基于机器视觉的卷接机接装纸图像检测系统

文章提出了一种基于机器视觉的卷接机接装纸图像检测系统,以STM32为核心控制器进行卷接机时序同步控制,通过工业相机采集过渡鼓轮上的烟支图像,测量烟支接装纸长度,剔除不合格烟支,同时利用导轨标尺记录不合格烟支图像和检测数据。经实际应用,该系统检测精度优于±0.05mm,最高检测速度达12 000支/min,能剔除接装纸长度不合格的烟支,使烟支接装纸错长短剔除率下降到0.01%。通过频谱分析方法对误差波动的影响因素进行分析,能够实现设备运行状态和接装纸质量的评估。     

基于机器视觉的烟用接装纸几何参数测量系统的设计应用

采用光学投影测量仪测量烟用接装纸几何参数,依靠实验人员的目测定位待测目标和数据判读,检测效率和测量精度较低,为此设计了基于机器视觉的测量系统.该系统以机器视觉系统为基础,由检测平台和计算机两部分组成,系统采用嵌入式MCU控制步进电机驱动检测平台,相机连续采集待测纸样的图像,分析得到图像中存在边缘或孔线时,系统驱动运动平台将待测目标移动至定位基准点,通过增量式线性编码器记录载物运动平台的相对位置,经过运算获得待测纸样的相关测试结果.实验结果表明:基于机器视觉的烟用接装纸几何参数测量系统能够满足接装纸检测行业标准的要求,实现了对接装纸纸宽、孔线宽度以及孔线距边宽度的自动化精确测量,系统对激光打孔接装纸的识别率为100%,测量精度优于0.02 mm.     

基于机器视觉的罗纹纸外观缺陷检测系统

介绍了一种利用机器视觉方法测定罗纹纸张外观缺陷的检测系统,采用H S V图像处理技术实现罗纹纸张背景上外观缺陷的提取,对于罗纹纸张色点检测有更高的色差敏感度和测量精度。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。     

接装纸吸水性对卷烟卷接质量的影响

利用接触角测试方法,进行了烟用接装纸吸水性对卷烟质量影响的研究,结果表明接装纸吸水性对卷烟卷接质量存在影响,尤其是对泡皱问题影响较大,可以通过对接装纸吸水性的控制来改善卷烟卷接质量。     

基于机器视觉的食品内包装缺陷检测装置设计与实现

为解决食品包装机生产过程中内包装质量缺陷等问题,基于机器视觉原理设计食品内包装缺陷检测装置。该装置主要由图像采集、图像处理及判断与剔除等系统组成,使用超小型CCD相机对包装材料的内部缺陷进行扫描,通过PLC程序实现对缺陷包装的判别和剔除。以内衬纸为例,利用不同程度缺陷内衬纸及FLUKE热成像仪,对机器视觉装置进行内衬纸缺陷剔除率及机械部件运行情况的测试。结果表明:采用机器视觉的检测装置较好地解决了生产过程中缺陷内衬纸漏检及检测效率低等问题,各类型缺陷内衬纸检测准确率高达95%,研发后缺陷烟包白班减少了13.3包/月、前夜班减少了8.4包/月、后夜班减少了8.0包/月,降低了缺陷烟包量,提高了设备运行的稳定性,所有仪器均满足长期稳定运行的要求,实现了包装质量的闭环式自动检测技术。     

ZJ17卷接机组废接装纸收集装置的设计

为解决ZJ17卷接机组因废接装纸导致烟支质量缺陷和停机处理耗时长等问题,设计了一种废接装纸收集装置。该装置由导向部件、单向收集通道、收集腔和输送通道4部分组成,导向部件将切纸轮产生的废接装纸导入单向收集通道,通道内正压气流经T型管路转向和变速后形成负压气流,进而将废接装纸吸入收集腔并在正压气流作用下经输送通道进入废料桶,实现废接装纸收集。由正交试验可得,收集装置的最优设计参数为单向收集通道正压气流压强0.6 MPa,收集腔正压气流压强0.4 MPa,导向辊直径8 mm,输送通道管径80 mm。以毕节卷烟厂使用的ZJ17卷接机组为对象进行测试,结果表明：使用废接装纸收集装置后,因废接装纸干扰烟支接装导致的质量缺陷发生次数由18.2次/月降低至1.3次/月,降幅92.9%;停机处理耗时由7.6 h/月减少至1.0 h/月,降幅86.3%。该技术可为提高卷接设备生产效率提供支持。     

创新型接装纸

据来自美国《烟业通讯》的消息,特伦伯（Trierenberg）控股公司推出一系列创新型接装纸,包括薄膜接装纸、手感接装纸等。     

接装纸、卷烟纸接头检测系统的设计

为了剔除接头烟支,在卷烟纸及接装纸供给位置加装对射式光纤检测传感器检测物体的透光度,识别并由剔除阀剔除接头烟支。应用结果表明,该系统检测精度达100%,误剔除率为0。     

机器视觉自动检测纸张表面缺陷质量分析研究

针对传统的纸张表面缺陷检测算法容易受复杂背景干扰的问题,提出一种机器视觉自动检测纸张间相对均匀的表面缺陷检测方法。主要分析了纸张表面各个环节中可能会出现的缺陷识别分类与缺陷类型等算法。根据目前的机器视觉自动检测技术,对已有的表面识别算法进行了分析。将通道注意力信息与空间注意力机制进行融合,设计出新的注意力机制模型,对纸张表面缺陷进行分类,此方法提升了模型算法的缺陷识别准确率,在纸张表面缺陷检测上,用过分析和总结机器视觉自动检测在纸张表面缺陷的应用,提高了纸张检测的准确率和效率,所述方法具有较强工程可行性和推广价值。     

一种基于机器视觉的纸病识别方法

提出了一种基于图像灰度变换和BP神经网络的纸病识别算法。该算法是利用动态双阈值法和图像合成法对图像进行预处理,提取出纸病的特征值,再利用BP神经网络对纸病进行分类。结果表明,BP神经网络分类器可以很好地识别出纸病图像中的孔洞、脏点和褶皱,平均识别率达93.8%。     

基于机器视觉的卷纸包装检测模型设计

针对卷纸包装检测效率低、人工成本高的问题,本研究基于机器视觉设计了一个卷纸包装检测模型,并命名为F-YOLOv4。首先利用工业相机在卷纸包装过程中采集目标图像,并人工标注制作成数据集;随后基于YOLOv4构建卷纸包装检测模型,通过引入轻量级的混合通道注意力模块,以强化重要特征同时避免背景噪声的引入;并设计了残差上采样模块以提升上采样的效果;最后在检测头部分,将不同分辨率的特征进行了融合以丰富特征图信息。研究结果表明,F-YOLOv4模型的准确率为97.53%,高于原始模型1.97%,检测速度为129 f/s,模型大小为39.7 MB。F-YOLOv4模型能够有效解决卷纸包装问题,为企业降低用人成本,提高生产效率。     

基于机器视觉检测精细雾化喷头的装置

为了提高精细雾化喷头检测效率,分析人工抽检精细雾化喷头效率低、全数合格率难以保证的原因;根据雾化喷头的结构、检测环境及要求,阐述传感器检测方法的不足以及机器视觉检测方法的优势;通过选用300万像素的定焦镜头、12.7 mm面阵相机和功率为0.5 W~4.0 W的小面积LED防水灯构建机器视觉系统照明布局,采用快速接头的密封方式,结合自动上料装置、计算机图像处理与分析单元和PLC控制的雾化喷头不合格品自动剔除单元,制造出全自动雾化喷头检测装置。使用结果表明,采用机器视觉方法检测精细雾化喷头喷雾圆锥的角度,检测速度是人工检测的2~3倍,能保证产品全部合格,实现喷头高效生产和自动化生产。     

基于机器视觉的纸病检测系统发展综述

在详细介绍以机器视觉技术为核心的纸病检测流程的基础上,研究、梳理和归纳了纸病检测系统在硬件模式、软件系统和检测算法上的发展历程,分析了当前纸病检测中存在的难点问题,并讨论了该技术的发展前景。     

基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

基于机器视觉的面粉白度检测系统

白度是面粉质量的重要指标之一,采用基于机器视觉的CCD摄像头实现对面粉白度的在线检测可以为面粉加工工艺参数的设定提供依据并因此提高面粉加工质量。系统采用opsis5150alc线阵CCD摄像机,通过它的输入输出接口实现与计算机之间的通讯,并将测量信号经处理后送入计算机,由计算机计算出当前所检面粉白度。针对当前所检白度值,可以实时调整面粉磨制工艺参数,从而获得稳定均一白度的产品。     

基于机器视觉的圆网印花检测系统

针对圆网印花中的跑花问题,设计了基于机器视觉的圆网印花自动检测系统.系统首先利用智能相机捕获图像,然后将图像进行区域分割,计算每个区域的重心值坐标,最后与标准图像的重心坐标进行比较,得到印花的相对偏差.通过实验表明该系统具有较高的检测精度.     

基于机器视觉的大米垩白米的检测方法研究

本文提出了一种检测大米垩白米的检测方法。由于光线反射的缘故,摄像机拍摄的正常米粒有部分的光线反射区,该反射区与垩白米的亮度非常近似,用最大类间方差法无法区分开垩白米和正常米粒的光线反射区。本文提出通过分析两种米粒的不同的直方图分布表现来进行区分的方法,并进而分析出大米垩白率,垩白度等信息。本文提出的方法相较于以往的方式,能快速,高效地检测出大米垩白米及相关信息,实验结果表明了该方法的可行性。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。