基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

高频噪声下的螺栓表面缺陷检测

螺栓在很多领域内应用广泛,但在制造和加工过程中可能会出现缺陷问题,螺栓表面缺陷的存在将很大程度影响其使用寿命,并可能造成安全隐患.为了更好地检测螺栓表面缺陷,同时提高检测的速度与精度,应用机器视觉相关技术,针对螺栓表面纹理复杂、具有高频噪声难以检测的问题,提出了基于连通域自定义形状描述子的滤波算法.首先通过图像预处理与...     

基于机器视觉的发动机包覆层表面缺陷检测技术

固体火箭发动机包覆层表面的缺陷检测是保证其使用安全性的重要手段.本文应用机器视觉技术实现发动机包覆层表面缺陷的自动检测.用工业相机采集发动机包覆层表面的图像,结合图像特点,通过多次实验分析,选择中值滤波方法进行滤波,采用图像模式匹配技术将缺陷从图像背景中分割出来,并将以上功能进行整合,设计缺陷自动检测系统.实验结果表明...     

磁瓦表面缺陷机器视觉检测与识别方法

针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视 觉的磁瓦表面缺陷自动检测与识别方法。为解决磁瓦表面缺陷种类多、对比度低、图像中存在 磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成 特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多 类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提 高了分类器的准确性和有效性。实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的 各类缺陷,检出率可达到96%以上,识别率超过91%。     

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的零件表面瑕疵自动分拣系统设计

针对精密零件表面瑕疵人工检测工作量大且人为误差较大的状况,将计算机视觉技术用于精密零件表面瑕疵检测分析中,并结合嵌入式系统控制分拣机构对零件进行自动分拣。本文设计的一个基于机器视觉的零件表面瑕疵自动分拣系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵自动分拣。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M（Perona-Malik）扩散的钢轨表面缺陷视觉检测装置,该装置可 自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷. 钢轨图像具有光 照变化、反射不均、特征少等特点,为了在运动过程中 从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进 行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据 缺陷边缘特性和面积进行滤波,分割出缺陷图像. 实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别 率和误检率都能很好地满足要求.     

基于深度学习语义分割的导光板缺陷检测方法

当前导光板表面缺陷仍主要由人工肉眼观察进行检测,仅有少数生产厂家利用传统的图像处理方法进行检测.由于导光板缺陷在高分辨率工业相机拍摄的图像成像下仍极其微小,且不同缺陷的特征各异,以及整张导光板自身的导光点分布密集、不均匀等纹理特点,导致传统的图像处理检测方法需要经验丰富的视觉工程师进行大量的特征提取算法编程工作和昂贵的代码维护成本,准确率低且稳定性差,为此提出一种基于深度学习语义分割的缺陷检测方法.该方法通过训练神经网络的方式来自主学习提取导光板缺陷特征从而避免繁杂的特征提取算法编程工作.首先,对搜集的导光板缺陷进行缺陷标记,制作样本集;其次,利用迁移学习将预先训练好的金字塔场景解析网络(PSPNet)对标记样本进行再训练;进而,利用训练好的模型实现对导光板缺陷的检测;由于单独的深度学习语义分割缺陷检测方法通常无法满足工业实际应用需求,最后还需结合简单的机器视觉方法,对深度学习语义分割方法检出的所有疑似缺陷区域进行二次判断筛选.实验结果表明,该方法针对亮点、暗点和划痕3种缺陷的检出率高达96%,基本可以满足工业检测要求.     

基于X射线数字成像的GIS设备缺陷无损检测方法

GIS设备的安全性和可靠性对电力体系的平稳运行具有重要意义。因此,为提高对GIS设备缺陷的检测效果、提高设备运行的安全性,在X射线数字成像的基础上,提出一种针对GIS设备的缺陷无损检测方法。通过X射线数字成像的方式采集GIS设备图像,并对图像中存在的泊松噪声实施去噪处理,以提高图像质量。针对处理后的图像,利用二维主成分分析法,通过将复杂的图像数据转换为简单的主成分来表示原始数据,提取出最具代表性的特征。将提取结果输入到BP神经网络分类器中,通过特征分类完成对GIS设备缺陷的无损检测。实验结果表明：应用该方法后,图像识别清晰度较高,对不同类型缺陷的检测效果良好。该方法的优势在于使用先进的图像处理和机器学习技术,能够有效地识别和定位GIS设备中存在的缺陷。通过及时发现并修复这些缺陷,可以提高GIS设备的安全性和可靠性,从而确保电力系统的平稳运行。     

轴承防尘盖缺陷机器视觉自动检测方法研究

轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷，从而影响配套主机的精度、可靠性及寿命，急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备，利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理；采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取；采用最小二乘法拟合外轮廓圆得到圆心及外径，结合半径占比分离法实现防尘盖圆环区域的提取；采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割；采用垂直方向投影法分离字符区和非字符区，通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明，采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法，可实现轴承防尘盖缺陷的自动化检测，正确识别率为96.9%。     

单边侧入光式导光板质量可视化检测方法

导光板是液晶显示屏背光模组的重要组成部分,在其生产过程中不可避免会出现亮点、划伤、压伤、暗影等缺陷,直接影响显示效果.针对这种问题,根据网点的排列特征、缺陷的成像效果,本文提出了一种基于机器视觉的导光板缺陷检测方法.首先,根据网点的排列疏密程度将图分成疏区和密区;其次,由于疏区网点会对缺陷检测带来极大干扰,提出了网点分离的思想,通过设计滤波器分离网点与背景,分别进行疑似缺陷提取.设计高斯导数滤波器对密区进行滤波,并在此基础上利用灰度形态学、图像运算等处理方法提取密区疑似缺陷;进而,针对导光板不同区域,根据产线质检要求提取缺陷区域的特征,并通过这些特征制定筛选规则判定缺陷;最后,在自主研发的导光板缺陷检测系统上,对提出的检测方法进行了大量的现场测试.测试结果表明,针对亮白点、压伤和划伤缺陷具有较高的检测精度,检测精度可达99%以上,基本可以满足工业检测要求.     

小波统计法的表面缺陷检测方法

针对铜带表面缺陷的特点,基于小波统计方法设计了对铜带表面缺陷检测的系统.首先把铜带表面图像分为互不重叠的子图像,再把子图像分为多个小波处理单元,对每个小波处理单元进行db4紧支集正交小波一级分解,在此基础上进行HotellingT2统计检测缺陷.最后利用支持向量机进行缺陷分类.实验中将基于小波的统计方法和基于灰度的差影法进行比较,结果证明本文提出的方法识别率高,特别对于用一般算法识别率较低的"起皮"缺陷达到96.7%的识别率.     

低温型风力发电机叶片缺陷自动检测方法研究

针对人工检测发电机叶片缺陷时存在的检测结果不精准,检测时间较长的问题,以低温型风力发电机为研究对象,设计了一种基于机器视觉的叶片缺陷自动检测方法。在分析叶片缺陷特征及参数的前提下生成叶片缺陷图像,利用数字图像处理技术对叶片缺陷图像进行灰度化与滤波处理,采用通域递归法提取叶片的缺陷特征并构建最优阈值,最后利用机器视觉技术,实现发电机叶片缺陷的自动检测。在MATLAB平台内模拟发电机叶片缺陷的检测过程,结果显示,基于机器视觉的检测方法能够准确检测出发电机叶片表面的擦痕、裂纹等缺陷,较人工检测精准度高26.7%,且检测耗时较短,说明机器检测具备有效性。     

基于机器视觉的高密度电路板缺陷检测系统

为减少高密度电路板的缺陷误报率,研究一种新型自动光学检测系统(AOI);系统采用自行研制的多色LED照明系统,利用机器视觉获取被测PCB的图像,通过图像处理软件系统快速准确地识别出各种缺陷;系统利用获取的彩色图像信息,根据各种缺陷的特征信息不同,采用OPENCV对各种缺陷的检测算法进行改进,使得系统性能有很大改进;对30块同类HDI型PCB的36300个检测点进行测试,测试结果证明,系统PCB缺陷的检出率高达99.87%,误报率只有0.32%。     

基于文献计量的机器视觉缺陷检测研究述评

为系统考察和直观反映中国机器视觉缺陷检测研究的现状、热点和前沿,以"中国机器视觉缺陷检测研究"为主题,基于中国知网(CNKI)数据库,筛选出1995—2020年相关文献共588篇进行文献计量和知识图谱分析.结果表明:1995—2020年,中国机器视觉缺陷检测研究大体经历了初步探索(1995—2005年)、快速增长(20...     

基于机器视觉的印刷标签检测系统的改进

针对图像采集的非同步性和传送平台存在的抖动等因素造成采集图像质量降低的问题,提出了一种简单可行的高可靠性机器视觉印刷标签检测系统。通过比较几种边缘检测算法,采用Canny这种相对高可靠性的边缘检测算法制作边缘掩膜,通过在模板图像上加盖边缘掩膜,在差影比较后对差影图像进行形态学去噪来消除轮廓伪影和人眼难以识别的微小缺陷。该方法运用在印刷标签质量检测系统中,有效地降低了印刷标签误检率,并且符合人眼识别特性。     

计算机视觉技术在发动机缺陷检测系统中的应用

利用计算机视觉技术及相应的机械伺服系统,对汽车发动机缸孔表面缺陷进行检测,其主要解决的问题是：二值化图像阈值的选取,图像的分段检测,和缺陷的数据处理。针对以上的问题,采用最佳阈值分割法将图像二值化,并通过摄像机标定求取摄像机各参数,进而推导出标定缺陷实际面积的公式。实验结果证明此方法克服了传统检测方法的不足,是一种准确性和自动化程度较高的检测方法。