金属罐高速在线漏光检测与控制系统的实现

针对冲压式金属罐生产过程中造成的微小裂纹、沙眼等罐体缺陷,采用光电检测技术进行高速在线检测。考虑缺陷罐体漏光极其微弱的特点,设计了基于高灵敏度光电倍增管的光强检测和光照电路,以及高实时工位、罐体、坏罐剔除、防漏等测控软硬件模块,实现了罐体的高速连续在线检测。测试结果验证了该系统正常工作达到1 800罐/min工况下的有效性和良好性能。     

一种基于机器视觉的笔杆表面缺陷检测方法

医疗器械产品生产中的笔杆表面缺陷是不可避免的问题,基于机器视觉的自动检测方法可以克服传统人工检测效率低、漏检及误检率高等问题。在分析笔杆结构和缺陷的基础上,文章重点研究笔杆边缘直线拟合、缺陷灰度值差异、图像边缘平滑和稳定等检测方法;通过实验证明,该方法准确率可达到98.8%,每个笔杆的检测时间为8.3 s,相较于人工检测,明显提高了检测精度和速度,可以满足对笔杆实时自动缺陷检测的要求。     

基于深度学习的工业零件缺陷检测算法研究

随着科学技术的发展,我国工业化水平也在迅速提高,工业零件质量的优劣将直接影响产品的性能,在投入使用前有必要对零件表面进行缺陷检测。笔者分析了传统零件缺陷检测方式的不足,提出一种基于深度学习的零件缺陷检测方法,在原有的BP神经网络算法中融入了基于深度学习的LLENet算法。该方法有效解决了检测效率低、检测速度慢等问题,提高了零件缺陷检测的精度。     

基于数字图像处理的玻璃缺陷在线检测系统

研究了一种基于数字图像处理的玻璃缺陷在线检测系统,实现了对玻璃缺陷的实时检测、识别和分类,在缺陷提取上运用的是一种改进的归一化互相关算法,该算法可以显著提高图像的匹配速率和缺陷检测效率,在检测效率上比传统的算法提高了25.7%;在缺陷的识别分类上研究采用的是一种改进的支持向量机算法,该算法在检测精度和效率上都有较大的提高,在缺陷种类的识别上,其准确率可达到95%。     

基于BP神经网络的墙地砖缺陷检测技术研究

基于人工分拣的墙地砖质量检测环节不仅造成人力资源的浪费,更无法保证质量检测的准确度,影响了墙地砖产品的档次提高。为了节省成本,进一步提高墙地砖的生产效率,本文利用颜色通道下的共生矩阵特征作为图像视觉特征,并充分利用图像的纹理信息和颜色信息,训练出一个适用于墙地砖缺陷分类的BP神经网络。通过实验结果的数据分析,基于BP神经网络的墙地砖缺陷检测技术能够对多种尺寸规格、颜色、图案的墙地砖得到较好的检测结果。     

基于改进型SSD算法的空瓶表面缺陷检测

注塑空瓶在生产过程中瓶身表面会产生大量缺陷,这些缺陷对产品的外观和使用造成重要的影响。传统的人工检测由于劳动强度高、检测效率低等缺点已不适用,基于机器视觉的传统检测算法对于复杂的场景变化,所提取的特征通常很难用于缺陷分类和识别。因此,提出一种基于SSD算法,对注塑空瓶表面缺陷进行检测。考虑空瓶表面缺陷较小,特征难以提取,为提高检测效果,在SSD网络结构中加入特征融合模块,为预测层提供丰富的语义特征;同时在网络中引入注意力机制,增加网络的特征提取能力,有效地提高网络的检测精度。通过用空瓶表面缺陷数据集对本文的方法进行验证,准确率为98.3%,漏检率为0.74%,误检率为0.96%,mAP为96.5%,相比原始的SSD算法的mAP,本文算法提高了近5.6个百分点。     

面向工业互联网的云边协同智能缺陷检测平台

<正>1目标和概述近年来,国家提出“中国制造2025计划”,期望中国的制造业能从低端制造往高端制造与智能化生产发展,因此各企业争相利用高科技手段来提升产品质量,改进产品研发与制造。部分企业尝试利用IoT+AI技术来解决生产过程中的质量问题,但目前智能质量缺陷检测手段往往存在以下问题:(1)为了提高AI检测缺陷的准确率,需要不断人工介入提取并标记缺陷特征,而人工审片存在误检、漏检等问题,且人工处理效率低下,增加了企业人力资源成本,限制了生产效率及质量提升。     

基于CAN总线的自动售货机测试系统

为解决自动售货机产业化后生产检测效率问题,本课题设计了一套基于CAN通信的自动售货机自动测试系统,在提高产品检测效率和准确率的同时,将检测结果通过以太网发送到远程计算机进行分析处理,实现了生产WEB管理,经过生产实践证明可有效提高产品检测效率。     

机器视觉在电容器外观缺陷检测中的应用

传统的电容器外观缺陷检测采用人工检测,效率低、出错率高、成本高。为了克服人工检测的缺点,提高电容器生产的自动化程度,设计基于机器视觉的电容器外观缺陷检测系统。首先采集图像、预处理,匹配定位到电容区域;然后采用阈值分割检测溢胶、环氧面气孔气泡缺陷,采用模板匹配检测字符、外壳破损缺陷;最后通过Blob分析,提取缺陷特征,设定阈值参数,以满足不同标准的检测要求。根据样机实验结果显示,检测系统大大提高了检测效率和精度。     

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。