改进NCC算法在铝塑药板包装缺陷检测中的应用

目的 鉴于传统归一化互相关算法（Normalized cross correlation, NCC）存在计算量大及无法适应图像旋转的缺陷,提出一种改进算法,能快速完成对泡罩区域的提取,以及对铝塑药板缺损、漏装等缺陷的识别。方法 首先对原始图像进行预处理,然后通过仿射变换使其变换至指定位置,接着提取其单个泡罩区域作为模板并构建积分图,最后获取待测图像,变换至相同位置后进行查表式匹配。结果 与传统方法相比,改进后算法速度得到极大提升,对为1920×1200图片的匹配时间仅为21 ms,对实验样品的检测误检率为0,漏检率为3.5%。结论 改进后的NCC匹配算法在满足精度要求的同时具有较快的速度优势,能较好地适用于铝塑泡罩包装缺陷检测中对泡罩区域的快速提取,药粒缺损10%以上缺陷及漏装缺陷的识别。     

基于改进YOLOv5算法的PCB裸板缺陷检测

目的 将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率。方法 通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率。结果 改进后的网络的平均精度由91.54%提高至97.36%,提高了5.82%,并且对于各类缺陷,算法的检测精度都能保持在90%以上,满足工业的需求。结论 文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势。     

一种铝塑泡罩药品包装缺陷检测方法

目的针对铝塑泡罩药品人工检测时存在的包装缺陷,如效率低、成本高、稳定性差等,采用机器视觉技术对铝塑泡罩药品包装进行缺陷检测。方法采用快速鲁棒特征SURF提取算法、BOW算法和单分类支持向量机组成的缺陷检测算法框架,并完成铝塑泡罩药品包装缺陷检测系统的开发。通过搭建的实验平台获取280幅铝塑泡罩药品图像,并采用文中所提方法对180幅图像实施缺陷检测。结果实验结果显示,在阈值为1900、视觉单词数量为120、惩罚因子为0.9时,文中方法的准确率为99.4%。结论文中方法提高了铝塑泡罩药品包装缺陷检测的准确率和稳定性。     

铝塑泡罩包装密封性智能检测设备的设计

针对现有铝塑泡罩包装漏气缺陷检测技术存在容易造成浪费,实施起来费时耗工,自动化程度低等缺点,设计了铝塑泡罩包装密封性智能检测设备。该设备以激光测距传感器、数据采集卡、PC 机为主要硬件配置,以LabVIEW 和MATLAB 的混合编程为开发平台,实测结果表明,该检测设备实现了对被检品的无损检测,有效地提高了检测效率,达到了漏气缺陷的智能化检测。     

印刷品缺陷在线检测算法的研究

介绍了基于数字图像处理的印刷品缺陷在线检测系统的原理和工作流程.提出了一种改进的图像配准算法对标准模板图像和待测图像进行匹配.实验结果表明,该算法计算速度快、检测精度高,满足了系统设计的要求.     

基于兴趣点特征匹配的印刷图像缺陷检测

提出了1种基于兴趣点特征匹配的印刷图像缺陷检测方法.首先利用SIFT特征检测器,获取图像中具有旋转和平移不变性的特征点,然后采用最近邻方法进行特征点匹配,最后使用最小二乘优化算法,计算2幅图像特征点对的变换矩阵来实现缺陷图像的检测.实验结果表明:该方法能够快速准确地提取出2幅图像间的对应特征点,大大降低了误匹配的概率,在图像发生较大平移和旋转的情况下,仍能准确地实现图像的对准及缺陷图像的检测.     

基于图像数据重排的产品表面缺陷检测算法研究

产品检测时许多无关图像信息增加了参与计算的图像数据量,为解决该问题,提出了一种基于图像数据重排产品表面缺陷检测算法.根据先验知识将产品表面结构明显且不会出错的特征作为产品成像后的周向位置特征,建立起样本周向位置特征库图像序列;同时提取每个周向方位下样本表面各个待识别子目标区域图像数据或变换特征进行有效数据重排作为产品的检测识别特征,建立起产品的检测识别特征库图像序列.检测识别过程中,提取产品位置特征寻找其在标准样本库中最优解确定产品的周向方位,然后提取产品不同方位下的多个待检测区域并进行相同的数据重排,最终完成快速检测识别.经过仿真验证,本文的算法可以大大节省缺陷检测所用时间.     

基于图像处理的IC探针表面缺陷检测算法研究

提出一套针对微小探针表面缺陷的检测算法流程,实验结果表明该算法可以有效地提取探针表面缺陷特征,并进行识别和分类.     

基于Blob算法的印刷缺陷在线检测的研究

将常见的印刷缺陷分为点、线、面3类,介绍了印刷缺陷在线检测的基本流程,说明了Blob算法检测缺陷的具体步骤,并运用Blob算法结合缺陷面积及周长的特征,成功对印品缺陷进行了提取及归类,最终得到了缺陷的面积、位置、类型等特征参数,在程序中实现了印刷品缺陷的检测。     

多模板检测算法在印刷品缺陷检测中的应用

提出了一种新的模板匹配方法,能够有效的去除剪影图像中的轮廓伪影,保存真正的印刷缺陷.其模板制作过程简单,匹配算法高效,能够满足在印刷品线检测的实时性要求.     

基于集成分类器的泡罩包装药品缺陷识别

目的 针对药品生产包装过程中常出现缺陷泡罩包装药品的问题,研究一种基于多特征构建与集成分类器的泡罩包装药品缺陷识别方法.方法 该方法通过集成2个不同的分类器算法分别对药品图像类别进行预测,并采用联合判定函数对2个预测输出值进行联合决策,得到最终分类结果.第1个分类器模型通过将图像转化到HSV颜色空间,分割出泡罩区域和药片区域,进行特征设计,并在提取多项特征参数后构建BP神经网络分类算法给定药品类别预测.第2个分类器模型应用多层卷积神经网络取代传统算法对图像特征进行提取,并输出药品图像类别的预测值.根据2个分类器的性能进行算法集成,构成最终集成分类器.结果 实验结果表明,该集成分类模型对数据集中泡罩包装药品图像进行分类识别测试,准确率达97％以上.结论 集成分类模型不仅提高了单一分类器的识别准确率,也具有更佳的稳定性.该方法取得了卓越的分类效果,具有较高应用性.     

改进YOLOv3算法用于铝型材表面缺陷检测

针对目前铝型材表面缺陷检测存在的准确率、检测效率较低等问题,提出了一种基于改进的YOLOv3铝型材表面缺陷检测方法。首先通过k-均值聚类算法对采集到的数据集进行聚类分析,选取尺寸最优的目标候选框;考虑到铝型材表面缺陷较大,对YOLOv3的网络层级结构进行调整,并将目标检测层之前的6个CBL单元改成4个,再补充2个残差单元,以提高特征的复用。将提出方法用于铝型材表面缺陷检测,并与经典的卷积网络Faster-RCNN和SSD方法进行比较,实验结果表明,采用提出的算法准确率达到97%,检测速度达到47帧/s,明显优于经典的卷积网络Faster-RCNN和SSD,适于在有高精度快速性要求的铝型材表面缺陷检测中推广应用。     

基于声发射的TiB/TC4复合材料塑性变形缺陷检测

目的 钛基复合材料塑性差,断裂机制复杂,研发准确的缺陷在线检测技术对控制其服役过程的破坏风险和成形过程的零件质量具有重要意义。方法 提出了基于声发射的TiB/TC4复合材料塑性变形缺陷检测方法,首先进行3种不同应力状态TiB/TC4复合材料试样的单轴拉伸试验,以采集声发射信号,通过断口形貌分析其断裂机制,并使用谱聚类方法对声发射信号进行聚类分析,探寻声发射信号与断裂机制之间的关系。结果 通过谱聚类可将TiB/TC4复合材料塑性变形过程中的声发射信号分为低频连续和高频突发2类,其质心频率以600~650 kHz为分界。根据断口形貌分析将其分别对应为TC4基体晶粒内位错运动与晶界处增强相TiB颗粒断裂。TiB颗粒断裂的声发射信号占比随着应力三轴度的增大而提高。TC4基体晶粒内位错运动的声发射信号为低频、连续信号,而TiB断裂的声发射信号为高频、突发信号。结论 TiB/TC4复合材料塑性变形过程中的声发射信号源机制包括TC4基体晶粒内的位错运动与晶界处增强相TiB颗粒的断裂,通过谱聚类不仅能有效检测TiB/TC4复合材料塑性变形缺陷的产生,还能识别缺陷的形成机制。     

基于深度神经网络的素色布匹瑕疵检测算法研究

目的为了改进当前布匹检测算法覆盖瑕疵种类不全、瑕疵检测准确率低和定位精度差的问题,提出一种端到端的素色布匹瑕疵检测的实用算法。方法首先通过图像增强扩充样本数量,使用以Resnet50为主干的Cascade-RCNN网络,通过加入可变形卷积、特征融合网络,增加锚框数目的方法实现素色布匹瑕疵检测。结果通过实验对比表明,该算法可实现检测20种布匹瑕疵,检测是否为瑕疵布匹的准确率为97%,瑕疵定位的平均检测精度为65%,每张样本平均时间为80 ms。结论该算法有效提升了布匹瑕疵检测的准确率和精度,检测瑕疵类别更全面,并且可以获取缺陷位置和类别,能够满足工业上的生产需求。     

基于改进YOLOv4的焊接件表面缺陷检测算法

目的 针对真实复杂的工业场景下焊接件表面缺陷检测精度低、速度慢和图像噪声大等问题,提出一种基于卷积神经网络的改进YOLOv4焊接件表面缺陷检测算法。方法 该模型基于YOLOv4算法,首先,考虑到存储和计算资源的限制,使用了轻量级网络GhostNet替换YOLOv4的主干特征提取网络(Backbone)CSPDarknet53;其次,在GhostNet网络结构中嵌入改进的通道注意力机制,能够提高模型的学习能力且减少参数量;最后,引入K–means++聚类算法对焊接件表面缺陷数据集中待检测的标注框宽高进行聚类,使网络模型更容易检测到样本中的缺陷。结果 实验结果表明,改进后的YOLOv4算法平均精度(mean Average Precision,mAP)为91.07%,检测速度达到48.11帧/s,模型尺寸为43.2 MB,比原始YOLOv4算法平均精度提升了4.61%,检测速度提高了26.59帧/s,模型尺寸缩减了82.37%。结论 所提模型提高了焊接件表面缺陷检测的精度和速度,在工业表面缺陷检测中具有现实意义。     

基于YOLOv4算法的药用空心胶囊表面缺陷检测方法

目的 为提升质检过程中药用空心胶囊的表面缺陷检测精度及其自动化水平。方法 通过设计高质量图像采集方案来避免胶囊表面出现光斑,以此构建药用空心胶囊缺陷数据集。基于YOLOv4算法,建立深度学习检测模型,利用多尺度特征提取以及训练策略,增强对小目标缺陷检测的鲁棒性。采用K-means++聚类算法更新锚框初始值,以提高模型对胶囊表面缺陷的预测性能。结果 实验结果表明,提出的胶囊缺陷检测方法能够准确判别胶囊好坏,并能检测出其表面的凹陷、孔洞、划痕、污点和接口缺损等5类缺陷,其中对于胶囊有无缺陷的平均精确均值达99.05%,各缺陷类型的平均精确率为91.81%,而每秒检测图像可达22张。与其他典型的目标检测方法相比,文中方法在检测速度和精度上都有一定优势。结论 文中所提出的基于YOLOv4的缺陷检测方法实现了对药用空心胶囊多类型缺陷的分类与定位,具有较好的检测效果和稳定性,在满足生产质量管控要求的同时,可大幅降低人工成本。