机器视觉在板材表面缺陷检测中的应用

为检测木工板材表面缺陷,采用3D智能相机获取包含灰度图和高度图的三维图像。通过比较,选择高度图作为研究对象。应用均值滤波和动态阈值分割方法检测板材表面的大缺陷特征,应用高斯滤波和全局阈值分割方法检测板材表面的小缺陷特征。对缺陷特征进行了开运算和闭运算等形态学处理以提高识别缺陷位置和大小等数据的准确度。实验表明:该方式能够准确识别出满足工厂工艺要求的板材表面缺陷,经坐标标定后,可给出缺陷的大小和位置信息,为修复设备实现缺陷的定点修复奠定了数据基础。     

机器视觉在厚壁钢管端面缺陷检测中的应用

针对目前人工检测厚壁钢管端面缺陷存在的效率低、速度慢,且还会出现错检、漏检等问题,提出一种基于机器视觉的方法,实现对厚壁钢管端面缺陷的检测及分类。首先单独提取钢管倒角区域,利用最小二乘法对内外倒角包含的轮廓圆进行拟合,并根据欧式距离来判断倒角是否出现偏心的情况;其次提取钢管端面区域,并通过Otsu算法分割出缺陷区域,计算各联通域的特征描述并组成新的特征向量,使用支持向量机来判断缺陷类型。研究结果表明:该方法能准确检测出厚壁钢管的倒角是否偏心、端面是否存在各类的缺陷,且准确率达到96.7%,对一钢管端面的判断时间不超过100 ms,相比人工目测速度有明显的提高。     

机器视觉技术在螺纹检测中的应用

这里提出了一种基于机器视觉的螺纹非接触检测技术,利用CCD作为螺纹几何要素的探测器件,借用模式识别、图像处理技术,实现了对螺纹中径、螺距、牙型角三个重要参数的在线测量。实验说明,应用机器视觉检测螺纹检测速度快,检测精度高,是螺纹检测的发展方向。     

机器视觉技术在平面口罩缺陷检测中的应用

为了解决平面口罩产品质量管控的问题,利用工业相机、工业光源、工控机及运动执行机构搭建了视觉在线检测系统.采用一种基于OpenCV的预处理算法对口罩图像进行降噪、滤波、仿射变换以及特征提取,对提取到的焊点以及鼻梁条特征利用改进Vgg-16深度学习算法进行建模学习,实现了平面口罩的缺陷检测.和市面上常见的平面口罩缺陷检测的...     

机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

机器视觉在网片缺陷检测与分类中的应用

针对网片缺陷传统人工检测方法误检率高、劳动强度大等问题,应用机器视觉技术,提出了一种网片缺陷在线检测及分类方法。首先通过工业相机获取网片图像,应用中值滤波和图像二值化方法实现对网片图像的预处理。通过分析缺陷特征,提出了基于特征点的网片缺陷检测方法,在检测出缺陷的同时能对网片三种缺陷类型进行预分类。根据网片缺陷类型的不同,通过计算缺陷区域的灰度共生矩阵并提取4个特征参数,运用BP神经网络对网片缺陷进行分类。实验表明,使用本方法分类网片缺陷类型能满足工业要求。     

机器视觉技术在质量检测中的应用

介绍机器视觉技术的基本原理、实现方法和机器视觉系统的组成 ,以及机器视觉技术在质量检测中的应用和具体的工控实例分析。     

机器视觉在尺寸在线检测中的应用

机器视觉在制造系统检测与监视领域占有重要的地位。介绍了一种可应用于工业现场的机器视觉坯（工）件尺寸检测原理、系统硬软件和精度分析结果，并介绍了实验验证的结果。     

基于虚拟仪器的机器视觉在PCB元器件检测中的应用

PCB板的检测是电子设备制造过程中的重要环节,它是产品质量和性能达标的重要保障.为了实现生产过程中缺陷检测的自动化,研究了用机器视觉检测技术检测PCB元器件缺陷的方法.本文使用LaDVIEW、NI Vision Assistant和Vision Builder对所采集的PCB图像进行了处理且做出相应分析.通过实验证明,所讨论的方法对缺陷检测能够达到满意结果.     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法.介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件.实验结果表明该软件能对螺纹进行实时、高速地检测.     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于机器视觉的平板式数粒机检测方法

以现代药品包装为应用背景,以新型平板式数粒机为研究平台,以机器视觉技术为研究重点,提出了一种基于机器视觉的平板式数粒机的检测方法。该检测方法可用于药品颗粒的缺陷检测和计数算法的研究。实验结果表明,基于机器视觉的平板式数粒机检测方法可达到用户的要求,实现高速度、高效率、高精度的在线检测计数。     

基于机器视觉的隧道衬砌裂缝检测算法综述

《公路隧道养护技术规范》中明确指出隧道裂缝的调查是专项检查项目之一。目前常采用人工检测,漏检不可避免,为克服此缺点,用机器视觉的方法实现自动化检测已成为近年来该领域里国内外主要研究手段。在机器视觉研究方法的背景下,对目前国内外关于隧道混凝土衬砌裂缝检测算法的研究进行了较全面的综述,包括衬砌图像预处理、裂缝的检测、干扰的剔除、裂缝宽度的测量及误差分析4个部分,并对所采用的算法进行了优势及不足的比较,最后给出结论和未来设想。     

基于机器视觉的陶瓷基板检测系统

为了设计陶瓷基板视觉检测系统,首先采用互补金属-氧化物半导体（CMOS）图像传感器采集陶瓷基板的图像信号,通过光学成像和照明系统优化设计来提高像质,然后运用图像预处理和亚像素算法来提高边缘的检测精度,最后建立并分析了机器视觉检测系统尺寸及形位误差数学模型,实现了对陶瓷基板长度、宽度参数的测量。实验结果表明,该系统较好地提高了视觉检测系统的精度,并得到了较为准确的结果。     

基于机器视觉的鲜枣群体大小检测算法

目前,鲜枣的分级一般都是由人工测量分级的,效率低,且需要大量劳动力。该文通过建立鲜枣群体大小检测软硬件平台,利用黑白校正获取较清晰的鲜枣目标图像,采用HSV加权法灰度化得到轮廓鲜明的鲜枣图像,采取图像处理技术对鲜枣的轮廓进行弧段组合及弧段分割,获取单个鲜枣的整体边缘,最后通过最小二乘法椭圆拟合得到鲜枣的直径大小。实验表明,该方法能很好地检测每个鲜枣的大小,检测的准确率达到98.91%。     

基于机器视觉的车道检测与二维重建方法

本文提出了一种基于机器视觉的车道检测与重建方法。采用链码算法检测分道线，用链码来记录车道线轮廓信息，再基于曲率模型的卡尔曼递推估计方法来估计当前的车道线位置，同时用来预测和检测下一时刻的车道线位置，并建立了车道数学模型。通过MATLAB仿真论证了该数学模型能准确地计算出真实车道的位置、弯度、形状等信息。但由于该数学模型计算较为繁琐，实时性不强，很难得到广泛应用。最后在该模型的基础上，通过计算相邻两段分道线的斜率差，简化算法，并对车道进行二维重建。实验结果表明，该方法能有效、快速地检测和重建车道，具有很好的可靠性和准确性。