基于机器视觉的非平整物体表面凸起异物检测方法

在换向器质量检测中,其端面槽口附近凸起异物属于严重质量问题,目前仍采用人工检测方式,存在检测速度慢和漏检率高,且换向器端面的非平整特性给检测带来挑战。针对此问题,运用机器视觉技术,提出一种基于光度立体视觉的换向器非平整面凸起异物检测的方法。该方法通过四方位打光方式,获得不同方位光照图,对光照图进行计算得到其反照率图,再进行高斯卷积处理,然后针对特定区域采用极坐标转换用于提取缺陷特征并对其进行凸起异物识别与检测。实验结果表明,该方法能够快速有效检测换向器非平整表面存在的凸起异物问题,检测精度达到99.8%,能够满足对换向器质量的在线检测需求。     

基于I-YOLO模型的轴瓦零件缺陷视觉检测方法

轴瓦是水力测功器的重要零部件,其质量影响机组的安全运行。基于传统机器视觉的轴瓦缺陷检测方法存在准确率低、漏检率高的问题。针对该问题,提出一种基于改进YOLO模型的轴瓦缺陷检测方法。首先,对数据集进行图像预处理,扩大训练样本;然后,改进YOLO模型结构,通过候选框维度聚类和多尺度训练,提出一种新的IYOLO深度学习模型;最后,在轴瓦数据集训练和测试I-YOLO模型,并将该模型与YOLOv4、YOLOv3模型进行对比。结果表明,改进的I-YOLO模型在轴瓦缺陷检测中的准确率达到了98.73%,比YOLOv4、YOLOv3模型分别提高了3.01%、10.88%,证明改进的模型能在提高检测准确率的同时有效降低漏检率。     

基于K邻域链码拐点的胶囊端面缺陷检测算法

针对目前空心胶囊端面缺陷图像采集困难等问题,提出了一种特殊照明的方式对胶囊端部进行成像。将图像锐化、改进后的局部自适应阈值、轮廓提取用于胶囊端面图像的预处理,并针对胶囊端面缺陷漏检率高、检测效果差等问题,提出了一种基于K邻域链码的拐点检测算法,统计出胶囊端面缺陷图像中的拐点个数并做出缺陷判别。实验结果证明,该检测算法实时性好,对常见的5种颜色的胶囊漏检率和误检率均控制在2%~9%。     

一种基于智能机器视觉识别的工业探伤技术

磁粉探伤广泛应用于铁磁性工件表面和近表面缺陷检测,但目前的缺陷识别仍依赖于人工判断。为实现检测自动化,将机器视觉技术应用于缺陷识别,提出一种智能的螺栓缺陷在线检测系统,针对螺栓在生产过程中产生的纵向、横向裂纹,使用基于统计的磁痕裂纹识别方法和基于改进LBP特征和SVM分类器识别方法进行级联完成螺栓零件表面裂纹的自动识别。实验结果表明,该方法与传统的识别方法对比具有很好的分类识别效果,漏检率减少5%,同时能够满足实时性的需求。     

基于计算机图像处理的电路印刷板缺陷检测

针对人工目检等传统PCB检测方法高成本、低效率问题,通过提出一种基于计算机图像处理的PCB板计算机视觉混合检测方法,完成了实现快速稳定可靠的PCB缺陷智能在线检测的目的;建立了系统的软硬件结构,研究出结合图像分模块处理,改进的极小值分割、快速模板匹配、图像对比、形态后处理等措施的混合智能检测算法;实验结果证明,该方法解决了海量数据与实时性处理的矛盾以及噪声干扰等问题,能准确检测PCB常规缺陷,并保证了自动在线检测的实时性、可靠性和低成本.     

基于机器视觉的无纺布缺陷自动检测系统

织物疵点检测在计算机视觉织物质量自动检测中起着重要作用,其目标是准确查找及定位缺陷的位置。目前我国纺织品检测大多采用人工检测,存在检测速度低、误检率及漏检率高等问题。提出的织物疵点缺陷自动化检测系统是一种无监督的缺陷检测系统,主要是通过利用每个非重叠区域图像的灰度均值,设定动态阈值,进行分割,并采用Blob方法提取缺陷特征。实验结果表明,该方法在无纺布缺陷检测方面有较好的效果。     

基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法

针对液晶屏(LCD)导光板表面缺陷检测方法存在漏检率和误检率较高,对产品表面复杂渐变的纹理结构适应性差的问题,提出一种基于改进相干增强扩散(ICED)与纹理能量测度和高斯混合模型(TEM-GMM)的LCD导光板表面缺陷检测方法。首先,构建ICED模型,基于结构张量引入平均曲率流扩散(MCF)滤波,使得相干增强扩散(CED)模型对缺陷的细线状纹理有良好的边缘保持效果,并利用相干性得到缺陷纹理增强和背景纹理抑制的滤波后图像;然后,根据Laws纹理能量测度(TEM)提取图像纹理特征,将图像的背景纹理特征作为离线阶段高斯混合模型(GMM)的训练数据,使用期望最大化(EM)算法估计GMM参数;最后,计算待检测图像各像素的后验概率,并将其作为在线检测阶段缺陷像素的判断依据。实验结果表明,该检测方法在导光颗粒随机、规则两种分布的缺陷图像测试数据组上的漏检率和误检率分别为3.27%、4.32%和3.59%、4.87%。所提检测方法适用范围广,可有效检测出LCD导光板表面划痕、异物、脏污和压伤等类型的缺陷。     

基于机器视觉的磁环端面缺陷检测

应用图像处理技术开发了磁环端面缺陷在线检测系统。提出了磁环端面图像的轮廓定位优化算法,求解了圆环内外径尺寸及圆心坐标,计算得到了掩模图;给出了提取磁环端面有效分析区域的掩模实现方法;测量了特征尺寸,完成了缺陷的识别;实现了磁环按尺寸规格的分类。实验结果表明,该系统及算法能较准确地识别缺陷,其检出率为97.43%,误检率为2.19%。     

基于机械臂的涡轮壳零件表面质量视觉检测

针对涡轮壳零件表面质量检测中存在的检测精度和效率低、实现难度大等难题,提出一种基于机械臂和机器视觉的表面质量检测方法。首先采用机械臂带动视觉系统运动到检测工位采集零件表面图像,然后对图像进行滤波、区域提取、特征提取和分割等处理,检测出涡轮壳表面的磕碰、凹坑等缺陷。通过现场试验结果表明,本系统单工位平均检测时间小于2 s,漏检率仅为0.4%,检测精度和效率均满足工程应用要求。     

基于机器视觉的液晶屏Mura缺陷检测方法

通过分析液晶屏中缺陷检测的必要性和人工检测的不足,研究一种基于机器视觉的液晶屏Mura缺陷在线检测系统。针对液晶屏中的Mura缺陷区域和周围背景对比度低、边缘模糊、形状各异、整体亮度不均等特点,建立模拟人工检测的成像系统。提出单帧图像背景建模和背景差分方法,该方法能有效解决液晶屏的亮度不均问题,同时增强Mura缺陷的特征信息。然后基于最大稳定极值区域(Maximally Stable Extremal Region,MSER),提出Mura缺陷自适应阈值缺陷分割方法,建立一个全自动缺陷在线检测的视觉系统。实验结果表明,所提检测算法能很好地解决液晶屏亮度不均的问题,准确地对Mura缺陷进行分割定位,算法的鲁棒性好。并且该系统人工干预少,效率高,能实现在线自动检测。