基于深度学习的食用油灌装质量检测系统

介绍了一种利用深度学习算法进行食用油灌装质量检测的系统,基于深度学习有监督物体识别网络对食用油生产线进行从原料至销售的全流程包装缺陷检测,具体功能包括瓶口缺陷检测、瓶盖缺陷检测、瓶身喷码缺陷检测、贴标缺陷检测、装箱点数检测。相比于传统机器视觉检测方案,该系统具有无需做图像预处理、检测精度高、参数设置简单、算法泛化能力强、开发周期短的优点,可实现食用油生产包装质量检测的全面自动化。     

高速机器人分拣系统机器视觉技术的研究

针对我国食品生产行业的实际需求,基于并联机器人、机器视觉等先进技术,构建了面向食品生产包装的高速机器人分拣系统,研究了输送带上运动食品的机器视觉定位算法,设计了运动食品分级与定位的机器视觉硬件系统,基于专业图像处理软件Sherlock,研发了自动分拣机器视觉软件系统,以提高我国食品生产效率、保证食品卫生、降低劳动强度。     

基于机器视觉的食品内包装缺陷检测装置设计与实现

为解决食品包装机生产过程中内包装质量缺陷等问题,基于机器视觉原理设计食品内包装缺陷检测装置。该装置主要由图像采集、图像处理及判断与剔除等系统组成,使用超小型CCD相机对包装材料的内部缺陷进行扫描,通过PLC程序实现对缺陷包装的判别和剔除。以内衬纸为例,利用不同程度缺陷内衬纸及FLUKE热成像仪,对机器视觉装置进行内衬纸缺陷剔除率及机械部件运行情况的测试。结果表明:采用机器视觉的检测装置较好地解决了生产过程中缺陷内衬纸漏检及检测效率低等问题,各类型缺陷内衬纸检测准确率高达95%,研发后缺陷烟包白班减少了13.3包/月、前夜班减少了8.4包/月、后夜班减少了8.0包/月,降低了缺陷烟包量,提高了设备运行的稳定性,所有仪器均满足长期稳定运行的要求,实现了包装质量的闭环式自动检测技术。     

机器视觉自动检测纸张表面缺陷质量分析研究

针对传统的纸张表面缺陷检测算法容易受复杂背景干扰的问题,提出一种机器视觉自动检测纸张间相对均匀的表面缺陷检测方法。主要分析了纸张表面各个环节中可能会出现的缺陷识别分类与缺陷类型等算法。根据目前的机器视觉自动检测技术,对已有的表面识别算法进行了分析。将通道注意力信息与空间注意力机制进行融合,设计出新的注意力机制模型,对纸张表面缺陷进行分类,此方法提升了模型算法的缺陷识别准确率,在纸张表面缺陷检测上,用过分析和总结机器视觉自动检测在纸张表面缺陷的应用,提高了纸张检测的准确率和效率,所述方法具有较强工程可行性和推广价值。     

基于机器视觉的食品包装缺陷检测研究

食品包装对食品的外观和质量都具有很大的影响,若食品包装出现缺陷却最终流入市场,对食品企业的名誉会产生一定负面影响。本文针对食品包装中可能出现的问题,对机器视觉技术中的图像处理过程和所运用到的算法进行说明。阐述了机器视觉食品包装检测系统的硬件设计和软件设计,提出一种通用性和灵活性更好的食品包装检测系统。并以矩形纸质食品包装为例进行应用分析,结果证明该系统能够很好的满足食品包装实时、快速、准确、稳定的检测要求。     

基于计算机视觉传达的皮革缺陷检测算法研究

为了研究计算机图像识别技术在皮革外观缺陷检测中的应用,通过2600X反射式激光光学电镜和计算机学习算法相配合,可以代替部分人工视觉。通过搭建机器检测平台,对不同缺陷的皮革图像采集成册,进行空间卷积处理、模糊皮革纹理背景,把皮革缺陷中的鞣制缺陷、染色缺陷、材质缺陷呈现出来,完成检测分类的任务。采用人工智能算法对鞣制缺陷、染色缺陷、材质缺陷的敏感度和特异度进行对比,论证得出人工智能算法作为一种重要的非接触式测量方法,可以提供较高的检测精度,对提高产品质量和生产效率,提升企业竞争力都有重要的现实意义。     

基于机器视觉的红枣外部品质检测技术研究进展

近年来,具有快速、准确、客观和无损等特点的机器视觉技术已经被广泛用于农产品外部品质检测,以解决人工检测中存在的人力成本高、标准不统一和效率低等问题。在红枣加工和销售过程中,外部特征是影响其品质的重要因素,快速准确地对红枣外部品质检测能有效保障食品品质及安全、提高企业生产效率。本文综述了机器视觉技术在红枣外部品质检测中的应用,针对缺陷、大小、纹理、颜色和综合外部品质等指标总结了机器视觉检测方法的特点、存在的问题并阐明了其发展趋势,为我国红枣高效、快速检测分级装备的研发提供参考。     

具有注视功能的机器视觉系统及其算法

在皮革、纺织,食品、冶金和农林牧产品加工等行业中,大背景中微小缺陷的检测大量存在。本文模仿人类的视觉注意机制,提出了一种基于注视机制的机器视觉检测系统及算法。系统由多个低分辨率、低成本的摄像头获取不规则的图像,用主成分分析法对原始样本数据提取特征,然后由BP神经网络对特征进行分类识别以确定可疑区域位置,再控制从动摄像头获取目标区域的细节图像,解决了传统机器视觉系统固有的图像冗余数据问题。     

机器视觉技术在水产食品感官检测方面的应用研究进展

机器视觉技术是一种无损、快速、经济的检测技术。结合国内外的相关研究现状,本文介绍了机器视觉系统的优点和对颜色、形状、尺寸等的检测方法,在此基础上,分别对机器视觉技术在包括鱼、虾、扇贝和牡蛎等水产食品感官检测方面的应用进行了详细阐述和讨论,此外,探究了机器视觉技术目前在水产食品感官检测领域应用的局限性及在深度学习方面的发展前景。本文旨在为水产食品的感官检测提供技术支撑,保障消费者的食用安全。     

基于视觉效应的茶叶外包装设计

视觉效应是指运用色彩、图形、文字等视觉元素产生审美想象的效果,满足受众的审美需求。基于视觉效应设计茶叶外包装,有利于打造具有形式美感与文化内涵的茶叶外包装。一,基于传统文化设计的茶叶外包装设计。该茶叶外包装(见图1)以中国传统文化为设计灵感源泉,汲取中国传统文化中的色彩、图形以及文字,使消费者产生丰富的心理联想,达到良好的包装效果。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于机器视觉的透明包装袋真空封口纹理缺陷检测方法

目的:解决由于目前在食品包装领域采用人工抽检方式导致的真空封口质检难以长时间连续作业，易发生漏检、错检，检测准确率稳定性不可靠等问题。方法:提出了一种基于机器视觉的透明包装袋真空封口纹理检测方法代替人工检测。利用ROI区域提取、仿射变换和局部二值化模式等算法进行图像预处理，凸显出纹理特征。在此基础之上，利用灰度共生矩阵分析“良好”和“缺陷”封口纹理图像特征设置灰度共生矩阵参数，将纹理特征的均匀性与共生灰度矩阵特征量相关联。最后，以灰度共生矩阵特征量作为SVM分类器的输入量，通过计算对封口缺陷进行识别与分类。结果:该在线检测方法对透明包装袋真空封口的缺陷检测结果与人工质量结果对比同一性高达97.5%。结论:该方法具备较高的检测准确率和较好的实用性，可满足在线检测的需求。     

食品包装涂布纸生物聚合物基质分类及应用

随着社会的发展,人们的食品安全和环境保护意识不断提高,对无毒可降解食品包装材料的需求不断增加。针对此现状,该文综述了涂布型食品包装纸生物聚合物基质的分类及应用的研究进展,分析了纸基材料作为食品包装的优势及性能缺陷,介绍了作为纸张涂料的生物聚合物基质(多糖、蛋白质、复合基质)及纸基材料所具有的功能特性,总结了涂布型纸张在食品包装方面的应用。将涂布纸作为食品包装,能有效地保持食品的品质,赋予纸张的功能特性还能够延长食品保质期,具有巨大的市场价值,有望为食品工业进一步开发绿色和可持续的纸基包装材料提供参考。     

民间美术情感元素在传统食品包装设计中的应用研究

针对传统食品包装设计中存在的问题,从民间美术情感的角度寻求解决之道。通过对民间美术视觉、触觉、听觉等情感元素的分类分析,探索将民间美术情感元素应用到传统食品包装视觉(图形、色彩、文字)、触觉(材质)、听觉、嗅觉、味觉设计中的途径和方法。对传统食品包装设计创新,传承民间美术精神有着积极的借鉴意义。     

新型盒式气调包装机的设计

本文介绍了一款自主开发的新型盒式气调包装机,并对关键零部件的结构和功能进行了详细的说明和深入的解析。所述包装机克服了以往采用冲洗式气体置换方式导致置换精度不高的缺陷,同时运用新的传送方式来实现产品的连续化生产。     

电磁振动式颗粒食品定量分装机的改进

针对传统颗粒食品定量分装机存在的诸多问题,从自动分装机的硬件设计、算法研究、软件设计、抗干扰设计等多个角度出发,提出模糊—PID定量分装动态称重控制算法,并优化了内置芯片处理程序,简化了外围硬件设计,降低了开发成本。现场实际试验研究结果显示,新型分装控制机分装效果稳定、分装误差降低了94.6%,可以满足颗粒食品的生产需求。     

Development of a machine vision system: real-time fabric defect detection and classification with neural networks

In this study, a machine vision system is developed to achieve fabric inspection and defect classification processes automatically. The system consists of an image acquisition hardware and an image processing software. A simple and portable system was designed so that it can be adapted easily to all types of the fabric inspection machines. The software of the system consists of defect detection and classification algorithms. The defect detection algorithm is based on wavelet transform, double thresholding binarization, and morphological operations. It was applied real time via a user interface prepared by using MATLAB^® program. The defect classification approach is based on gray level co-occurrence matrix and feed forward neural network. Five commonly occurring defect types, warp lacking, weft lacking, soiled yarn hole, and yarn flow, were detected and classified. The defective and defect-free regions of the fabric were detected with an accuracy of 93.4% and the defects are classified with 96.3% accuracy rate.