基于机器视觉的轻量化芒果果面缺陷检测

目的：降低自动化芒果分级检测设备的制造成本。方法：对比了3种常用的目标检测算法在芒果缺陷检测中的效果,并以轻量化、移动设备可移植性为目标,提出了一种基于YOLOv5的轻量化芒果果面缺陷检测算法。结果：试验算法在满足芒果表面缺陷检测要求的前提下,相较于原算法可使参数量减少45.9%,浮点运算次数减少46.7%,权重文件大小减小45.2%。结论：试验算法有效降低了对部署设备的性能需求,在降低芒果分级检测设备的制作成本方面具有潜在价值。     

基于红外与可见光图像融合的苹果表面缺陷检测方法

目的：解决目前中国苹果分级分类大部分情况下仍需要进行人工筛选的问题。方法：采用基于多尺度变换的红外与可见光图像融合算法对所采集到的苹果的可见光图像和红外图像进行融合,得到缺陷特征更加直观的融合图像,对该图像进行图像的预处理操作得到二值化图像数据集,再采用卷积神经网络的AlexNet模型对之前的苹果表面缺陷数据集进行训练、验证和检测。结果：该检测方法在所制作的苹果表面缺陷数据集上对完好果、缺陷果、花萼/果梗、花萼/果梗加缺陷识别的平均准确度为99.0%,其中对花萼/果梗的识别准确率可达95.8%,对完好果、缺陷果和花萼/果梗加缺陷的识别准确率高达100%。结论：该方法对苹果表面缺陷的检测精度比较高,可以满足对苹果的在线分级的需求。     

小波分析在织物缺陷检测中的应用

对于织物缺陷的检测，可以使用多种不同的图像处理技术．而具有多分辨特性的小波变换是一种分析图像的新方法，它的变尺度特性与人类视觉中的空间频率多通道相吻合．使用小波分析的方法对3种织物缺陷进行检测分类．首先将织物图像进行3层小波分解，然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别，实验结果表明，用这种方法识别织物缺陷识别率可达到98％。     

柑橘病虫害疤痕的计算机视觉识别

为提高柑橘果面缺陷机器识别的正确率及缺陷等级的分级精度,研究柑橘病虫害疤痕的计算机视觉检测.对柑橘图像设置蓝色分量阈值去除背景,统计44幅有病虫害疤痕的柑橘图像中疤痕的亮度值,以此经验值作为亮度分段阈值,提取病虫害疤痕,并对病虫害疤痕进行逐行扫描连通,形成连通的病虫害疤痕区域,对该区域进行离散傅里叶变换,取其前4个谐波分量区分病虫害疤痕与果萼、果梗和花萼.44幅柑橘图像中疤痕的正确识别率为88.64%.试验结果表明:该方法能将柑橘病虫害疤痕进行识别与分级.     

基于机器视觉的凹版网点变形检测技术

本文提出应用机器视觉检测系统在凹版制造过程中对网点变形进行检测,可以提供检测过程实时报告和详尽完善的分析报告,能及时发现问题并进行调整,对生产过程进行跟踪,更有利于科学的生产管理。凹版网点变形机器视觉检测系统将凹版网点图像的模拟信号转换成数字信号,通过MATLAB图像处理软件对其进行实验图像的读取和直方图均衡化,利用Sobel算子和Canny算子提取网点边缘,分别用不同的阈值和sigma值进行实验,对比实验结果发现,使用Canny算子的提取效果比Sobel算子的提取效果好,且当sigma值为16时Canny算子提取的边缘效果最好。根据本次研究所用的图像网点雕刻工艺确定标准的通沟值为d₀=125,暗调值为s₀=394,所以其通沟值和暗调值的标准范围为d₀±10和s₀±10。测量凹版网点的通沟值和暗调值,当d、s同时在标准范围内时,输出1该网点判定为合格,输出0判定为不合格。提出了两种凹版网点变形的机器视觉检测系统方案,并从照明设备和图像传感器的性能和经济性进行分析比较,确定最终执行方案。     

基于DSP系统的芒果品质检测平台构建

为实现对芒果的大小、成熟程度以及腐烂程度的检测判断,构建一种基于DSP6437开发板的检测平台。在该平台上进行图像采集及数据流的转换,得到RGB和灰度图像,运用超限邻域平均法对图像进行平滑去噪,获取感兴趣区域,根据区域灰度均值对芒果成熟程度进行判断分类。通过拉普拉斯变换计算芒果边缘点,并旋转求出最小包络矩形,对芒果大小进行判断分类。运用灰度直方图统计的视觉检测与气味传感器相结合,对芒果腐烂程度进行判断分类。研究结果表明:该检测平台体积小,运行稳定,检测准确,适用于芒果生产检测。     

机器视觉在蚕茧表面积测量中的应用

针对传统评茧方法的缺陷,提出了基于机器视觉技术的蚕茧表面积测量方法。利用机器视觉系统拍摄蚕茧图像,根据图像的灰度分布特征,通过Otsu法分割蚕茧图像得到二值化图像,将蚕茧看作椭圆体,由蚕茧区域的长轴和短轴值计算出蚕茧表面积。根据蚕茧的边缘图像,利用最小矩形法确定椭圆长轴和短轴的值,可以测量任意旋转角度的蚕茧表面积。实验结果表明该方法是有效的,为科学评茧提供了依据。     

基于机器视觉的LED印刷电路质量检测技术

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。     

基于Blob分析的红枣表面缺陷在线检测技术

搭建一个基于机器视觉的红枣表面缺陷在线检测平台,实现红枣全表面信息的自动化在线实时测量。根据红枣及其表面缺陷的特征,提出在颜色空间模型中采用Blob分析算法进行红枣与背景的分离以及红枣表面缺陷的识别,给出不同缺陷特征种类的颜色空间模型和分割阈值,快速准确地实现破头果、霉变果、浆头果、虫蛀果等典型红枣表面缺陷的识别。试验结果表明,该方法检测结果稳健可靠,缺陷果识别的准确率可达到90%以上。     

基于图像网格特征的蜂窝陶瓷端面外观缺陷自动识别

针对蜂窝陶瓷多孔薄壁造成端面外观缺陷多和检测难的问题,将图像识别应用到缺陷检测中。设计了端面图像采集装置,通过图像预处理增强图像灰度信息,通过Canny算子提取边缘;采用区域生长法生成黑色网孔和白色网格的二值图像,选取网孔面积为特征值自动识别表面裂纹、孔道缺陷和边棱缺损等缺陷类型。实验结果表明,该算法能快速准确地判定端面外观缺陷,为蜂窝陶瓷外观质量的机器视觉检测奠定了基础。