轴缺陷检测中的快速均值滤波应用研究

针对高分辨率轴表面缺陷检测图像在自动化流水线上的应用存在检测速度慢的问题,对基于机器视觉的高分辨率轴表面缺陷检测图像预处理进行了研究.通过与传统均值滤波对比的理论方法,提出了一种Atrous滤波算法,并与各种加速算法结合来缩短图像预处理的时间,从而加快轴检测的速度.实验结果表明:算法的改进可以明显加快检测速度,整体速度...     

基于机器视觉的条形码识读

基于机器视觉的条码自动识别技术,利用视觉系统得到条码的图像,通过几何变换、滤波去噪、阈值处理等有效的图像处理和快速模式识别方法,实现了流水线物品条码的快速、精确识读与检测。     

基于Halcon的IC测试探针表面质量的机器视觉检测系统

IC测试是集成电路生产中的重要工序,探针表面诸如划痕、凹坑等缺陷对性能测试结果影响大.文章研究了IC探针表面质量的机器视觉检测方法,讨论了灰度变换、均值滤波、区域连通、图像分割等缺陷图像处理和形状识别方法,建立了相应的探针表面质量检测系统,并基于机器视觉软件Halcon开发了探针表面质量检测系统软件.实验表明:开发的检测系统可对直径0.3~0.6 mm的IC测试探针表面质量进行快速检测评估,且系统的稳定性好、检测精度高,能有效缩短检测时间和减少检测成本.     

图像数据处理中极大误差点剔除方法分析

针对机器视觉测量中图像数据处理时海量数据处理和剔除误差点等问题,提出了一套合理、有效的误差点剔除方法。构建了一个基于机器视觉的精密检测平台,并根据测量中的目标边缘,针对最小二乘直线拟合和圆弧拟合算法进行了实验分析,得到了测量系统的测量精度:尺寸测量精度约为5μ,角度精度约为2'。在很大程度上提高了视觉测量系统的测量精度与测量效率,是机器视觉在精密检测中的一次成功应用。     

不规则成像机器视觉系统探索

传统的机器视觉系统在检测中按照预先设定的采样频率与固定的分辨率采集图像.在大背景小目标的机器视觉检测中,图像中存在大量的冗余数据.提出了一种具有不规则成像功能的机器视觉系统,重点讨论了不规则图像的数据格式、不规则图像的拼接和内存处理三个问题.通过预注视机制,这种具有不规则成像功能的机器视觉系统可以使缺陷区域分辨率高,背景区域分辨率低,显著地减少图像处理的数据量,提高检测的精度和速度.     

算法可重构的工业视觉饮料瓶盖缺陷检测

该文针对工业机器视觉系统软件对图像处理算法可重构的需求,以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种算法可重构的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案设计并实现了3种提取饮料瓶盖感兴趣区域的方法。同时结合饮料瓶盖缺陷检测的流程,详细阐述了系统软件对检测算法进行重构的原理及过程。最后,利用软件重构的检测算法序列对感兴趣区域图像进行缺陷检测,对测试结果进行了分析比较。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

基于机器视觉的PCB板表面缺陷检测方法研究进展

基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用.对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,...     

基于钢板表面缺陷检测的图像增强研究

在基于视觉的钢板表面缺陷检测过程中,检测系统采集到的图像由于受到光照等因素的影响,图像局部变得过亮,增加了缺陷检测的难度。针对此类缺陷检测问题,提出了一种动态均值的图像增强方法,使得图像局部过亮的情形得到了很大改善,为图像后续的分割处理提供了极大便利。利用最大熵分割方法对增强处理后的图像进行分割实验,实验结果表明该方法使钢板表面的缺陷检测更加有效、简单,验证了该方法在钢板表面缺陷检测中的可行性,具有一定的应用价值。     

外螺纹螺距机器视觉检测

采用二值化方法对目标图像进行预处理,运用中值滤波的方法清晰图像,利用数学形态学算法填充目标图像中的缺陷,提取相邻牙顶图像的中轴线数据,从而实现了外螺纹螺距的视觉技术检测。     

机器视觉的现状及发展趋势

介绍了机器视觉的概念和机器视觉的组成,阐述了机器视觉技术的发展现状,如光源照明技术、光学镜头、摄像机及图像采集卡、图像信号处理、执行机构等,分析了机器视觉技术在工业、民用、科学、军事领域的应用状况,展望了机器视觉的发展趋势．     

基于机器视觉的毛杆缺陷检测方法

建立了一套羽毛毛杆缺陷在线检测的完备方案,该方案运用机器视觉方法对羽毛进行无损检测。其重点是把图像检测过程分为三步,首先区别羽毛和背景,其次从羽毛中分割出毛杆,最后检测毛杆上是否存在缺陷。本文对每步都提出有效算法:用阈值法快速简便地区分羽毛和背景;用气球力的主动轮廓模型来分割毛杆;用小波分解和统计分析法来判断缺陷的存在。在小波分解前,根据毛杆缺陷特征,把图像的二维信号变换到一维信号,把缺陷的检测变为信号中奇异点的检测。在分析缺陷大小和特征后提出小波基的选择方法和分解层次的限制。该方案经过试验验证行之快速有效。     

Machine vision system for visual defect inspection of TFT-LCD

To improve the identification for visual defect of TFT-LCD,a new machine vision system is proposed,which is superior to human eye inspection. The system respectively employs a CCD camera to capture the image of TFT-LCD panel and an image processing system to identify potential visual defects. Image pre-processing,such as average filtering and geometric correction,was performed on the captured image,and then a candidate area of defect was segmented from the background. Feature information extracted from the area of interest entered a fuzzy rule-based classifier that simulated the defect inspection of TFT-LCD undertaken by experienced technicians. Experiment results show that the machine vision system can obtain fast,objective and accurate inspection compared with subjective and inaccurate human eye inspection.     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.     

汽车零配件表面缺陷检测算法研究与实现

通过对机器视觉的研究,建立检测算法模型。文章分析了图像相减匹配法工作机理,结合汽车零配件生产系统,建立了一种基于SiemensPLC的表面缺陷检测仿真平台,验证该算法的可靠性。实验结果表明,该算法模型可以稳定地检测到缺陷目标。     

基于机器视觉的螺纹缺陷检测方法

为了满足现代制造业自动化生产装配中在线检测要求,提出利用机器视觉的方法对螺纹缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、螺纹的边缘提取、螺纹的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编程实现.实验结果表明,基于这种螺纹缺陷检测方法的准确率能够达到99.5%,一个螺纹的检测时间在300 ms以内,达到既定要求与目标.     

一种基于机器视觉的玻璃质量在线检测系统

对玻璃缺陷识别原理进行了介绍,并对基于机器视觉的运动图像实时处理算法进行了研究。由此,提出了玻璃质量在线检测系统的总体设计方案,并提出了一种基于自适应阈值选取的图像二值化分割、缺陷特征提取并通过神经网络分类器识别不同种类缺陷的新算法。在此基础上,研制开发了一个玻璃质量在线检测系统,并将其运行于工业现场。实际使用情况表明该系统是可行且有效的。     

基于OpenCv的石英晶片缺陷检测

针对石英晶片在生产制造过程中会产生物理缺陷的问题,提出了基于计算机视觉库OpenCv的石英晶片缺陷检测方法。通过对石英晶片图像进行平滑滤波、二值化处理、边缘检测,将处理后的图片与标准模板进行匹配,从而确定晶片是否存在缺陷。实验结果表明采用OpenCv进行图像处理比采用传统的图像处理代码,程序更简洁,执行效率更高,能较好地完成对晶片的缺陷检测。