基于图像处理的轴承滚珠表面缺陷检测研究

滚珠表面缺陷主要有凹陷、刮痕、生锈及金属疲劳产生破裂,陶瓷滚珠主要应用于精密工业中高速电主轴轴承的制造,一颗质量良好的滚珠对产品寿命有决定性影响,滚珠表面缺陷也成为需要精密检测的产品。因滚珠体积微小且为球形构造,对于微小的表面缺陷不容易检测,因此研究采用步进马达驱动检测机构结合图像处理的方法,利用CCD连续取像检测,以降低检测漏检率。     

基于图像处理的带钢表面缺陷检测改进算法的研究

由于在带钢的生产过程中会出现多种表面缺陷,因此本文中研究了一种基于图像处理的带钢表面缺陷检测改进算法对表面缺陷进行有效检测。算法中对边缘检测、图像分块、连通域分析等过程进行了改进,并提出了一种针对带钢图像的图像二值化算法,相较于传统的缺陷检测算法,本文中的检测算法在保证处理速度的同时,可以使处理的图像细节更完整清晰,缺陷定位更准确,且总体的检测正确率在90%以上,为后续缺陷分类提供更加准确的数据支持,可有效解决带钢表面缺陷检测问题,对企业生产过程中的技术改善起到至关重要的作用。     

基于图像处理的产品表面缺陷检测系统研究

随着嵌入式技术的发展,基于图像处理的产品表面缺陷检测技术的优势越来越突出,其技术主要包括产品表面图像的采集、匹配和识别。本系统采用单精度浮点运算的STM32F405作为核心处理器,CMOS彩色数字摄像芯片OV7610作为图像采集传感器,并在VC++环境下使用面向对象的方法设计控制程序,主要用于产品表面图像的采集与处理。实验结果表明,该系统工作稳定,实时性和可控性达到设计要求。     

基于图像处理的BGA封装器件缺陷检测算法

提出了一种BGA焊球缺陷检测算法 ,通过图像处理技术 ,检测BGA器件各焊球的中心位置、焊点直径、各行列坐标等参数 ,以检测是否发生焊球丢失、移位、焊球过大或过小以及桥连等缺陷 ,从而保证BGA器件的质量。     

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U-P-Net的手机玻璃屏幕缺陷分割

随着科技的发展及电子设备的普及,玻璃屏幕质量成为电子设备和其他产品的重要考虑因素;而玻璃外观缺陷检测是玻璃质量检测中最重要的环节,这也是保证产出高品质、高性能的玻璃产品的关键环节;目前玻璃表面缺陷检测方法存在无目标训练图像资源消耗、检测精度较低、复杂特征信息难以提取等问题;因此,为了解决上述问题,提出了一种基于U-pyramid pooling module-Net(U-P-Net)的手机玻璃屏幕缺陷分割模型;采用超像素预处理,有效地降低了原始图像的复杂度;采用ResNet50作为分类网络,减少无目标训练图像造成的资源浪费,提高训练效率;U-P-Net被提出,有效地聚合了不同区域的上下文信息,提高了获取全局信息的能力;实验结果表明,所设计的基于U-P-Net玻璃缺陷分割算法分割精度明显优于其它传统卷积神经网络分割方法,证明了该框架在移动屏幕数据集上的有效性.     

基于图像处理的钎焊环缺陷检测系统的研究

产品的在线检测是工业生产发展的必然要求,是提高检测效率和产品质量的有效途径之一.设计了一套基于图像处理的钎焊环表面缺陷检测系统.从硬软件着手,分别介绍了系统的工作原理和结构简图,以及图像处理过程中的所用到的边缘检测算法.     

基于图像处理技术的包装表面缺陷检测

基于图像处理技术的包装表面缺陷检测方法,解决准确性较低问题.利用CCD相机采集包装盒表面图像,使用二值化处理技术区分背景区域与 目标图像,利用浓淡补正差分处理背景与前景,通过图像重绘算法检测图像边缘,消除噪声获取明显的图像边缘特征;利用阈值定义图像中的各类缺陷完成缺陷特征提取,依据提取完成的缺陷特征设计缺陷分类器,以此...     

基于人工智能的PCB缺陷检测系统

PCB缺陷检测在现代电子信息技术中越来越重要,因此提高检测的效率和准确性是亟需研究的一个问题。针对这一问题,设计了一套基于人工智能识别的PCB故障智能检测系统。该系统首先利用硬件系统采集图像,再通过软件系统完成灰度化、中值滤波等图像预处理操作。之后利用Canny算子和霍夫变换获取边缘信息,并分割元器件图像。最后,利用事先训练好的神经网络模型实现故障识别。实际测试表明,该检测系统的准确率大于90%,因此该系统在PCB质量检测领域具有实际应用的意义。     

基于RetinaNet的手机主板缺陷检测研究

不同型号手机的主板图像具有多分辨率的成像模式,使缺陷元件是多尺度的。常规缺陷检测方法主要有图像融合方法和提取统计模型的方法,但这些方法的鲁棒性仍需要提高。针对该问题,提出了一种自动检测网络模型,即RetinaNet目标检测器。首先使用特征金字塔网络(FPN)提取缺陷元件的多尺度特征分类和位置,然后引入MobileNetV2以压缩和加速RetinaNet模型,最后使用焦点损失解决类不平衡和难以检测样本对损失贡献程度的问题。实验结果表明, RetinaNet能有效地检测不同尺度的缺陷元件,具有很高的检测精度;与其他目标检测器相比,RetinaNet实现了超过95%的平均精度(mAP)。这些结果表明了本文所提模型的有效性。     

基于数字图像处理的表面缺损检测技术

产品表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义.介绍了缺损类型及特征,对基于数字图像处理的表面缺损检测技术研究现状、主要问题以及检测方法进行综述,并得出结论.     

基于图像纹理的印刷缺陷检测

针对传统点对点印刷缺陷检测存在经常误报的情况,提出了一种基于图像纹理的印刷缺陷检测模型,该模型经实验证明,具有稳定性高,误报率少的优点。     

图像处理技术在玻璃缺陷检测中的应用

利用MATLAB图像处理工具箱强大的图像处理功能,对采集到的玻璃表面缺陷图像进行图像预处理,提取出感兴趣的区域,为后面的缺陷识别作前期的处理。利用玻璃缺陷中的划痕图像为例进行一系列的图像处理来实现目标区域的分割并作初步的分析。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究;使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率;为此,提出一种基于数字图像处理技术的人脸检测算法;该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测;实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

基于SIFT匹配算法的PCB板缺陷检测

图像匹配是PCB板缺陷检测中的一个重要环节,匹配效果的好坏直接影响着系统的检测结果和检测精度;为了取得良好的匹配效果和降低对系统硬件的精度要求,文章采用了SIFT匹配算法来进行图像匹配;首先应用SIFT算法获取匹配结果,然后计算出精确变换矩阵进行像素异或运算,最后运用数学形态学的方法消除边缘噪声;实验结果表明SIFT算法能够对存在畸变的图像取得良好的匹配效果,准确检测出缺陷.     

基于PU-Faster R-CNN的手机屏幕缺陷检测算法研究

手机屏幕缺陷检测是手机生产的重要环节,实现准确而高效的屏幕缺陷检测对于提高手机工业产能具有重要意义。在实际生产过程中,手机屏幕图像缺陷特征隐晦、缺陷尺寸差异大等问题,加大了手机屏幕缺陷检测的难度。为解决上述问题,提出了一种基于Preprocessing operations are combined with U-Net-Faster R-CNN（PU-Faster R-CNN）的手机屏幕缺陷检测模型。针对手机屏幕图像的特征信息隐晦的问题,提出多层特征增强模块,有效的对目标缺陷特征信息进行增强。构建多尺度特征提取网络,有效提取多尺度的缺陷特征信息。为了生成拟合性更好的Anchor box,提出了自适应区域建议网络,通过自迭代聚类算法生成尺寸更准确的Anchor box模板。实验结果表明,基于PU-Faster R-CNN的手机屏幕检测框架在手机屏幕数据集上优于主流的手机屏幕缺陷检测框架。     

深度学习在手机数据接口缺陷检测中的应用

为了能更好地对手机数据接口的缺陷进行检测,提出一种基于Faster R-CNN的检测算法.将Faster R-CNN检测架构中的RoIPooling替换成RoIAlign,解决RoIPooling计算过程中2次量化造成的目标回归位置的偏差.使用ResNet50融合FPN的网络作为特征提取网络,提高模型对小型目标缺陷的检...     

基于RPCA的皮革图像缺陷检测

提出了一种皮革视觉缺陷检测算法.通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像.首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解.对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置.该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较.实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供完整的缺陷掩模.     

基于图像处理的电梯钢丝绳检测系统

本文介绍了一种基于图像处理的电梯钢丝绳检测系统,其组成部分有CCD工业摄像头、图像采集模块、数据传输模块以及上位机。系统硬件设计上通过以DSP芯片为核心,实现对电梯钢丝绳图像的采集与传输功能;并结合图像处理技术,采用Visual C++设计上位机软件,完成对电梯钢丝绳图像的缺陷判断。本系统实现了实时、准确的钢丝绳缺陷识别,解决了原来人工检测中效率低、漏检多等问题,而且结构简单,成本较低,操作简便。     

织物瑕疵检测方法研究进展

计算机视觉在纺织物瑕疵检测方面已经有了较为广泛的应用，织物瑕疵检测是纺织行业质量控制的必要步骤。为了能够及时了解织物瑕疵检测的最新研究进展，把握织物瑕疵检测方法的研究热点和方向，介绍了织物图案的放置规则以及织物瑕疵检测的相关指标，针对织物瑕疵检测方法较多的问题，将这些方法分为四类（基于结构、基于统计、基于频谱、基于学习）并归纳分析了这些织物瑕疵检测方法在应用中的特点，且对比了四类检测方法中各个方法的特性以及优点和缺点，目的是为了找到如何提高织物瑕疵检测效率的方法，实现实时在线检测，展望了织物瑕疵检测方法的未来研究方向。