一种基于多目机器视觉的光学薄膜瑕疵检测系统

针对光学薄膜制备过程中的表面品质缺陷,给出一种基于机器视觉的多通道同步自动在线检测方案。瑕疵检测精度、薄膜幅宽决定系统须采用多相机同步采样,为此提出一种C/S系统架构处理和管理各通道数据,并采用高性能FPGA设计了多通道同步控制卡。在实验基础上分析了薄膜瑕疵成像特点,提出一种基于误差修正理论的快速瑕疵检测算法,即:无瑕疵的背景图像认为只存在呈正态分布的随机误差,瑕疵看作粗大误差,从而将瑕疵检测问题转化成粗大误差的判别问题。通过连续多次采样求平均的方法得到标准背景图像,算出每个像素坐标位置的标准差σ,然后对每幅待检图像应用3-σ准则进行瑕疵判别,可直接得到二值化的瑕疵分离结果。实验结果表明,该算法具有简单、快速、准确的优点,解决了普通差影算法阈值确定困难的问题。     

织物瑕疵的实时光电检测系统

针对织物人工视觉检测效率低下的问题,研究了基于单片机的光学检测系统,实现了织物实时高效的自动瑕疵检测.采用光透射的单点扫描方法来实现稀疏经纬线的织物的检测具有高信噪比的优点,因为在这种情况下透射光远远大于发射光.由光电传感器的输出信号可以提取织物的瑕疵信息,此信号经过放大滤波并采样至单片机,最后经单片机定量分析和评估并...     

基于机器视觉的布匹疵点检测系统

为了提高布匹疵点检测的精度与速度,提出了一种基于机器视觉的布匹疵点检测系统用于取代人工检测。论述了系统的整体结构,包括成像设备、光源选择以及图像采集与处理方式等,并提出了一种基于类别共生矩阵与支持向量机的布匹疵点检测算法。检测算法将疵点检测看作一个两类分类问题,采用从灰度共生矩阵中提取的特征来描述纹理特性,并采用支持向量机来对特征向量进行分类完成疵点的检测。最后通过大量的布匹疵点实例对算法的可靠性进行验证,并对检测算法在不同参数下的检测精度与实时性进行了讨论。     

镀膜玻璃的瑕疵在线检测系统实验研究

对镀膜玻璃的瑕疵在线检测系统进行了整体设计，对镀膜玻璃瑕疵的光学性能进行了分析，并对光学系统进行了设计和研究，并用面阵CCD采集了在光照下的带有瑕疵的镀膜玻璃图像进行实验论证，为镀膜玻璃的在线实时检测系统做了实验基础。     

基于多目视觉的底涂机器人视觉检测系统

针对生产过程中出现车型识别错误和抱具抱紧位置不正确带来的机器人与车体碰撞问题,提出并实现了一种基于多目视觉的底涂机器人视觉检测系统。首先,通过车体底盘上的特征点与其在三维模型下的对应关系,利用多目相机对车型检测定位;然后,与车型库的位姿相比较,当相差较大的时候及时报警;最后,通过实验与应用证明该方法的有效性,及日常生产过程中运行的稳定性。     

浅谈电力电缆绝缘瑕疵的检测方法

电力电缆绝缘瑕疵问题将直接影响输变电的效益与安全性,因而有必要采用合理的检测方法来对其加以检测控制.在这种背景下,首先探讨了电力电缆绝缘瑕疵的检测方法与分类,进而介绍了电缆结构与接头,并结合试验进行了相关检测研究.     

基于多判据的多目视觉手势立体姿态检测系统研究

为了精确识别人手姿态用于机器手控制,文中讨论一种基于计算机视觉的手势立体姿态检测的新方法.该方法利用多目视觉之间的配合,有效地解决了检测识别时手部关键节点互相遮档的关键问题.采用了自适应阈值分割、harris角点检测、外极线约束等几种合理、有效的点的匹配算法,对不同摄像机拍摄到的手部关键节点进行排序,这样不仅解决了特征...     

基于单类支持向量机的织物瑕疵检测研究

为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别,并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。     

视觉检测系统中照明光源的研究

在视觉检测系统中,照明光源的好坏对系统最终的测量精度有很大的影响.本文首先推导了视觉检测系统的光强传递函数,然后对照明光源的光强、光照稳定性和均匀性等设计要点进行了分析,最后设计了能自适应调整光强的环形冷光源.为视觉检测系统的推广和使用提供必备的物质条件.     

基于线结构光的汽车涂装瑕疵检测的研究

提出了一种汽车涂装过程中的瑕疵检测方法,该方法使用线结构光法,将光条投射到汽车涂装后的表面,当有瑕疵存在时,光条的平滑性发生变化,据此可以对涂装瑕疵进行检测。对提出的方法进行了瑕疵检测仿真,结果表明了检测方法的可行性和有效性。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

基于双目视觉的标志点定位系统硬件设计

双目视觉通过模仿人类视觉来获得物体的深度信息,使机器具有从二维图像认知三维环境的能力。针对特定应用场合,建立一种自主设计的反光标志点,通过被动式反射光源发出的光来进行定位。基于双目视觉原理搭建试验平台,分析了系统硬件各组成部分技术特点,通过对系统硬件的特殊设计很好地解决了复杂背景对目标物识别定位的干扰。最后通过距离和角度测量试验,验证系统的精度。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。     

基于FPGA和DSP的高精度多通道信号检测系统硬件设计

针对电磁检测、电能质量检测应用领域中,大量传感器或参数需要实时检测处理的问题,对检测过程中采样时刻的设定、检测通道的选择、采样速率的设定、检测精度、数据处理能力进行了分析研究,对采样方式、控制策略、系统运行效率等进行了总结。提出了一种以DSP为主机,FPGA为从机的双CPU硬件结构,并将其应用到了检测系统的硬件设计中。系统中通过FPGA完成了数据采集相关的通道选择,采样时刻、采样速率设定等工作;通过DSP完成了工作参数配置,检测数据处理,以及与上位机通讯等工作;通过工作分工建立了控制主机与检测通道、采样时刻、检测数据之间的联系,实现了数据的采集、存储、处理及显示。研究结果表明,该双CPU结构的检测系统具有检测通道选择、采样时刻控制灵活、检测精度高、数据处理方便的优点。     

Bearing defect inspection based on machine vision

Appearance defects inspection plays a vital role in bearing quality control. Human inspection is a traditional way to remove defective bearings, which is instable and time consuming. In this paper, we develop a machine vision system for bearing defect inspection, which can inspect various types of defects on bearing covers, such as deformations, rusts, scratches and so on. The proposed system designs a novel image acquisition system to enhance the defects appearances and get controlled image acquisition environment. A series of image processing methods are proposed or utilized to inspect the defects. Especially, for the deformation defects on seal, we find a common rule on the distribution of projection, and design a simple but effective inspection algorithm based on the rule. The proposed system is evaluated and compared with skilled human by the recall, precision and F-measure. Experimental results show that the proposed vision system has high accuracy and efficiency.     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于机器视觉的磁钢片缺陷检测研究

针对磁钢片人工检测效率低、误检率高以及劳动强度大等问题,对磁钢片缺陷种类及缺陷特征方面进行了研究,对磁钢片缺陷检测流程进行了分析归纳,提出了一种基于机器视觉的磁钢片缺陷检测算法,实现了磁钢片缺陷检测自动化。通过二值化和闭操作对图像进行预处理,将目标区域面积与模板区域面积进行了比较,实现了零件掉角和粘连缺陷检测。通过采用均值滤波算法对初始图像平滑处理,对所得图像与模板图像对应像素灰度值进行了作差运算,选出了差值大于规定值的区域,实现了磁钢片裂纹和结晶缺陷检测。研究结果表明,相比人工检测,实验所采用的算法能够准确判断磁钢掉角、粘连、结晶以及裂纹缺陷,较传统人工目测检测方法准确率提高10%,并提高了检测效率,降低了劳动力。