量检测相比,实现了对印刷质量检测的高速度和高精度的要求。结论基于DP方法结合缺陷特征,能够快速、准确地检测出印刷品缺陷。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

印刷电路板表观检测中光电图像的快速配准方法

印刷电路板(PCB)表观缺陷检测是机器视觉检测领域的一个重要问题,为了有效地利用参考法对印刷电路板光电图像进行检测,需要提高图像配准精度.本文提出了一种基于随机Hough变换(RHT)和空间数据坐标变换理论相结合的配准方法,该方法在寻找配准目标和完成配准效率方面均有很大提高.利用PCB光电图像进行实验,结果表明:在提高检测精度,降低内存空间,减少计算时间等方面,该配准算法的优势明显.     

钢化玻璃绝缘子缺陷检测方法及装置研究

介绍了一种新型的钢化玻璃绝缘子玻璃件缺陷检测方法及检测装置。在机器视觉技术的基础上,分析了绝缘子玻璃件缺陷及散射光带出现的统计学规律,采用旋转控制平台和环形大面积LED光源,利用Canny算子边缘检测图像分割技术,并运用人工神经网络分类器,克服了钢化玻璃绝缘子玻璃件形状的复杂性以及缺陷的多样性造成缺陷检测的困难。测试实验结果表明,该装置及其检测方法能够满足工业企业自动化生产的需要。     

玻璃瓶口定位与缺陷检测系统设计

目的为实现玻璃瓶缺陷在线检测,基于机器视觉设计一种瓶口定位和缺陷检测方法。方法介绍系统结构,包括相机、控制系统和剔除机构。详细论述图像处理算法,即:图像预处理、图像分割、瓶口定位、缺陷检测等。中值滤波完成玻璃瓶图像降噪处理,迭代阈值实现图像分割。基于像素坐标平均法完成瓶口定位。对于瓶口断口和破损等缺陷,分别采用径向积分投影和双圆周扫描实现瓶口缺陷检测。最后进行实验研究。结果实验结果表明,所述算法的性能指标均为98%左右,实现了准确、快速、无接触检测。结论该系统操作简单,能够满足实际使用的需求。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于机器视觉、百度AI与深度学习的晶圆缺陷检测方法研究

针对晶圆制造过程中的缺陷对芯片的影响越来越严重,缺陷检测技术在整个半导体工艺流程中至关重要。本文研究了晶圆片在检测速度、检测环境克服能力和检测模型等方面的缺陷检测分析,通过采用机器视觉、百度AI和深度学习技术,以寻找最优技术为检测设备开发奠定基础。实验结果表明,机器视觉技术只能针对特定的应用场景,对特征复杂的晶圆和缺陷检测困难;基于AI技术的检测模型识别准确率可达预期值,但检测置信度较低,无法满足设备开发需求;而基于深度学习技术能有效检测出各种缺陷,算法效果好,检测速度快,符合检测设备开发要求。     

一种新型光学快速自动聚焦系统

为满足基于机器视觉的工业检测系统中对自动对焦快速性的要求,提出了一种基于激光技术的新型嵌入式高速对焦系统.该方法利用在同一光路中激光与可见光互不影响的特性和DSP高速图像处理的能力,通过检测特殊设计光学回路反射回来的激光光斑信息,主动控制运动执行机构实现工业检测系统显微镜的快速和稳定对焦.该对焦方法改善了TFT-LCD光学检测系统中基于被动的图像处理和基于主动测距等传统对焦方式精度低和速度慢等缺陷.测试结果表明,该新型对焦系统极大的缩短了对焦的时间,并且提高了对焦系统的控制精度,满足了工业光学检测系统中实际应用的要求.     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。     

基于机器视觉检测的码垛机器人控制系统设计

目的为了提高码垛机器人对码放物品的自我分辨能力,提高码放效率,提出一种基于机器视觉检测的包装码垛机器人控制系统。方法首先分析机器视觉码垛机器人工作过程,基于工业控制计算机和图像采集卡设计码垛机器人控制系统,提出控制系统的硬件设计和软件设计。同时对机器视觉采集到的图像进行滤波、分割等图像处理,以提高机器人的视觉检测效率。结果实验结果表明,机器视觉码垛机器人的漏抓率为0,误抓率小于0.5%。结论该控制系统有效解决了规则物品的分类码放,实现了高效的物品码放。     

成批抛光钢球表面缺陷自动检测的图像预处理方法

针对目前企业缺乏钢球表面缺陷检测装备,特别是小直径钢球检测装备的现状,笔者研制开发出一套基于机器视觉、可批量检测小直径钢球表面缺陷的新装备.由特制机电装置将钢球成批自动行列相间地上料并使球面翻滚,相机以一定帧频拍摄多幅钢球表面图像.在保证检测精度和效率的前提下,设计出应用于该装置的图像预处理方法,包括模板标定、图像分割和图像增强.实际检测试验证明,该预处理方法一方面使表面缺陷突显,有利于后期检测,另一方面抑制外接环境引入的各种干扰,消除不必要的影响因素.     

热轧重轨表面缺陷在线检测识别的关键技术研究

目前热轧重轨表面缺陷检测速度慢、精度低。为此,提出了一种基于机器视觉的热轧重轨表面缺陷在线检测系统。分析了过暗过曝区域交叠融合法与图像像素线互相关校验法两种方法提取特征缺陷等关键技术,并对模糊脉冲神经网络的表面缺陷分类效果进行了研究。实际应用证明,采用上述机器视觉的检测关键技术对热轧重轨表面进行缺陷检测识别,较大提高了检测速度和精度,且检测正确率在90%以上。     

自动视觉检测中的启发式图象预处理方法

就产品缺陷自动视觉检测中普遍存在的非均匀光场校正，噪声滤除及图象分割等问题进行了讨论，提出一种基于系统及缺陷目标的部分先验知识的预处理方法，采用本底光场检测与补偿，用自适应窗口选择处理空间区域和参数校正等技术，有效地抑制了噪声的影响，在准确地分割出缺陷图象的同时给出缺陷形状因子用以目标识别。本文中所阐述的处理方法对实际机器视觉检测系统具有一定的普遍意义。     

基于机器视觉的大输液智能灯检机研究

本文面向医用大输液溶液的在线自动化检测,运用机器视觉技术、自动控制原理,开发了一台智能灯检机。为了从复杂的视觉图像中提取出微小的检测目标,该灯检机运用机械方法使检测目标与背景间产生运动差异,再利用精密的光学成像系统获取目标运动序列图像,最后应用智能图像处理算法完成对产品的检测。本文给出了灯检机的系统结构,并详细介绍了目标检测的关键算法,给出了实验结果。该研究证明机器视觉技术可以有效的运用于大输液产品的在线检测。     

基于机器视觉的安瓿溶液异物检测系统

针对1～20 mL安瓿瓶装溶液的在线异物检测,本文分析并设计了基于机器视觉的安瓿溶液在线异物检测系统,介绍了检测系统硬件结构和图像采集卡等配置.根据应用要求,对溶液中的不同异物类型,分别设计了合理有效的成像方法,并设计高速旋转急停法成功地区分异物与瓶壁上的干扰.鉴于溶液中异物在图像上的呈现的弱目标性质,设计了一种快速方便的区域分割方法,并在融合传统目标检测方法的基础上,重点提出基于机器视觉的有效的目标检测方法,文章最后给出实验结果并进行分析,证明了算法的有效性和该系统的实用性.