基于机器视觉的金属零件表面缺陷检测系统

分析了金属零件表面缺陷的基本特征、金属零件表面缺陷的种类及表面缺陷检测方法,提出了利用机器视觉技术来检测金属零件表面缺陷,并对视觉技术发展趋势进行了探析,对开展机器视觉的研究具有一定的参考意义。     

纹理表面缺陷机器视觉检测方法综述

纹理表面缺陷检测在机器视觉领域具有意义和挑战性，其历史可以追溯到20世纪中后期，近年来随着深度学习技术的蓬勃发展，纹理表面缺陷检测技术大幅飞跃。直至今日，关于纹理表面缺陷检测的调研和综述仍然很少。在此背景下，本文回顾2017年-2021年间200余篇纹理表面缺陷机器视觉检测论文，对纹理表面缺陷机器视觉检测研究进展进行了及时、全面的调查；分析了纹理表面缺陷检测的发展历史和最新研究进展，原则上将纹理表面缺陷机器视觉检测方法分为传统方法与深度学习方法，并对二者进行了深层次研究分析，特别是深度学习方法；对近期出现的几种纹理表面缺陷机器视觉检测方法主题进行总结的同时，也对这些主题的研究进展进行了综述。最后，对未来的研究趋势进行了展望，以期为后续研究提供指导和启示。     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可行性.采用系统法对表面缺陷检测设备进行整体分析,设计出与检测程序相配套的机械设备.     

基于机器视觉的太阳能电池片缺陷检测算法综述

太阳能电池片（Photovoltaic, PV）表面缺陷检测是光伏组件生产中不可或缺的流程。基于机器视觉的自动缺陷检测方法因其高精度、实时性、低成本等优点得到了广泛应用。本文综述了基于机器视觉的太阳能电池片表面缺陷检测方法的研究进展。首先,阐述了太阳能电池片表面成像方式,列举了典型缺陷类型。然后重点分析了基于传统机器视觉算法及基于深度学习算法进行太阳能电池片表面缺陷检测的原理。将传统机器视觉算法分为图像域分析法、变换域分析法进行综述;从无监督学习、有监督学习和弱监督及半监督学习三个方面分别概述了近几年来基于深度学习的太阳能电池片表面缺陷检测的研究现状。对太阳能电池片表面缺陷检测各种典型方法进一步细分归类和对比分析,总结了每种方法的优缺点。随后,介绍了9种太阳能电池片表面缺陷图像数据集及缺陷检测性能评价指标。最后,系统总结了太阳能电池片缺陷检测常见的关键问题及其解决方法,对太阳能电池片表面缺陷检测的未来发展趋势进行了展望。     

基于MATLAB的小型零件表面缺陷检测方法研究

机器视觉技术在零件缺陷检测领域中应用前景广阔。图像处理作为机器视觉技术中的关键技术,对零件表面缺陷检测效果有着直接的影响。本文以MATLAB为图像处理工具,对小型零件表面缺陷检测方法进行研究,并对不同处理方法下的检测效果进行分析比对,并对未来的研究方向进行了初步的探讨。     

铸件表面缺陷自动化检测设备的系统设计

铸件成形后会在表面形成砂眼和裂纹等表面缺陷,而传统的铸件表面缺陷检测方法为人工通过肉眼检测,这种检测手段效率低、易受工人的主观情绪影响,已不适应现代化的大规模自动化生产,因此开发出一套自动化检测设备,完成对铸件的表面缺陷检测具有很重大的现实意义,本文采用的检测方法为机器视觉检测,分析机器视觉检测设备的系统组成,简述系统的工作原理,重点研究系统的硬件设计和软件设计,完成主要硬件的选型和参数计算,并利用Matlab软件对缺陷样本处理分析。     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

光学元件表面缺陷检测方法研究现状

随着科学技术的发展,人们对光学元件的表面粗糙度和表面面形精度提出了越来越高的要求,光学元件表面缺陷检测技术也受到了广泛重视。通过简述表面缺陷的类型,强调了缺陷给光学系统带来的危害,由此分析和讨论了目前国内外对光学元件疵病的检测方法,并指出各种方法的优缺点,同时对机器视觉技术在疵病检测方面的应用进行了介绍,还探讨了光学元件表面缺陷检测技术未来发展需要注意解决的问题。     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。     

基于机器视觉的墙地砖表面缺陷检测系统研究

为实现对墙地砖表面缺陷快速精确的自动检测,对基于机器视觉的自动检测技术进行了研究,介绍并开发了一种基于机器视觉的墙地砖表面缺陷自动检测系统。在分析了墙地砖的表面特征、缺陷类型和现有检测算法的基础上,提出了一种基于图像梯度方差和加权信息熵相结合的自适应BHPF滤波检测算法。实验结果表明:该检测算法可快速有效地完成墙地砖表面缺陷的检测,缺陷识别正确率达97.3%。实验验证了理论分析和检测算法的正确性,可用于墙地砖表面缺陷的识别检测。     

基于机器视觉与YOLO算法的马铃薯表面缺陷检测

针对马铃薯表面缺陷检测快速准确的需求,提出一种基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法.应用这一方法,构建马铃薯表面缺陷图片数据集,对原始数据集进行图像增广;通过二分K均值聚类算法进行目标框聚类分析,采用分步训练方式优化学习权重.试验结果表明,所提出的基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法可以有效实现马铃薯表面缺陷的快速、准确检测,平均识别精度达到99.46％,对腐烂、发芽、机械损失、虫眼、病斑检测的精度均高于98％,单幅图片识别时间约为29 ms.     

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。     

钢轨缺陷无损检测与评估技术综述

钢轨缺陷的检测对于保障铁路安全具有重要的意义。在研究钢轨无损检测与评估技术的背景下,对国内外采用的钢轨缺陷检测方法进行了全面的综述,包括物理检测方法和机器视觉检测方法。阐述并分析了钢轨缺陷评估方法在机器视觉方面的应用情况,同时对所采用的钢轨无损检测与评估技术进行对比,论述和总结了包括射线检测在内的物理检测及包括图像处理在内的机器视觉检测两类检测方法的差异性。分析和研讨了现代无损检测与评估技术及其在发展中涉及的相关技术问题,并对钢轨缺陷无损检测与评估技术的未来发展给出设想。     

基于机器视觉的带钢表面缺陷检测系统的设计

针对带钢的表面质量检测进行专门化研究,设计了基于机器视觉的带钢表面缺陷检测系统,从系统硬件结构、软件设计两方面进行深入分析与研究。其硬件结构包括图像传感器、高速CCD相机、光源设计;软件设计包括图像滤波去噪、缺陷特征的提取和选择、表面缺陷检测与辨识。根据实验结果的比对可知,本文设计的基于机器视觉的带钢表面缺陷检测系统在对带钢表面缺陷进行检测时,随着试验次数的累加,其精测精度均比传统系统要高,证明本文设计具有较高的实用性和有效性。     

基于机器视觉的重轨表面缺陷检测系统的研究

针对目前几种常用的重轨缺陷检测方法检测速度慢、精度低等问题,提出一种基于机器视觉的重轨表面缺陷检测系统的设计方法.针对重轨表面常见缺陷种类,根据实验情况对该检测系统的硬件系统进行详细设计.并分别对重轨表面字符和缺陷采用信息定位和模式识别实现图像识别,使重轨缺陷和重轨号等字符信息的相应关系达到自动判别,从而实现缺陷检测的目的.     

塑料眼镜内外缺陷检测的全内反射照明技术

考虑目前大多数塑料眼镜镜片和光学表面的缺陷检测仍由人工完成,研究了基于全内反射照明的暗场检测技术,以提高用机器视觉进行自动缺陷检测的可见度及对比度,设计了镜头检测原型系统用于增强缺陷信号的强度并降低表面浮尘的干扰.利用设计的原型系统进行了试验测试并对自动缺陷检测结果与人工检测结果进行比较,结果验证了这种暗场全内反射检测...     

中小型金属工件在线检测系统的设计

随着机器视觉技术的快速发展,利用图像处理技术对工件进行在线实时检测的方法近年来得到广泛的应用和发展。为了解决工件离线人工检测效率低、精度差的问题,设计了包括上料模块、图像采集处理模块、零件传送模块、筛选模块和控制模块的基于机器视觉的工件在线检测剔除系统。系统运用PLC可编程逻辑控制器作为工业控制器,机器视觉和图像处理作为检测方法,提高了工件检测的产品品质、生产效率和自动化程度,该机器视觉检测系统可以通过改变程序的方法,运用和推广到其他表面品质检测的行业中。     

基于机器视觉的液压部件划痕缺陷检测方法研究

液压部件的划痕是一种影响机械质量的缺陷,针对传统人工检测液压机械部件表面划痕的效率以及覆盖度较为低下的问题,提出了以机器视觉技术的检测方法,面对液压机械部件存在光滑表面反光的情况,设计了包含柔性散射光源和高像素工业相机的先进检测系统来增强图像采集能力,利用双滤波器对划痕缺陷进行在线检测,实验结果表明,该检测方法能够提升液压机械部件划痕缺陷检测的精度和稳定性。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于集成自适应欠采样的铝管表面缺陷检测方法研究

铝管作为一种常见的传输零件,对其表面缺陷进行检测是保证其生产质量、运行安全的必要措施。基于机器视觉的铝管表面缺陷检测方法因其检测精度高、速度快等优点,已取代人工检测,成为主流检测方法之一。但由于缺陷样本与背景样本之间分布不平衡,导致分类器决策边界偏移、检测精度下降,限制了其应用范围。针对这一问题,提出一种基于集成自适应欠采样的铝管表面缺陷检测方法,首先利用支持向量描述方法对数据分布间的重叠区域进行识别,其次通过构建样本局部密度关系自适应确定欠采样对象及数量,最终利用随机空间生成技术同时对数据样本空间和特征空间进行优化。试验结果表明,所提方法在铝管表面缺陷数据集上识别精确率达到98.52%,优于其他先进检测方法。