共查询到20条相似文献,搜索用时 15 毫秒
1.
针对目前人工检测轴承套端面缺陷存在的效率低、人为因素影响大等诸多问题,提出了一种应用机器视觉技术实现轴承套端面缺陷检测的方法。首先,对采集到的图像进行了平滑处理,并运用自适应阈值的Canny算子完成了边缘检测;其次,利用最小二乘法拟合了轮廓圆,从而提取出了轴承端面的圆环区域;然后,通过Otsu算法计算出了圆环区域的最佳阈值,实现了阈值分割;最后,通过提取各连通域的特征来检测和判别缺陷。实验结果表明:该方法能有效地检测出轴承套端面存在的缺陷,且误检率低于3%,漏检率低于1%,检测时间不超过50 ms,可满足在线检测要求。 相似文献
2.
3.
4.
本文针对人工检测轮毂轴承缺陷效率低、人为因素影响大的问题,提出了一种基于机器视觉的轮毂轴承缺陷检测的方法。首先,对采集到的轮毂轴承的图片进行预处理,对预处理后的图像进行匹配,实现对目标与缺陷区域的快速粗定位;然后采用基于区域灰度值的图像分割和基于区域形态学的最小二乘法进行缺陷提取。实验表明,采用本方法提取的轮毂轴承缺陷与实际的缺陷图像相似度高,验证了该方法的有效性。 相似文献
5.
6.
7.
8.
机器视觉是一种用机器替代人眼进行测量和检测的技术,这种技术应用于缺陷检测具有效率高、速度快、成本低等优点,许多学者将其应用在不同领域(农业、航空航天等),并取得了较好的成果,目前轴承领域也逐渐采用该检测方法。因此,需对应用于不同轴承缺陷及机器学习、深度学习下的轴承缺陷检测算法进行综述,并对其缺陷检测算法的性能进行分析归纳及对比。首先,探讨分析了轴承缺陷形成的磨损机理,并详细介绍了轴承常见磨损形式(腐蚀磨损、疲劳磨损、黏着磨损、滚道磨损等);然后,分别介绍了基于机器学习和深度学习的检测算法的区别及特点;其次,列举了机器学习的算法及深度学习的算法用于轴承缺陷检测的研究应用与分析,主要包括机器学习的人工神经网络、主成分分析、支持向量机等,及深度学习的单阶段和双阶段目标检测算法的应用;最后,为了促进深度学习算法用于轴承缺陷的诊断,针对具体问题提出了轴承缺陷检测的挑战和未来研究方向并给出了详细的建议,对机器视觉在轴承缺陷检测中的研究现状提出了总结与展望。 相似文献
9.
10.
针对目前人工检测厚壁钢管端面缺陷存在的效率低、速度慢,且还会出现错检、漏检等问题,提出一种基于机器视觉的方法,实现对厚壁钢管端面缺陷的检测及分类。首先单独提取钢管倒角区域,利用最小二乘法对内外倒角包含的轮廓圆进行拟合,并根据欧式距离来判断倒角是否出现偏心的情况;其次提取钢管端面区域,并通过Otsu算法分割出缺陷区域,计算各联通域的特征描述并组成新的特征向量,使用支持向量机来判断缺陷类型。研究结果表明:该方法能准确检测出厚壁钢管的倒角是否偏心、端面是否存在各类的缺陷,且准确率达到96.7%,对一钢管端面的判断时间不超过100 ms,相比人工目测速度有明显的提高。 相似文献
11.
12.
针对轴承缺陷图像存在的光照不均匀、整体对比度低、缺陷细节模糊等问题,结合鲁棒主成分分析和视觉显著性,提出一种新的轴承表面缺陷检测算法。首先,在鲁棒主成分的基础上,采用广朗日乘子算法计算稀疏矩阵,并根据稀疏矩阵计算缺陷区域的视觉显著值,生成凸显缺陷区域的显著图,然后,利用Otsu法对显著图进行缺陷分割,得到缺陷检测结果。并进行对比实验研究,结果表明,该检测方法能够显著突出轴承表面缺陷区域,实现对轴承表面各类缺陷的有效检测,与其他几种显著性检测方法相比,具有较好的查准率和召回率。 相似文献
13.
14.
端面凹坑是圆柱锂电池缺陷检测的重要指标之一。因为明暗对比度小的浅凹坑极易受金属表面上随机出现的亮点暗斑等强噪声的干扰,造成浅凹坑自动检测十分困难。为此,提出了一种解决方案:首先针对在单一光源角度下难以获取清晰的浅凹坑图像问题,采集6张凹坑在不同光源角度下的图像;其次采用时域平均和剔除异常值方法对6张图像进行融合得到基准面图像,并采用基于滑动窗口和奈奎斯特采样定理的空间滤波方法,减弱了信息强度较强的干扰噪声,再根据误差分析理论,提取灰度分布曲线的平均偏差;然后根据凹坑在灰度分布曲线中的形态,提取凹凸曲线段峰谷差和宽度比;最后采用BP神经网络方法建立检测模型来实现凹坑检测。对现场采集到的样本进行了测试,算法的正确检测率为100%。 相似文献
15.
介绍了一种利用超声波检测技术对轴承球进行无损检测的装置和检测方法.这种方法不受球的材质影响,对球表面粗糙度的要求不高.根据不同缺陷对应不同的缺陷波的特点,可以实现对有缺陷轴承球的自动识别. 相似文献
16.
17.
18.
TFT-LCD Mura缺陷机器视觉检测方法 总被引:17,自引:0,他引:17
针对液晶显示器(Liquid crystal display,LCD)制程中Mura缺陷检测的重要性和人工检测的弊端,研究TFT-LCD Mura缺陷的机器视觉自动检测方法。基于国际半导体设备与材料组织(Semiconductor Equipment and Materials International,SEMI)标准中Mura缺陷的测量规范和LCD视觉检测试验平台,针对Mura缺陷边缘模糊、对比度低、图像中存在重复纹理背景和整体的亮度不均匀等特点,分别研究基于实值Gabor小波滤波的纹理背景抑制方法、基于同态变换和独立分量分析的亮度不均匀校正方法、基于主动轮廓模型和水平集方法的缺陷分割以及基于SEMI标准的缺陷量化方法,综合几个方面的研究,建立Mura缺陷自动检测流程。检测试验证明,所提出方法能较好地抑制纹理背景、校正背景亮度不均匀和莫尔条纹,准确的分割缺陷并进行量化评定。该方法适用于Mura缺陷的自动检测,检测方法与人的视觉特性相似,具有较好的鲁棒性。对于50个带有Mura缺陷的LCD样本,有48个样本被成功检测。 相似文献
19.
20.
针对粉末冶金齿轮的缺角缺陷,提出一种视觉缺陷检测方法。采用形态学操作及特征分析方法定位齿轮原点,提取齿轮ROI区域,通过连通域标记算法分割图像,对每个连通域进行细分区域灰度值分析,将灰度值分析结果进行阈值判别从而定位缺陷。设计实验进行算法的测试与验证,实验结果表明,该算法具有很好的准确度和稳定性,适合工业现场缺陷检测应用。 相似文献