浅谈锭状物表面缺陷检测研究现状与展望

本文利用机器视觉在锭状物体表面缺陷检测中有着操作简单、可靠性高等优势,针对此类方法的发展现状和特点进行论述,分析目前的关键技术和难点,最后对此类方法进行总结和展望,指出机器视觉检测技术在锭状物表面缺陷检测系统将高速发展和被广泛利用.     

金属管器件表面缺陷实时检测技术研究

针对金属管器件的表面缺陷检测进行研究,以机器视觉技术为基础,设计了金属管器件表面缺陷在线检测系统。根据生产线的实际检测要求,提出了检测系统的整体设计方案。针对金属管器件图像特点,设计了简单有效的图像处理算法。首先,提出了基于颜色统计特性的目标分割算法,实现了目标与背景的准确分割。然后,提出的实时光照校正算法,克服了光照影响,实现固定阈值的缺陷分割。最后,使用方向投影的方法定位缺陷区域,并采用面积指标对缺陷进行有效判定。实验结果表明,该方法对于每个器件的平均检测时间为0.21秒,缺陷产品的检测率为100%,能够满足金属管器件表面质量实时检测的要求。     

基于机器视觉与YOLO算法的马铃薯表面缺陷检测

针对马铃薯表面缺陷检测快速准确的需求,提出一种基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法.应用这一方法,构建马铃薯表面缺陷图片数据集,对原始数据集进行图像增广;通过二分K均值聚类算法进行目标框聚类分析,采用分步训练方式优化学习权重.试验结果表明,所提出的基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法可以有效实现马铃薯表面缺陷的快速、准确检测,平均识别精度达到99.46％,对腐烂、发芽、机械损失、虫眼、病斑检测的精度均高于98％,单幅图片识别时间约为29 ms.     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可行性.采用系统法对表面缺陷检测设备进行整体分析,设计出与检测程序相配套的机械设备.     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

一种基于机器视觉的浮法玻璃质量在线检测系统

人眼对浮法玻璃上畸变小的缺陷并不敏感，漏检的缺陷会给玻璃深加工带来极大的困难。快速、可靠和准确的机器视觉检测技术是解决玻璃生产中质量控制问题的重要的技术手段。本文介绍了一种基于机器视觉的浮法玻璃质量在线检测系统。该系统利用分布式视觉处理技术、采用模块化的图像处理系统设计，能够实现缺陷的精确提取，能实现对缺陷的智能分类和分级，能根据缺陷数据对玻璃进行分级打标，满足了浮法玻璃生产中缺陷在线检测的需要。     

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。     

重轨弧面缺陷图像光照不均校正方法研究

为了校正重轨弧面缺陷图像在视觉检测过程中造成的光照不均现象,为后续缺陷特征提取与识别排除干扰,分析了重轨弧面图像光照不均现象产生的原因,研究了光照不均图像校正的三种方法,即直方图均衡化、同态滤波法和Mask匀光法,并针对重轨弧面缺陷图像进行了光照不均校正实验,并对结果进行了定性分析,同时,引入图像灰度均值、熵值和均方误差三个指标对三种方法校正结果进行了定量分析对比。实验结果表明,Mask匀光法校正后的图像灰度分布均匀,且亮度适中,为重轨弧面缺陷图像光照不均的校正提供了理论依据。     

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；     

钢轨漏磁检测仿真分析及试验研究

为保障高速铁路的行车安全,针对现有高速铁路钢轨轨面伤损检测的需求,设计了一种携带有漏磁检测装置的钢轨探伤小车,并分析了钢轨探伤小车的结构组成和漏磁检测装置的检测原理。同时,在有限元分析软件 ＡＮＳＹＳ中建立了钢轨轨面漏磁检测的三维有限元模型,针对钢轨轨面主要的裂纹类和圆柱形缺陷,在软件中进行了钢轨缺陷的漏磁场特征仿真分析。通过计算分析,得出钢轨缺陷漏磁检测信号与传感器提离值、裂纹类缺陷长度、裂纹类缺陷深度、圆柱形缺陷直径、圆柱形缺陷深度的对应变化关系。最后,通过制备人工裂纹类和圆柱形钢轨缺陷,搭建起钢轨漏磁检测的试验平台,通过漏磁检测试验,验证了软件仿真结果的正确性。     

基于云-边缘协同计算的表面缺陷检测系统研究

基于现有表面缺陷检测系统所存在的实时检测难、硬件要求高等问题,提出一种基于云计算与边缘协同计算的表面缺陷检测系统。将轻量化改进后的 YOLOv4 缺陷检测算法模型部署到边缘端嵌入式设备中,在边缘端完成对表面缺陷的检测,并在边缘端和云端设备部署 KubeEdge 框架进行通信和管理。通过案例验证该系统不仅能够满足检测实时性的要求,还能够提取缺陷检测关键信息,同时便于部署在价格低廉的嵌入式设备。     

攀钢高速钢轨生产技术现状及优化探讨

攀钢高速钢轨主体生产设备、精整检测技术处于国内领先地位。介绍了攀钢高速钢轨的冶炼、连铸、轧制、精整等关键工艺及检测技术现状,对降低冶炼能耗、实现连铸过程自动化、精轧孔型优化提出了建议,对建立基于激光检测技术的轧制参数自动优化系统、建立基于图像检测技术的热态钢轨表面缺陷在线检测系统、建立基于统计过程分析的质量控制系统进行了探讨。     

基于数字图像处理和特征提取的钢轨表面缺陷识别方法

设计了一种基于图像特征分析的钢轨表面缺陷识别方法,运用快速数字图像处理技术可实现钢轨表面裂缝和剥离掉块缺陷的提取,该识别方法通过对采样图像使用高低帽变换进行图像增强,再进行高斯平滑消除毛刺,最后采用阈值处理及边界抑制来提取出缺陷信息。研究了钢轨伤损评价及信息表达方法,可将缺陷信息以曲线的形式表示出来。为验证所设计方法的有效性,设计了模拟实验装置,用工业线阵CCD摄像机获取钢轨样品运动时检测的图像,进行缺陷识别处理,实验表明,系统输出曲线能够明确反映损伤的程度及其位置信息。     

基于机器视觉的浮空器囊体材料表面缺陷检测系统

在复杂气象环境下,浮空器囊体作为整机系统的直接受压面,其表面必须平整光滑,无褶皱损伤,以将其与空气的摩擦力降至最小。文中基于机器视觉对浮空器囊体材料表面缺陷检测进行系统设计。首先为了降低背景灰度变化对缺陷检测的影响,研究了一种同时具有噪声滤除与图像增强功能的预处理算法;其次利用图像二值化和中值滤波技术实现特征图像的预处理,并结合纹理特征提取技术（基于灰度共生矩阵）对囊体材料表面不同缺陷图像的特征参数进行仿真提取,通过分析不同特征参数,判断囊体材料的表面缺陷类型。该系统对采集到的200个囊体材料表面缺陷样本的分析表明,所用方法能识别浮空器囊体材料93.6%的表面缺陷,识别内容包括缺陷的类型、位置、大小等,并根据缺陷的类型加盖不同的标记。该系统具有较高的识别率和准确率,可对浮空器囊体材料表面缺陷进行快速检测。     

[表面强化及损伤机理]一种高鲁棒性的钢轨表面缺陷检测算法

利用机器视觉技术检测钢轨表面缺陷时,存在背景光照复杂、车载检测设备与钢轨相对位置发生变化等情况,严重影响了缺陷检测的准确率,为此,提出基于灰度标准差与投影积分的钢轨表面区域定位算法和基于多尺度灰度对比度的增强算法。定位算法利用灰度标准差排除复杂背景的干扰,通过投影积分获取精确的钢轨表面区域;综合不同尺度空间的灰度对比度,将钢轨表面区域图像转化为灰度对比图,实现钢轨表面缺陷的增强;采用迭代阈值分割法提取钢轨表面的缺陷。实验结果表明：提出的钢轨表面缺陷检测算法在几种不同拍摄条件下漏检率均低于6%,准确率均高于93%,用于高速有砟轨道无缝钢轨表面缺陷检测时具有较高的鲁棒性。     

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。     

结合暗场散射与曲率成像的镜面缺陷检测方法

在镜面表面缺陷检测技术中,常用的暗场成像检测法对于波纹类的三维镜面缺陷难以形成对比度,为此提出了一种结合暗场散射法和曲率成像法的综合型镜面表面缺陷检测方法.分别对暗场成像原理和基于条纹反射的曲率成像原理进行了理论分析;构建了结合两种成像模块的综合型镜面缺陷检测的实验装置;对注塑反射镜和抛光玻璃薄片两种样品进行了缺陷成像...     

多传感器信息融合的铁路扣件缺陷检测方法

基于机器视觉的二维图像铁路扣件缺陷检测已经取代人工检测,提高了检测效率。但是,铁路扣件缺陷样本数量少且标注困难,以及检测结果受光照条件影响大等问题仍然是当前所面对的主要挑战。因此,提出一种多传感器信息融合的铁路扣件缺陷检测方法,采用结构光设备快速高效地采集铁路扣件的深度和强度信息,设计一种针对深度图的自适应定位分割方法,自动准确定位和分割深度图中的铁路扣件,并将定位分割参数与强度图融合,实现铁路扣件的定位分割;针对样本不均衡和样本标注效率低的问题,通过DCGAN扩充缺陷扣件样本的数量;设计了具有8个残差块共18层的ResNet神经网络,完成铁路扣件螺母缺失、弹条断裂和弹条缺失三种缺陷类别检测,并采集WJ-7类型铁路扣件样本设计了相关试验,验证结果表明,缺陷扣件检测平均准确率达到97.6%,满足工程应用的需求。     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。