基于机器视觉的钢轨表面缺陷检测系统

为了实现钢轨表面缺陷自动化检测,以手推式轨道检测车为平台建立基于机器视觉的钢轨表面缺陷检测系统。以黑白线阵CCD相机获取轨道图像,并辅以线阵白光光源主动照明,减少外界光源的干扰;编码器安装在车轮上获取检测车的运动信息,并将里程转换成脉冲信号触发线阵相机进行图像采集,获取的图像经千兆网传输至工业计算机进行处理;利用单片机设计信号处理器读取编码器的脉冲信号,根据编码器A、B相输出信号的相位差判断车轮的前进方向;提出改进最大熵阈值分割法对钢轨图像分割,使分割结果接近目标出现的概率。实验结果表明,图像采集系统能够稳定的采集轨道多部件图像,相比于Otsu、原始最大熵阈值分割法,改进最大熵阈值分割法在减少误分割的同时能够比较准确的将缺陷分割出来,与背景差分法、积分投影法相比,本文方法获得了较低的误检率和漏检率。     

基于机器视觉的PCB板表面缺陷检测方法研究进展

基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用.对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,...     

基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望

鉴于基于机器视觉的太阳能电池片表面缺陷检测方法具有操作简便、检测精度高的优势,对此类方法所涉及的各个环节进行了综述.首先,对太阳能电池片表面的各种成像方式和常见缺陷类型进行了归纳总结;其次,对现有的检测方法按照数学建模思路的不同进行了分类介绍和对比分析;最后,对内容进行了小结并对太阳能电池片表面缺陷检测方法的后续研究进行了展望.可以看出:基于机器视觉的太阳能电池片表面缺陷检测方法已经取得了较大的发展,但在特征提取算法设计方面仍有改进空间,如基于深度神经网络的特征提取算法.     

基于机器视觉的螺纹缺陷检测方法

为了满足现代制造业自动化生产装配中在线检测要求,提出利用机器视觉的方法对螺纹缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、螺纹的边缘提取、螺纹的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编程实现.实验结果表明,基于这种螺纹缺陷检测方法的准确率能够达到99.5%,一个螺纹的检测时间在300 ms以内,达到既定要求与目标.     

带钢表面缺陷在线检测系统的设计

针对带钢表面缺陷人工检测方法效率低下的问题, 设计了一套在线自动检测系统.首先, 提出了带钢表面缺陷在线检测系统的总体设计方案, 包括系统的硬件结构、软件结构以及图像采集系统.随后, 着重研究了在线检测系统中所涉及的图像预处理方法、图像分割方法、特征提取选择和缺陷分类方法.通过缺陷区域频率域图像特征的提取和缺陷的人工神经网络分类, 提高了分类结果的准确性.最后, 采用常见缺陷的样本对该系统进行测试, 实验结果验证了算法的有效性.     

一种基于灰度投影的带钢表面缺陷检测算法

根据带钢表面缺陷图像的特点提出了一种利用带钢图像的灰度投影进行带钢表面缺陷目标检测的一种算法．该算法首先是把带钢图像分别进行向下和向左的灰度投影,然后在此基础上计算出向下投影与向左投影的投影均值并分别找出其中的最大值与最小值,之后分别把它们做差,如果向下投影均值的差值和向左投影均值的差值中至少有一个超过了给定的阈值则认为图像存在缺陷,否则无缺陷．该算法在多次实验中都能够很成功地完成带钢表面缺陷目标检测的功能．     

基于机器视觉和LabVIEW的有机玻璃缺陷检测研究

采用机器视觉技术和LabVIEW Vision Assistant对玻璃缺陷进行检测分析,以亚克力玻璃常见的缺陷划痕、气泡为主,通过LabVIEW图像处理模块进行灰度变换、形态学处理、阈值分割,最后对图像进行颗粒分析。该研究用模板匹配的方式,对玻璃存在的缺陷进行识别。多次检测研究后表明,该方式较准确地检测到划痕、气泡的存在,并对缺陷的位置及数量做出判断,正确率达到94%。     

基于机器视觉的玻璃瓶表面缺陷检测

介绍了机器视觉应用到玻璃瓶在线检测生产流水线的一个具体案例和整个系统的构成框架.用图像预处理和分割算法对被测物进行识别以达到检测目的.     

基于多线程串行通讯的机器视觉瓶盖缺陷检测

该文针对串口通讯实时性和系统资源利用不足,结合多线程技术能很好地解决并发多任务问题,提高资源的利用率和系统的整体性能,并以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种基于多线程串行通讯的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案实现了PC机与西门子S7-200PLC的串行通讯,给出了瓶盖缺陷检测的设计思路及完整流程。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

冷轧带钢表面缺陷诊断

针对某冷轧厂生产的带钢表面经常出现锈斑、黑斑等缺陷,对原料、酸洗、轧制、退火和平整等工序进行了现场调研,并对乳化液相关指标、防锈性、耐腐败性及带钢表面缺陷的形貌和成分进行了检测。（1）板面残酸是造成锈斑的主要原因。应重点改进盐酸酸洗工艺和设备：调整挤干辊的压力,保持挤干辊的表面状态,加强水冲洗的压力和温度以及喷嘴的均匀性;同时,严格执行酸洗工艺制度。（2）轧机前后乳化液吹扫不净,卷入板内是造成成品黑斑的主要原因。要改进吹扫装置,保证把残留乳化液吹净,必要时增加一排吹扫喷嘴。（3）应设计合理的退火工艺制度,防止因退火不良或局部烧嘴堵塞加热不均造成油的局部挥发不全形成积碳;应重视退火前的松卷,加强对氨分解的监测。采用上述措施后,带钢表面缺陷大幅度减少：表面锈斑、黑色云纹和黑斑等问题得到彻底解决。     

基于机器视觉的苹果表面纹理检测方法

提出了一种基于机器视觉技术的苹果表面纹理检测分级方法。提取苹果目标,使用不同算法灰度化图像。根据纹理位于图像中灰度突变处的特点,采用典型梯度算法,对目标图像进行两次梯度锐化。对图像进行滤波去噪使纹理更加突出。利用绝对差分算法,计算图像的平均梯度,选取阈值55,将苹果分为纹理鲜明A级果和纹理不鲜明B级果。设计了由PC机、可编程逻辑控制器、摄像机、图像采集卡等组成的苹果视觉自动化分级系统。选取41个水晶富士苹果在该系统进行了分级试验,分级窜果率为4.9%,可以满足应用要求。     

冷轧带钢表面缺陷的二级检测与快速判定方法研究

针对冷轧带钢表面缺陷图像采集计算量大、实时性强的特点,在提取灰度信息特征的基础上,采用二级检测的处理方法采集缺陷图像.实验验证结果表明:二级检测模式可以提高检测速度、缩短检测时间,具有良好的生产适应性.     

基于机器视觉的车辆对称中心检测

介绍了一种基于车辆和背景的特征、灰度值、轮廓及对称性等的目标检测定位及对称中心确定的方法．提出了一种新的对称性检测算法．该算法具有简单、可靠的特点．并进行了实验验证．实验统计结果表明：该对称性检测算法能有效地检测出目标车辆的中心位置．     

基于机器视觉的铝镍钴磁性材料外观缺陷检测的研究

针对镍钴磁棒材料在线分拣中人工端面缺陷检测准确率低、分拣慢的问题,提出一种基于机器视觉的铝镍钴磁棒材料缺陷检测的方法,创新性地提出了一种以轮廓与拟合圆距离差为评价标准的检测边缘崩角和缺角的算法.首先,通过Canny算法获取检测图像的轮廓;然后,基于轮廓最大连通曲线拟合端面圆,轮询计算轮廓点与拟合的端面圆距离,由此精确获...     

基于机器视觉的贴片引脚焊接缺陷检测

针对印刷电路板（Printed Circuit Board,PCB）中贴片元件引脚焊接在线检测问题,提出一种基于机器视觉的引脚焊接缺陷检测的算法.通过对引脚区域进行特征提取,综合采用面积法、连通域法质心法,实现对贴片引脚处附焊球、引脚桥接、缺焊及合格情况进行自动识别.提出了基于统计方法的参数阈值自适应修正的方法,有效解决固定阈值的局限性问题,使算法能够适用于不同光照强度的环境.实验结果表明,该算法对PCB中贴片元件引脚焊接缺陷检测的识别具有较高的准确性.     

基于机器视觉的车辆对称中心检测

介绍了一种基于车辆和背景的特征、灰度值、轮廓及对称性等的目标检测定位及对称中心确定的方法.提出了一种新的对称性检测算法.该算法具有简单、可靠的特点.并进行了实验验证.实验统计结果表明:该对称性检测算法能有效地检测出目标车辆的中心位置.     

基于机器视觉在果品无损检测技术方面的研究进展

为满足食品加工业对基于机器视觉的果品无损检测的要求,从图像信息采集的各种技术、各种数学模型的建立和数值计算方法上的创新等方面分析了国内外基于机器视觉的果品无损检测技术,并对其优劣和存在问题进行了对比分析,并简述了该领域今后的发展方向。     

非接触式带钢表面缺陷检测纹理方向特征分析

带钢表面缺陷图像纹理方向特征分析是否合理,关乎缺陷图像识别的正确率。针对带钢表面缺陷, 提炼描述缺陷图像的纹理特征量,给出检测距离和检测方向角的关系以及缺陷图像纹理特征提取的基本方法。通过带钢表面无噪声和有噪声的裂纹缺陷图像实例分析,提出纹理方向的特征量取最小值,与纹理方向垂直的特征量取最大值;检测距离根据具体情况选取,不易过大或过小;夹杂噪声的缺陷图像分析时阈值取较小值。     

基于机器视觉的毛杆缺陷检测方法

建立了一套羽毛毛杆缺陷在线检测的完备方案,该方案运用机器视觉方法对羽毛进行无损检测。其重点是把图像检测过程分为三步,首先区别羽毛和背景,其次从羽毛中分割出毛杆,最后检测毛杆上是否存在缺陷。本文对每步都提出有效算法:用阈值法快速简便地区分羽毛和背景;用气球力的主动轮廓模型来分割毛杆;用小波分解和统计分析法来判断缺陷的存在。在小波分解前,根据毛杆缺陷特征,把图像的二维信号变换到一维信号,把缺陷的检测变为信号中奇异点的检测。在分析缺陷大小和特征后提出小波基的选择方法和分解层次的限制。该方案经过试验验证行之快速有效。