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.     

ABS齿圈环形表面缺陷检测方法

针对传统人工方式检测汽车用ABS齿圈环形表面缺陷时存在检测效率低、易错检漏检的问题,提出一种基于图像处理的ABS齿圈环形表面缺陷检测方法。根据生产实际设计并组装ABS齿圈环形表面缺陷在线视觉检测系统,利用旋转电缸结合齿圈托台带动齿圈旋转,由线阵CCD扫描并得到齿圈环形表面图像,在经过基于OpenCV编写的图像处理算法处理后根据缺陷所在区域判断缺陷类型,进而判断齿圈合格性。通过实验将系统检测与人工检测结果进行对比,结果表明,每个齿圈平均检测时间≤4 s,缺陷分类正确率≥92%。     

工业金属板带材表面缺陷自动视觉检测研究进展

基于计算机视觉的金属板带材表面缺陷检测是冶金工业领域的研究热点,金属板带材制造行业对其表面质量的高标准要求自动化视觉检测系统及其算法性能不断提升。通过回顾关于钢板钢带、铝板铝带和铜板铜带等典型金属板带材产品的110余篇文献,对基于二维和三维机器视觉的表面检测技术进行了系统综述。根据算法性质和图像特征,将现有二维缺陷检测技术分为基于统计、谱、模型和机器学习的4类方法,根据三维数据获取方式,将三维缺陷检测技术分为立体视觉测量、激光扫描仪测量法和结构光测量方法。对经典算法和新近方法进行了介绍、分析和比较。最后,对缺陷视觉检测仍存在的挑战和未来研究趋势进行了讨论与展望。     

基于3D点云数据的产品缺陷检测研究

传统2D视觉检测技术存在效率低下、检测精确度较低等不足，3D视觉技术因能显著提高缺陷检测的效率和可靠性得到了高度关注和广泛研究。对已有文献进行了广泛调研分析，介绍了3D点云数据的基本概念、获取方式及其预处理方法，重点归纳了传统点云数据缺陷检测方法和点云数据深度学习缺陷检测方法，并探讨了当前研究中存在的问题与挑战。     

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。     

基于支持向量机的铝板表面缺陷检测分类

论述了基于机器视觉的铝板表面缺陷检测方法,提取7种铝板表面缺陷的多种特征值作为训练数据进行学习。介绍了支持向量机的原理和核函数的选择,在VC环境中构建支持向量机分类模型,用该模型对铝板表面缺陷进行分类标识,最后对支持向量机分类器的分类准确性、稳健性作出评价。     

一种基于Sobel算子的带钢表面缺陷图像边缘检测算法

基于机器视觉的带钢表面缺陷检测是带钢轧制过程中重要的质量检测方法,为了提高带钢表面缺陷检测的效率和准确率,提出了一种新的带钢表面缺陷图像边缘检测算法.该算法首先用双边滤波去除图像噪声,达到保边去噪的目的 ,然后用改进的四方向Sobel算子检测缺陷图像边缘,并用自适应动态阈值选取最佳阈值进行二值化处理,最后将二值化图像进...     

基于STM32微控制器的表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有深度学习视觉检测大多基于云端服务器,存在模型大、算力需求高、成本高等不足。以STM32微控制器为核心,提出了一种基于轻量化网络的表面缺陷视觉检测方法,采用轻量级SSD作为缺陷检测模型,利用MobileNetV1替换原有的骨干网络VGG-16以减小网络规模;采用INT8量化的训练后量化方法对模型进行计算加速,生成的TFlite模型仅有578 KB,运行占用RAM仅为288.29 KB,并在STM32微控制器中实现了模型的移植和部署。实验测试结果表明,该方法能实现锂电池表面划痕和凹坑两种缺陷的边缘侧准确检测。     

基于YOLOv5的砂纸表面缺陷检测方法研究

针对目前工业生产过程中存在砂纸表面缺陷人工质量检测精度低和检测效率低问题，提出一种基于YOLOv5网络模型融合CA注意力机制的砂纸表面缺陷自动检测方法。首先对砂纸生产过程中的砂纸表面图像进行采样，将收集到的砂纸表面缺陷图像分成脱砂、堆砂、划痕和褶皱4种缺陷类型来制作砂纸表面缺陷数据集；其次将YOLOv5主干网络中的C3模块与CA注意力机制结合，改进为CAC3模块；最后将改进前后的网络模型在自建砂纸表面缺陷数据集上进行训练和验证。实验结果表明：得到改进后的YOLOv5+CAC3网络模型，其P、R、mAP@0.5、mAP@0.5：0.95和S的数值分别为96.2%，92.9%，95.8%，65.0%，16.8 ms，相比于改进前的YOLOv5网络模型分别提高了1.1%、2.2%、0.6%、1.7%、4.5 ms。该方法在砂纸表面缺陷检测中精度高、速度快、检测稳定，符合砂纸生产过程中砂纸表面缺陷检测的要求。     

基于线激光扫描的零件三维表面检测系统研究

零件表面缺陷是造成零件生产损失的主要原因之一,现如今的表面缺陷检测大多集中于平面的表面缺陷检测,为了能更好地表达物体的三维表面信息以及针对其三维信息进行缺陷检测,提出了一种基于线激光扫描的零件三维表面检测系统.首先对相机进行标定,可用于对相机采集到的图像进行矫正,同时得到相机的内外参数,用于后续图像处理的坐标转换.然后...     

软包装锂离子电池的表面凸点缺陷检测

软包装锂离子电池铝塑膜外包装凹凸不平且存在反光现象,表面图像的凸点缺陷辨识度低,传统方法很难进行准确识别。分析软包装锂离子电池凸点缺陷图像特征及视觉检测系统,在频域上对图像采用高斯滤波器进行预处理,以达到去除噪声和对缺陷区域图像增强的效果。用逆傅里叶变换将图像从频域转回空间域,最后将处理后的图像导入基于语义分割方法的深度学习模型,进行凸点缺陷检测。对400组缺陷样本进行测试,结果表明：所提方法对软包装锂离子电池缺陷检测的准确率达到95.75%;而未经频域图像增强方法处理的检验准确率仅为44.00%。检测结果准确率得到提高,说明该方法能对软包装锂离子电池表面图像的低辨识度凸点缺陷进行检测,具有一定的实用价值。     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

基于机器视觉的大幅面管板焊缝检测方法与系统设计

当前核电低压加热器等能源装备中大幅面管板焊缝的缺陷检测依靠人工，存在低效费力、评判一致性不佳、可能漏检和难以追溯等不足。本文提出一种基于2D视觉与3D视觉相融合的深度学习缺陷检测方法，对管板焊缝进行缺陷检测，经试验测试该方法能有效提高检测准确率，具有良好效果。最后面向车间生产的实际需求，设计了一套可在工厂应用的智能缺陷检测系统方案。     

基于自适应小波变换的陶瓷瓦鼓包检测方法

瓷砖表面缺陷检测是瓷砖生产过程中不可缺少的环节，针对具有复杂立体纹理干扰的陶瓷瓦表面鼓包缺陷，为了满足自动化检测的需要，本文提出一种基于自适应小波变换的陶瓷瓦表面鼓包检测算法。首先，提取出陶瓷瓦的红色通道图像，并进行高斯滤波的预处理，抑制噪声；其次，采用自适应小波变换、线性中值滤波的方法增强鼓包与背景区域对比度；最后，利用二值化和形态学的方法，得到鼓包区域的信息。实验结果表明，该算法可以检测具有复杂立体纹理干扰的陶瓷瓦表面的鼓包缺陷，检测准确率达到了98.5%，召回率达到了95.0%。     

基于激光超声峰值重建算法的盆式绝缘子缺陷检测研究

基于激光超声技术研究了一种表面波的峰值重建算法，搭建二维激光激励扫描式激光超声检测盆式绝缘子的实验平台，对人工制作的气泡、杂质、裂纹缺陷进行检测研究，并对实际现场应用中带有裂纹故障的盆式绝缘子进行离线检测。结果表明：基于激光超声峰值重建算法重建的峰值图像能够较好地反映扫描区间盆式绝缘子的缺陷信息，证实了该方法可以实现对盆式绝缘子表面裂纹缺陷的离线检测。     

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。     

基于改进KNN边缘滤波算法的陶瓷绝缘子表面检测研究

高压线上陶瓷绝缘子全表面检测是保证其质量的重要一环,由于其表面复杂,目前主流是人工检测,漏检、错检无法避免。用带有机器视觉的自动化装置来检测陶瓷绝缘子是近年来的趋势,本文针对绝缘子的气泡、裂纹等主要缺陷进行识别,提出最优滤波器方法加大气泡缺陷对比度,对气泡ROI进行定位和提取,通过改进KNN边缘滤波来预处理图片,对裂纹进行定位识别,最后通过特征进行筛选。该方法能够快速、准确地识别陶瓷表面缺陷特征,识别效率在200 ms以内,识别率达到了98.2%,满足高压线陶瓷行业的精度需求。     

基于改进局部阈值分割的绝缘毯表面微缺陷的无损智能评估方法北大核心CSCD

软质绝缘遮蔽用具的表面缺陷对其绝缘性能和使用寿命有重要影响,为解决人工检测漏检、误检率高的问题,文中提出基于机器视觉的绝缘毯表面微缺陷智能无损检测方法。针对不同环境下图像特点,选取改进Sauvola算法对图像进行局部阈值分割,结合形态学操作提取特征,实现表面微缺陷的识别;通过搭建沿面放电试验平台获取不同微缺陷对其沿面放电的影响,采用皮尔逊相关性系数分析了微缺陷的单个最大缺陷面积比和全部缺陷面积比与绝缘毯表面放电电压之间的相关性。结果表明:文中方法识别准确率95.3%,单次检测时间0.53 s,提升了检测准确性与效率;单个缺陷面积的大小与闪络电压呈负相关且为极强相关,单个缺陷越大沿面闪络电压下降越多,沿面闪络电压平均下降5%~22%,验证了识别结果的有效性,可为绝缘毯的现场外观检测提供依据。     

在役电站锅炉大中口径管道定检中的磁粉检测

阐述对在役电站锅炉大中口径管焊缝、母材表面应进行定期检验。通过分析决定采用非荧光湿法连续法、交流电磁轭进行磁粉检测。指出带有活动关节的交流电磁轭机,操作方便,改变磁轭方位即可发现任何方向的缺陷,而且可检角焊缝。由于交流电的集肤效应,对表面缺陷有较高灵敏度,为弥补非荧光磁悬液引起的灵敏度损失,提出采用反差增强剂增强视觉反差,可提高缺陷检测效率。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。