印刷品外观缺陷机器视觉的检测与识别

介绍了印刷品缺陷机器视觉检测系统的构成,探讨了应用图像差分、数学形态学的原理进行缺陷检测与识别的基本方法.     

基于计算机视觉的印刷包装品缺陷检测系统

介绍了印刷包装品外观缺陷的计算机视觉系统的构成,探讨了应用图像差分原理及图像坐标与空间坐标的变换关系,实现缺陷检测的基本方法.     

基于机器视觉的药用铝箔印刷品质检测系统

为适应制药行业对药用铝箔印刷品质的严格要求,在分析了印刷过程中对微小针孔、正面文字缺陷以及反面细小异物的检测需求后,开发了一套基于机器视觉的药用铝箔印刷品质检测系统。系统选配了线阵CCD相机、条形LED光源等硬件,搭建了高实时性、高清晰度的图像采集环境;采用基于Win Sock网络通信的系统架构作为检测软件,将多台工控机的处理结果通过网络通信传输给中控系统。经测试表明:此检测系统在现场能够稳定、高效运行,提高了药用铝箔印刷品质检测的自动化程度。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

基于机器视觉的罐盖缺陷检测

根据金属材质罐盖制造中生产线上的工作环境和检测要求,针对目前生产线上人工检测的速度慢、效率低、准确率不高等缺点,提出了一种基于计算机视觉的罐盖缺陷检测算法,可快速准确地实现生产线上的金属罐盖的缺陷检测.具体做法是综合一系列图像处理算法,对罐盖罐口、注胶区域、内圆区域等三个主要区域进行检测.结果表明,缺陷检测的速度可达到每秒10个,从而为罐盖的缺陷生产线在线检测提供了很好的支持.     

基于图像处理的IC探针表面缺陷检测算法研究

提出一套针对微小探针表面缺陷的检测算法流程,实验结果表明该算法可以有效地提取探针表面缺陷特征,并进行识别和分类.     

基于机器视觉的磁环端面缺陷检测

应用图像处理技术开发了磁环端面缺陷在线检测系统。提出了磁环端面图像的轮廓定位优化算法,求解了圆环内外径尺寸及圆心坐标,计算得到了掩模图;给出了提取磁环端面有效分析区域的掩模实现方法;测量了特征尺寸,完成了缺陷的识别;实现了磁环按尺寸规格的分类。实验结果表明,该系统及算法能较准确地识别缺陷,其检出率为97.43%,误检率为2.19%。     

卡电度表的设计IC

采用单片机AT89C51控制的电路,利用中断计数的方法克服各种外界干扰,实现只要购买IC卡就能计费供电,用LED显示用电量,方便使用。     

IC卡电度表的设计

采用单片机AT89C51控制的电路,利用中断计数的方法克服各种外界干扰,实现只要购买IC卡就能计费供电,用LED显示用电量,方便使用。     

基于图像处理的印刷缺陷在线检测系统研究

介绍了基于图像处理的印刷缺陷在线检测系统的结构和工作原理,探讨了系统中的几个关键技术,对如何满足系统对实时性的要求,提出了一些新思路.实际的检测过程表明这些方法是行之有效的,基本满足了系统设计的要求.     

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。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于机器视觉的啤酒金属盖表面缺陷检测方法

目的 为了提高啤酒金属盖表面缺陷检测的精度和准确率,提出一种基于机器视觉的金属盖表面缺陷检测方法。方法 以不同类型的啤酒金属盖表面缺陷为研究对象,利用滤波抑噪和高反差保留算法对图像进行处理,运用YOLO–v5网络完成瓶盖的缺陷检测。通过添加注意力机制SE模块、改进模型损失函数和预测框筛选方式等技术手段对原YOLO–v5模型作出优化,抑制图像中的不重要特征,提升小目标检测的准确率和模型的特征提取能力。结果 改进后的YOLO–v5模型与常用的检测模型的对比结果表明,改进YOLO–v5模型在测试集上的mPA指标为93.10%,检测速度达到了294张/min,优势较为明显。结论 针对不同类型的金属盖表面缺陷,基于机器视觉的检测模型均有较高的检测精度和识别准确率,小目标缺陷的漏检率和误检率情况较少,满足生产线实时、高精度的检测要求。     

基于机器视觉的注射液针头胶帽缺陷检测

目的 封装检测是保证流水线上产品质量的关键。针对预罐装注射液,提出一种基于机器视觉的注射液针头胶帽缺陷的实用检测算法。方法 算法首先采用以灰度分布概率作为度量标准的直方图双峰法,对图像进行阈值分割;随后依据以特征角点为中心延伸出的4个象限区域进行特征分析,定位胶帽下边沿左、右角点,以计算胶帽高度;将对称轴点集进行分段直线拟合,得到对称轴所有可能的斜率和截距,基于边缘信息计算最优对称轴和胶帽倾斜角。结果 采用多组图像检验算法缺陷检测,实验结果显示检测成功率达到97.86%。结论 该算法能够对针头胶帽的多种缺陷进行检测,对不合格产品进行分类。     

基于机器视觉的彩色套印检测技术研究

针对彩报印刷中的套印检测问题,结合机器视觉技术对套印检测技术进行了研究。通过分析套印检测原理,设计了基于机器视觉的套印检测的整体框架,并结合其中所涉及的VFW视频捕获、摄像机标定等关键技术,利用VC程序实现了套印检测的模拟过程。从而为智能套印实验系统的研究奠定了一定的基础。     

基于机器视觉的内层包装缺陷检测光源的优化

目的 针对食品内层包装纸的缺陷特征,对机器视觉识别系统的照明光源进行优化,以提高内层包装缺陷的识别率,减少缺陷包装量。方法 基于计算机视觉识别技术,通过斑点检测不同光源下内层包装纸的常见缺陷特征,分别采用Matlab的三维绘图、相关性分析的方法,依次确定照明光源类型、形状和角度,并进行应用验证。结果 红外光源为纸铝复合内层包装纸缺陷特征识别的最适光源类型;条形光源与内层包装纸呈极显著相关,缺陷识别率达96.95%;60°的高角度照明位置与内层包装纸呈显著相关,缺陷识别率达96.96%。红外条形光源高角度照明,缺陷识别率达99%。结论 将红外条形光源高角度照明应用于纸铝复合内层包装纸的在线检测,与LED环形光源相比,其缺陷特征视觉识别率提高了0.51个百分点。     

基于机器视觉的金属丝网缺陷识别方法

目的 提升金属丝网的检测效率与检测精度。方法 提出一种应用于金属丝网表面缺陷识别的EfficientNetV2改进网络,首先更改了网络的骨干结构,在特征提取模块前后分别引入通道拆分与通道转换等操作,以增大网络容量,提高特征利用率;其次重新设计网络的分类器,通过对提取的高级语义信息进行逐层分步压缩,以减小特征损失,提高分类精度;最后搭建图像采集系统,构造金属丝网缺陷数据集。结果 实验结果表明,文中改进的网络模型在数据集上的准确率、精确度和特异度分别达到99.43%、99.42%和99.88%,图像识别耗时为27.5ms,增强了缺陷识别效果。结论 该方法具有较高的准确率,在金属丝网缺陷检测上具有较好的实用性,也可为其他类似产品的缺陷检测提供参考。     

基于计算机视觉的运动车辆检测

针对视频图像中车辆检测问题,提出了一种基于计算机视觉的运动车辆检测方法。首先,选取最佳方差参数并利用双边滤波对图像进行预处理;再利用Surendra背景更新算法实时更新背景图像,采用粒子群(PSO)极大熵法求得背景差分图像的阈值;然后,将得到的二值图像进行形态学处理并检测出运动车辆。实验结果表明,该算法不仅适用于简单背景、车速较慢的环境中,而且在复杂背景、噪声较大、车速较快的情况下,该方法均能够克服外界环境的不利影响,准确地检测出运动车辆,提高检测的准确率。     

基于机器视觉的编织袋表面缺陷检测系统设计与实现

目的 针对编织袋生产中表面缺陷检测效率和精度低等问题,应用机器视觉技术于编织袋表面缺陷检测,进而提高编织袋的生产效率。方法 基于机器视觉设计编织袋表面缺陷检测系统:首先为了降低背景灰度变化对缺陷检测的影响,研究一种同时具有噪声滤除与图像增强功能的预处理算法;其次选取二维最大熵值法对预处理后的编织袋图进行分割,并采用改进遗传算法对它进行优化以增强算法的收敛速度和效果;然后利用特征提取结合形态学处理的方法实现了编织袋表面缺陷的识别与分类;最后应用连通域进行分析,对分类出的缺陷进行统计与定位以获取缺陷的尺寸以及位置信息。结果 采集了200个编织袋缺陷样本,采用文中编织袋表面缺陷检测系统对编织袋样本进行缺陷识别,平均识别准确率为94.0%,处理一幅编织袋图像的时间约为600 ms。结论 该系统具有较高的识别效率和正确率,可实现编织袋表面缺陷的快速检测,满足工业生产的需求。