机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

基于机器视觉的表面缺陷检测方法研究进展

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中,尤其随着深度学习技术的快速发展,视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先,将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测,并对各种方法进一步细分归类和对比分析,总结了每种方法的优缺点和适用场景;然后,对目前常用的缺陷检测结果评价方法做出了描述,进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题,重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势;最后,从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。     

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。     

基于机器视觉的镍基高温合金表面缺陷检测系统开发

在镍基高温合金棒料表面缺陷检测中，为避免人工目检方法的缺点、提高检测的效率和准确度，设计了一套基于机器视觉的镍基高温合金棒料表面缺陷检测系统。首先，采用工业相机采集棒料表面图像并采用高斯滤波方法进行图像降噪；其次，采用自适应二值化及形态学方法（如膨胀和腐蚀）对图像进行预处理，有效提取缺陷区域；然后，采用Canny边缘检测、轮廓查找等方法，对缺陷区域的边缘轮廓进行精准识别，并得到相应坐标；最后，系统通过与STM32的串口通讯，实现对相机移动和棒料旋转的节拍控制及相机位置和棒料转角的获取，并通过其与缺陷在视场中坐标的整合，最终得到棒料中所有缺陷相对于棒料原点的坐标信息。实验证明，的系统能较为准确地检测得到棒料表面的缺陷坐标信息。     

基于机器视觉的PCB焊接缺陷检测系统研究

针对中小型企业在焊接缺陷检测领域中存在人工成本高、检测精度低、实时性差等问题，提出了基于机器视觉的焊接缺陷检测系统，在生产线上安装多套图像采集装置。根据现场情况，设计了多套打光方案，实现连锡、焊点偏位、芯线断开等缺陷的高清成像；基于HALCON软件，采用图像定位、图像预处理、图像分割、形态学处理及焊接缺陷识别算法，完成了USB接口缺陷的精确检测，并将结果显示在上位机界面。测试生产线上实际采集的402幅缺陷图像，结果表明，系统成功检出率达86%,基本满足实际生产需要。该检测系统用于中小型企业生产，有利于大幅度提高检测效率和缺陷检测智能化水平，同时降低检测成本。     

透明件表面缺陷的机器视觉检测综述

随着现代科技的发展,透明件几乎运用于各个行业并起着不可或缺的作用,透明件表面质量是衡量其合格与否的一个重要指标,同时机器视觉技术因具有速度快、精度高、成本低、稳定性好等优点被广泛用于透明件表面缺陷的检测.本文主要从图像采集、图像处理和缺陷识别几个环节来介绍透明件表面缺陷的检测,对检测系统的类型,采集图像的处理方法以及实...     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。     

零部件表面缺陷的机器视觉检测模式

在以批量生产方式为特征的汽车、摩托车、内燃机等行业，准确、快速地识别和检测重要零部件关键部位的表面缺陷，直接关系到产品质量，若不及时剔除不合格品，将会带来严重的质量隐患。以汽车发动机连杆为例，在采用了先进的分离大小头的胀断工艺后，其结合面有可能会产生破口，因此，必须进行100％的探测，具体的质量评定标准为：     

精密陶瓷套筒表面质量视觉检测机的设计研制

氧化锆陶瓷套筒表面微米级的裂纹、崩口等缺陷直接影响到光纤连接器的使用寿命和使用性能.介绍了氧化锆陶瓷套筒表面质量自动检测机的研究成果,采用线扫描的CCD成像技术,检测到陶瓷套筒表面多种缺陷:研制出高精度自动机械系统,实现陶瓷套筒自动上料、旋转驱动和分拣下料自动化;采用对比强化和边检测算法处理表面裂纹图像,自动识别表面裂...     

基于机器视觉的钢球表面缺陷检测和分类

在分析钢球表面光学反射特性的基础上,构建了采用球积分光源与0.5×远心镜头组成的钢球表面缺陷图像检测平台,解决了钢球表面成像难度较高的问题.根据钢球表面图像的特征,利用分段线性灰度增强算法和边界跟踪实现了对钢球表面微小缺陷的分割和区域分类,并结合基于灰度共生矩阵的综合熵作为判定钢球表面是否存在缺陷的依据.最后利用矩形相似度与圆形相似度之比、角度等特征实现了缺陷分类器模型的建立,很好地解决了钢球表面缺陷的分类与识别.试验结果表明,该模型对钢球表面5类缺陷的识别率均可达到90％以上,并能很好进行分类,模型在1 600×1 200图像分辨率下,算法耗时小于80 ms,可以满足工业检测对算法实时性的要求.     

基于机器视觉的瓶盖表面检测技术的研究

文章通过视觉检测系统的引入,设计了一套基于机器视觉的瓶盖表面检测系统,通过使用梯度搜索边缘,块分割寻找旋转特征点,以及旋转匹配等方法,实现了对瓶盖表面种类的区分,以及是否有瑕疵的识别,并在工业现场获得了较好的实际检测效果。     

密封件机器视觉检测系统开发

针对密封圈人工检测的不足，提出一种基于机器视觉的密封件检测系统进行检测，经过验证，能满足检测速度与精度的要求。     

基于机器视觉技术的研磨表面粗糙度检测

为了对研磨表面粗糙度进行快速在线检测,基于机器视觉技术提出了一种研磨表面粗糙度检测方法,建立了研磨表面粗糙度评定参数体系。该方法利用CCD提取粗糙度Ra在0.012～0.1um之间的研磨表面图像,运用中值滤波、图像边缘增强和图像二值化等对图像进行预处理,然后通过图像特征参数提取研磨表面粗糙度信息,包括灰度均值D和均方根差Sq。试验结果表明,在入射角一定的情况下,入射光越强,D和Sq对粗糙度的变化越敏感;在入射光强一定的情况下,入射角越大,D和Sq反映粗糙度变化的效果越好;与Sq相比,D对于入射光强和入射角的变化更不敏感,具有更强的稳定性。利用图像参数评估研磨表面粗糙程度的最佳实验条件为:入射角70°、入射光强2.0×104lux以上。     

基于机械视觉的工件在线实时检测及分拣系统研究

在基于机械视觉及图像处理技术的理论基础上,开发出一套针对机械工件实时在线检测及分拣的系统设备。该系统能够检测出工件生成的二维几何特征轮廓图尺寸且能在软件界面上自动标注,然后分拣机构根据检测出来的尺寸特点进行分拣。介绍了系统的硬件构成及软件系统的实现方法,并对系统的硬件、软件进行设计,最后以钥匙为检测目标检验该系统实际使用的可行性,实践表明该系统能够满足实际生产的使用需求。     

基于机器视觉的二维尺寸检测

借助CMOS工业相机、光学镜头、计算机以及Open CV等搭建了一套机器视觉检测简易系统,采用了一种针对两孔零件的测量方法。经试验得出:精度可达0.009mm,重复性误差可达0.0215mm,用该系统测量已检测合格的300个零件,满足检测要求,说明该检测系统具有一定的可行性。     

基于机器视觉的饰品盒表面质量自动检测系统

针对某工厂以人工方式检测饰品盒表面质量,存在检测效率低、误检及漏检率高等问题,开发了饰品盒表面质量自动检测系统。该系统利用模板匹配方法实现对表面图像的判别,进而根据判别结果来控制系统的设备动作,实现对饰品盒的分类堆放。通过实践检测证明,该系统能够大幅提高产品的检测速度、极大地降低产品的误检率和漏检率,同时也降低了企业的成本。     

基于机器视觉的铰链精密检验系统

门窗铰链是现代建筑的重要五件构件,是影响门窗质量和安全性的关键部件。介绍了作者开发的不锈钢铰链关键零件形位尺寸的智能检验系统的原理、结构和关键技术。系统应用机器视觉、激光检测技术和伺服控制、信息处理等技术实现长铰链杆件的装配孔径、孔距和平面度等参数精密检验和智能化操作。在有限的机器视觉检测分辨率情况下,保证了大范围尺寸工件检验精度±0.005 mm,检验效率达到12片/分钟,自动生成检验结果统计报表。     

基于机器视觉的螺钉在线检测

介绍了一种基于机器视觉技术的非接触式螺钉在线检测系统。该系统利用CCD相机采集图像,经过拉普拉斯锐化算子、中值滤波等图像处理,可获得清晰的螺钉轮廓图像,再利用机器视觉的相关几何运算测量出各个螺钉几何参数,实现螺钉的在线检测。实验表明,该系统检测速度快、精度高,具有很好的推广应用价值。