基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉的线扫描弹簧表面缺陷检测系统的研究与实现

针对传统的弹簧人工检测存在效率低、检测精度不高等缺点，本文通过对几种方案的对比论证，构建了一个基于机器视觉的线扫描弹簧缺陷自动检测系统，并在Visual C＋＋2005平台下开发了系统软件，对图像进行一系列的分析和处理，最终实现了对金属表面缺陷的自动检测识别，并还能够得到精确的尺寸测量结果。通过测试，结果表明系统能够实现既定的要求和目标。     

机器视觉在铜带表面缺陷检测系统中的应用

介绍了将机器视觉技术和LabVIEW图像处理技术应用于在线铜带表面检测的系统设计,以及系统的图像处理算法。系统采用两个面阵CCD摄像头同步采集铜带表面的图像,并通过LabVIEW图像开发模块对图像进行分析和处理,以得到铜带表面的缺陷情况。最后将缺陷图像数据进行分析并存储,根据结果适时发出警报。     

西门子机器视觉系统在PET饮料瓶缺陷检测中的应用

吹瓶、灌装、套标、喷码是PET饮料生产的四道关键工序。为了实现在这几道工序中的PET饮料瓶外观缺陷检测自动化，本文研讨用西门子机器视觉技术结合西门子自动化设备在线检测PET饮料瓶的外观缺陷并自动剔除不合格产品的方法。     

以机器视觉为支撑的玻璃绝缘子缺陷检测技术

为解决电力设备安全中的核心问题即检测绝缘子的非法使用,以机器视觉为支撑,图像获取单元利用LED红光源垂直照射绝缘子,CCD相机捕获反射光线,通过图像采集卡实时采集信号,而图像处理与缺陷识别模块则使用图像处理软件MATLAB等,经过相应的图像细化预处理、阈值分割和特征提取,有效检测和分类缺陷。在图像预处理方面,该技术采用了灰度值变换和图像滤波技术,特别改进了高斯低通滤波,以平衡噪声去除和细节保护的需求。随后,通过阈值分割将图像划分为不同区域,并提取关键特征参数,有助于准确辨别和分类不同缺陷。经实验证明,该技术可成功检测气泡和裂缝缺陷。     

基于机器视觉的网络变压器绕组绝缘缺陷检测系统

由于传统的变压器绕组绝缘缺陷检测方法的检测精度较低,影响了电力系统稳定运行,因此提出了基于机器视觉的网络变压器绕组绝缘缺陷检测系统。设计了NJG1144KA1低噪声增幅器与XC7Z100微处理器,初步提升了系统检测精准度。构建了网络变压器绕组绝缘缺陷检测系统软件框架,设计了软件整体结构;再利用机器视觉,设计了绕组绝缘缺陷检测算法,进一步提升检测精准度,进而实现了绕组绝缘缺陷的精准检测。采用系统测试的方式,验证了该系统的检测精准度更高,能保障电力系统的运行稳定性,极具推广价值。     

基于虚拟仪器的质量检测机器视觉系统

对机器视觉、虚拟仪器各自应用的特性作了比较，指出了机器视觉和虚拟仪器相互结合的技术优点，探讨了基于虚拟仪器的质量检测机器视觉系统的物理实现问题。文章比较详细地讨论了光源设计、摄像机、图像采集卡选取和系统软件设计等方面的技术实现细节。     

基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测

针对圆柱形蜂窝陶瓷侧面裂隙检测困难问题,提出一种基于机器视觉的检测方法。通过对侧面裂隙检测需求分析,选用COMS相机和LED白色平行光源。对采集的图像进行滤波处理,选择中值滤波去除椒盐噪声。根据图像的特点选择ROI区域,使用全局阈值分割算子threshold进行图像分割,采用膨胀方法连接断裂区域。在提取表面缺陷时,先用connection算子对图像区域分割,再选择面积、长度和宽度3个特征对表面缺陷进行提取。将本检测方法与人工检测方法比较分析,试验结果表明在检测样品均为50个时,本方法检测合格、不合格和混合样品所需时间分别为12.50、6.64和10.58 min,具有更高检测速度,实时性更好;准确率分别为96%、84%和90%,准确率还有待提升,需要进一步的研究。     

基于机器视觉维氏硬度检测技术研究

维氏硬度测试是一种精度高、应用范围广的硬度测量方法,但人工操作测量误差高、局限性大。本研究基于机器视觉的方法,搭建维氏硬度测试平台,通过采集压痕图像并对其进行处理、运算得出被测物硬度值。实验验证了其可行性。     

基于机器视觉的芯片引脚测量及缺陷检测系统

芯片引脚的尺寸测量及缺陷检测在智能制造生产中具有重要意义,笔者为了实现对芯片引脚宽度、间距和长度以及引脚缺陷的高质量、高精度检测,利用HALCON视觉软件平台、采用形状匹配和一维测量算法进行检测实验。首先,通过上位机控制相机采集图片,采用基于形状的模板匹配方法并结合金字塔搜索算法对芯片进行匹配定位,其次,应用仿射变换获取芯片引脚的区域,最后,将提取的引脚区域运用一维测量算法实现对芯片的引脚尺寸测量和缺陷检测。实验结果表明单张图片检测时间为56ms,测量误差为±0.01mm,缺陷检测正确率为100%。因此,利用机器视觉在线检测,不仅保证了测量的精度,同时保证了准确率,检测行业高精度、实时性的要求得到了充分的满足。     

基于机器视觉的透明口服液装量检测系统的研究

本文介绍了一种利用机器视觉技术检测塑料透明瓶装口服液的装量检测系统.该系统实时在生产线上采集装有液体的口服液,每幅图片拍摄5瓶口服液,然后使用图像处理方法,检测出液位线,以判断液位线的高度来判断液体装量是否合格,经实验表明,该系统的检测能有效排除气泡干扰,检测精度能达到98％.     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

机器视觉技术的包装缺陷在线识别系统

针对各类产品包装质量识别系统,缺陷识别精度较低的问题,研究机器视觉技术的包装缺陷在线识别系统.创建系统整体架构,通过图像采集卡、相机及镜头构成的图像采集过程获取包装图像和图像数据,采用基于PC的视觉系统利用边缘检测与二值化图像处理算法,实现包装图像的预处理,通过边缘角度识别软件在线识别预处理后的包装图像,以液晶触摸显示...     

基于机器视觉的化成箔缺陷在线检测系统设计

针对目前化成箔缺陷检测效率低、劳动强度大、检测精度差等问题设计了基于机器视觉的化成箔缺陷在线检测系统。本系统针对图像对比度较低的化成箔,根据不同类型缺陷所需的不同条件光照效果,采用了特定的光源光照方式,使用高性能(CCD)工业相机实时自动获取化成箔的图像,以 OPENCV处理函数库为基础,采用 VS2008平台编写可视化操作界面,结合后续处理算法对化成箔的各种缺陷进行检测。后续图像处理部分,运用 CLAHE 与 Niblack局部自适应二值化相结合的方法,配合Blob分析较为准确地实现了缺陷区域分离算法;运用霍夫变换与掩膜相结合的方法实现了边缘区域背景去除算法。经过在化成箔生产线上的大量实验结果表明,该系统能准确地完成缺陷的在线检测。     

基于机器视觉技术的壳体表面缺陷检测研究

以自行研制开发的深海水密圆形连接器外壳体为例,本文提出了一种基于机器视觉技术的壳体表面缺陷检测方法,阐述了机器视觉技术在壳体表面缺陷图像的处理过程及特征值提取过程,并在深海水密圆形连接器产品研发中连接器壳体缺陷检测进行应用.最后,构造了运用BP神经网络进行壳体表面缺陷识别的分类器,实现了壳体表面缺陷的准确识别与分类.     

基于机器视觉的铁路货车滚动轴承表面缺陷检测

针对目前轴承缺陷检测操作复杂、速度慢、精确度低等缺点,利用数字图像处理技术,设计出基于CCD成像技术的轴承缺陷非接触在线检测系统,讨论了系统中灯光、摄像机的安装位置对成像的影响,提出利用图像特征的麻点的检测方法,该系统能对麻点缺陷进行识别,对缺陷的区域进行测定。现场测试表明,系统操作简单、速度快、精确度高、为轴承缺陷检测提供了一种新方法。     

基于机器视觉的拆回旧电表参数信息检测技术研究

针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题,提出了一种基于机器视觉的参数信息检测方法,通过检测智能电能表的额定参数信息,完成电能表的分类回收工作。在以C#与Halcon为软件平台建立智能电能表图像检测系统的基础上,采用Blob分析算法,对图像进行ROI(感兴趣区域)提取,采用直方图均衡化对提取后的图像进行处理,以增强背景与目标区域之间的对比度,获取质量较高的电能表图片,通过OTSU算法对Canny边缘检测算法进行改进,提高图像阈值范围的自适应性,获取更完整的图像外观轮廓,最后对图像进行字符分割处理,得到电能表的额定参数信息。经过实验验证,该方法能够准确检测识别电能表铭牌的额定参数信息,实验数据显示检测准确率达99.5%,平均每台电能表检测耗时0.62 s,很大程度上节省了电能表分类工作的检定时间,提升了工作的效率与准确性。     

基于机器视觉的方便面分类检测系统设计

针对方便面生产线上,传统人眼在分类不同品种方便面时的低效率、高劳动强度问题,将机器视觉技术应用到其生产线上。为了便捷高效实现不同品种方便面的自动分类,采用基于HSI颜色空间特征的统计模式识别方法,并基于VC++6.0开发了易操作的人机交互界面。测试结果表明,该检测系统能正确快速实现多品种的方便面的识别与分类,其性能可满足生产需求。