智能包装检测系统中光源波长研究

目的通过优化智能包装检测系统中的光源条件,提高多层包装中缺陷内衬纸智能检测的识别率和包装的良品率。方法在智能包装检测系统中,通过改变光源的波长来检测不同颜色的缺陷内衬纸,并对缺陷内衬纸面积检测的像素数量进行分析,来确定合适的光源波长。结果色相性导致红光、绿光及蓝光等可见单色光不能使相同颜色的内衬纸在智能包装检测系统中成像,但在白光、红外光和紫外光照射下可以检测出所有的缺陷内衬纸。进一步分析得知,智能包装检测系统在红外光照射下缺陷内衬纸的成像效果最好;在白光、红外光和紫外光照射下的识别率分别为90.5%, 99.5%, 96.5%,红外光照射下的识别率最高。结论在实际包装车间生产中,为使智能包装检测系统的准确率最高,可根据色相性选择光源或者直接选择红外光光源。     

聚晶金刚石复合片表面裂纹视觉检测技术研究

采用计算机视觉检测技术提取出表面缺陷特征量,完成聚晶金刚石复合片表面裂纹缺陷检测。首先,根据聚晶金刚石复合片表面特性,研究合适的光源照明系统。然后,提出一种基于直方图投影梯度极值的局部边界提取方法,将感兴趣区域进行提取。在此基础上,采用图像滤波、阈值分割的方法实现裂纹的准确提取。最后,通过计算裂纹连通域的圆形度和长宽比进行裂纹识别。实验结果表明,本方法可有效地对聚晶金刚石复合片表面裂纹缺陷进行检测。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于机器视觉的卷烟内衬纸光敏性差异分析

目的研究卷烟不同内衬纸对光的敏感程度,为优化机器视觉检测精度以提高卷烟的包装质量提供参考依据。方法基于机器视觉技术,通过RGB和HSV颜色模式对不同颜色、类型内衬纸的光学反应参数进行测试,采用方差分析对光敏性进行差异显著性分析,确定显著程度后再进行相关性分析,得出不同内衬纸与光敏性的关系,并验证缺陷内衬纸的光敏性。结果不同颜色、类型内衬纸间的光敏性均存在显著性差异,其中R对颜色的光敏性影响最大,且与颜色呈显著正相关,光敏性强弱依次为:红色浅金色银色金色。V对类型的光敏性影响最大,且与类型呈显著正相关,光敏性强弱依次为:压花复合铝箔型普通转移型直镀铝箔型复合铝箔型镭射型真空镀铝转移型。结论不同卷烟内衬纸的光敏性均存在差异,在实际生产中,企业可针对不同品牌内衬纸优化光敏性范围,通过调整光学参数R,V进行缺陷内衬纸的判断与剔除。     

基于RGB视觉的瓦楞包装褶皱标定收敛研究

目的 对瓦楞纸板包装的褶皱特征精确定位,保证瓦楞纸板包装容器的褶皱特征在生产中被及时检验。方法 机器视觉瓦楞纸板包装检测系统依据图像信息收集、识别算法、RGB视觉、位置标定、收敛性结果对比等部分,确定瓦楞纸板包装褶皱特征标定核心算法要点;在传统频域变换的基础上,进行RGB视觉改进算法分析,有效提高对瓦楞纸板包装的褶皱特征识别率,明确该类包装的检测要点。以实际的瓦楞纸板褶皱为例,论证该类包装褶皱特征的特征提取方法,并且强化研究对象的褶皱特征,最后对识别结果和实物结果进行对照分析。结果 通过设定阙值在90～120得到线性率为25%～80%,结果说明该视觉方式可以实现对机器视觉的瓦楞纸板包装标定,并且各特征的实际回归基准率为86%,验证了RGB视觉算法对褶皱特征标定的精确性。结论 基于该RGB视觉以及优化措施,确定了机器视觉瓦楞纸板包装标定方式,满足了瓦楞纸板包装生产的有效定位要求。     

基于支持向量机的印品缺陷分类方法

目的研究印品图像的各类形状缺陷,建立基于支持向量机(Support vector machine,SVM)的印品形状缺陷分类模型。方法对印品进行符合人眼视觉特性的缺陷识别,并对提取缺陷进行特征分析。将特征数据导入支持向量机进行训练学习,SVM分类器对缺陷图像进行测试。结果分类器对点缺陷和面缺陷的识别率为100%,对线缺陷的分类准确率达93.94%。结论基于SVM的缺陷分类方法能较好地满足印品质量检测的需求。     

焊缝超声检测缺陷类型的模糊C均值聚类识别

提出了一种采用模糊C均值聚类的方法来识别焊缝超声检测缺陷类型的方法.以夹渣、气孔、未焊透、未熔合4种焊缝常见缺陷为对象,对25个实际焊缝样本进行识别计算,并与射线检测结果进行比对.结果表明:该方法正确识别率达88%,具有较好的识别效果.     

粉状炸药自动包装工艺的改进研究

目的 针对印刷品表面缺陷检测中计算实时性差、缺陷类型识别率不高等问题,提出一种改进灰度共生矩阵(GLCM)的印刷品表面缺陷检测方法。方法 首先对主流的缺陷检测流程进行优化设计,通过对图像进行预处理和差分操作,判断待测印刷品表面是否存在形状缺陷;然后针对传统灰度共生矩阵的特征提取维度高、信息易丢失、旋转不变性差等问题,设计一种综合考虑效率和实时性的缺陷区域特征参数提取算法;最后结合得到的特征参量,通过基于支持向量机的分类器完成不同形状缺陷的分类识别。结果 实验结果表明,文中所设计的改进算法所提取的特征参量更能精确表征缺陷区域的特征,同时,特征参数的提取时间和缺陷分类识别率等指标均比传统检测方法更有优势。结论 在保证计算实时性的前提下,文中所设计的检测方法能有效完成印刷品表面缺陷区域的纹理特征识别能力,具有较高的分类识别率。     

包装物料形状特征提取和识别方法

目的为了提高包装过程物料抓取成功率,采用机器视觉设计一种物料识别和定位方法。方法以串联机械手臂为载体搭建一种基于机器视觉的物料识别、定位、抓取平台,包括物料传送模块、图像采集模块、视觉分拣模块、机器人控制模块和抓取模块等。重点论述相关图像处理算法,包括基于双边滤波的图像预处理方法,基于Canny算子的图像边缘检测,图像特征提取和质心定位等。最后进行实验研究。结果实验结果表明,码垛机器人的物料形状正确识别率可以达到99.25%,抓取成功率能够达到99.5%。结论所述物料形状识别和抓取定位方法可有效解决图像特征提取、定位等问题,具有识别率高、抓取准确等特点,能够满足包装搬运要求。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

食品多层包装内包缺陷的问题分析及处理

目的 分析食品多层包装内包缺陷产生的原因,降低食品生产过程中内包装的缺陷率。方法 以GDXII包装机为例,分析造成褶皱、破损、翘边、露底、划痕和拼接错误等6种典型内包铝箔纸缺陷的原因,分别对GDXII包装机的内包夹紧装置、压花装置、切割装置、加速装置及包装成型装置进行参数调整。结果 调整优化后的GDXII包装机在生产时,机器运行稳定,单小时内包生产量由优化调整前的23 977提升至24 350,内包铝箔纸缺陷率由调整前的4.44%降低至1.92%。结论 在实际生产中,同类食品包装生产企业可以根据该优化调整思路及方法,确定与之适应的包装机参数调整方案,以降低生产过程中内包缺陷损耗率,提升产品信誉度和企业经济效益。     

基于机器视觉的贴片电阻封装排序方法

目的研究基于机器视觉的贴片电阻封装排序方法,确保贴片电阻的封装效率,减少人力成本。方法基于模板匹配设计一种贴片电阻的相对方向识别方法,并简单介绍检测系统的整体框架。识别方法主要分为3步,截取模板并进行模板匹配;记录匹配区域的匹配度及匹配区域的像素坐标信息;利用匹配度和坐标信息得出贴片电阻的相对方向。结果文中验证了在不同光源下的识别率。当光源强度为18 V时,识别率最高,达到99.9%,处理时间约为130 ms。结论基于机器视觉的贴片电阻封装排序方法能够满足工业生产的准确性和实时性要求。     

复杂载荷下钢带缠绕增强复合管力学特性

为研究海洋油气输送用钢带缠绕增强复合管在复杂载荷下的力学响应特性,考虑非线性接触,建立钢带缠绕增强复合管数值计算模型,研究由内外压、弯曲及拉伸载荷组合作用下钢带缠绕增强复合管的变形及承载性能.结果表明,压差(外压大于内压,≤2MPa)越大钢带缠绕增强复合管的柔性越高.与纯弯曲相比,拉伸载荷和压差的附加联合作用使钢带缠绕...     

基于深度学习的工业自动化包装缺陷检测方法

目的针对目前工业自动化生产中基于人工特征提取的包装缺陷检测方法复杂、专业知识要求高、通用性差、在多目标和复杂背景下难以应用等问题,研究基于深度学习的实时包装缺陷检测方法。方法在样本数据较少的情况下,提出一种基于深度学习的Inception-V3图像分类算法和YOLO-V3目标检测算法相结合的缺陷检测方法,并设计完整的基于计算机视觉的在线包装缺陷检测系统。结果实验结果显示,该方法的识别准确率为99.49%,方差为0.0000506,只使用Inception-V3算法的准确率为97.70%,方差为0.000251。结论相比一般基于人工特征提取的包装缺陷检测方法,避免了复杂的特征提取过程。相比只应用图像分类算法进行包装缺陷检测,该方法在包装缺陷区域占比较小的情况下能较明显地提高包装缺陷检测精度和稳定性,在复杂检测背景和多目标场景中体现优势。该缺陷检测系统和检测方法可以很容易地迁移到其他类似在线检测问题上。     

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。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。