共查询到20条相似文献,搜索用时 62 毫秒
1.
传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。 相似文献
2.
3.
4.
一、检测系统的设计全画面印刷质量检测系统软件的流程图如图一,进入软件启动界面,打开图像采集设备,实时显示印品图像,单帧采集进行抓拍,然后进行图像处理,在屏幕上显示输出处理后的图像结果。存储单帧图像,把RGB数据转换为CMYK数据,分区显示墨量差别。 相似文献
5.
6.
基于FPGA+DSP的纸张缺陷视觉检测系统的设计 总被引:1,自引:0,他引:1
采用机器视觉技术,提出了对生产中的纸张进行图像识别及缺陷检测的FPGA+DSP的视觉检测系统设计方案。该系统硬件用现场可编程门阵列FPGA对摄像头采集的视频图像进行预处理,并采用高性能的DSP处理器作为图像处理的核心部分,保证了系统要求的大数据量处理能力及实时性。本文详细介绍了系统的构成,并提出了基于SVM的纸张缺陷识别算法,实验结果表明该算法是有效的。 相似文献
7.
<正>一、引言在印刷过程中,由于印刷工艺及机械精度等原因,印刷品往往会出现色差、套印不准现象,还会出现一些飞墨、墨点、刮擦以及包装品凹陷、残缺之类的外观缺陷,从而导致印刷次品的产生。传统的印刷品表面缺陷检测一般有主观目测法、密度检测法和色度测量法三种测量方法。主观目测法主要通过肉眼直接将印刷品和标准原稿进行比对,同时还借用其他辅助设备来寻 相似文献
8.
图像处理技术在印刷缺陷检测中的应用 总被引:1,自引:0,他引:1
白家森 《印刷质量与标准化》2013,(5):54-56
在印刷生产过程中,由于受印刷工艺、印刷设备和生产环境等因素的影响,最终的印刷品可能会出现缺陷,如色差、套印不准、墨杠、背面蹭脏等等,从而导致印刷次品的产生。目前,大多数的印刷企业对印刷缺陷的检测主要采用在印刷过程中对印品进行抽样检测以及印后逐个进行目测分拣缺 相似文献
9.
10.
11.
针对纸病检测系统普遍存在的快速性与实时性均较差问题,借鉴人眼视觉中“选择性注意”机制,提出了采用“选择性缓存处理”方法快速提取与检测纸病。系统采用“CCD + FPGA”的模式,利用FPGA流水线并行处理特性对线阵CCD采集到的图像数据流进行预处理与特征提取,并同时缓存纸病区域图像。由于整个处理过程为流水线式并行处理,且仅缓存纸病区域图像,因此极大地提高了纸病提取检测的速度并节约大量的存储空间。结果表明,该方法硬件资源占用率极小,且能快速、准确地提取纸病信息,具有很强的灵活性与实时性,可以满足高速纸机实时检测的需求。 相似文献
12.
针对传统的检测系统速度慢、效率低的缺点,论证基于计算机视觉的啤酒瓶空瓶检测图像采集技术实现的可行性,讨论了图像采集技术实现的方法,论述了系统的基本技术路线,建立了系统框架,并分析了研究中需要解决的主要问题。该技术对于克服当前人工检测的弊端、提高酒瓶空瓶检测效率有极大的推动作用。 相似文献
13.
14.
15.
16.
针对传统织物生产企业中,人工检测织物存在瑕疵检出效率低、误检率高的问题,提出了一种织物表面疵点检测方法。该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理,从而有效增强图像中的疵点表现细节,然后通过改进的Gabor优化选择,再对选择后的图像进行初分解,从中挑选出最优滤波图像进行二值化处理,最后运用统计学方法进行疵点判断并获得最终结果。该方法实现简便、硬件要求低、适应性广,可用于判断织物表面是否含有疵点,并定位疵点。实验证明,织物表面疵点检测准确率高达95.38%。 相似文献
17.
本研究利用木材表面纹理特征和色彩统计特征开发了柳杉(Cryptomeria japonica L.f.)锯材表面活节和死节的机器视觉自动识别系统。该系统由3部分组成:CCD工业摄像图像采集硬件系统、缺陷自动检出的图像处理模块和基于识别规则的缺陷识别模块。通过对空间灰度共生矩阵参数Contrast运用大津自动阈值分割算法检出潜在缺陷区域,结果表明提案的缺陷检出算法可有效提取柳杉材表面的缺陷区域。根据活节和死节的表面色彩统计直方图确立了区分活节和死节的阈值并构建了活节和死节的识别规则,结果表明基于色彩统计特征的识别规则可有效地识别活节和死节。为了验证系统的识别精度,随机从工厂现场抽取并检测了含有单个和/或多个缺陷的试件156块(共含有94个活节和86个死节),结果表明,活节和死节的正确检出率分别为94.7%和97.6%,活节和死节的正确识别率分别为96.6%和98.8%,整个系统的准确识别率为93.9%。系统的识别精度表明,基于表面纹理特征可实现对柳杉锯材表面节疤缺陷的有效识别,胜任生产线对于缺陷检测精度的要求。 相似文献
18.
为提高织物疵点检测率,将Gabbor滤波法与等距映射方法进行融合,克服疵点检测过程中存在的问题。首先用由3个尺度和5个方向组成的15个Gabor滤波器簇对织物疵点图像进行滤波,减少疵点图像光照不均和对比度低的影响;然后将滤波图像划分成面积相等且互不重合的邻域,并从邻域中提取高维特征向量。采用等距映射方法对高维特征向量进行降维,剔除高维特征中冗余信息,强化分类器拟合能力;再用低维嵌入模型提取新增样本低维特征向量,用于概率神经网络分类器分类,检测是否存在疵点;最后用2种不同纹理的织物进行检测实验。结果表明,本文方法能有效提高疵点的检测精度。 相似文献
19.