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。     

基于机器视觉和深度学习的渗透检测图像智能评判方法研究

传统的渗透检测技术基于检测人员对渗透检测图像进行目视判别,其检测结果容易受到检测员主观因素的影响,且效率低下。本文介绍一种基于机器视觉的渗透检测图像评判方法,通过机器视觉技术实现缺陷抓取。检测结果表明,在缺陷较少的情况下,该方法有着较好的鲁棒性,具有一定的应用价值。本文还探讨了基于深度学习的渗透图像智能评判方法,实验结果表明,该方法相较于传统的机器视觉检测方法,检测准确率有了一定的提升。     

基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

热轧重轨表面缺陷在线检测识别的关键技术研究

目前热轧重轨表面缺陷检测速度慢、精度低。为此,提出了一种基于机器视觉的热轧重轨表面缺陷在线检测系统。分析了过暗过曝区域交叠融合法与图像像素线互相关校验法两种方法提取特征缺陷等关键技术,并对模糊脉冲神经网络的表面缺陷分类效果进行了研究。实际应用证明,采用上述机器视觉的检测关键技术对热轧重轨表面进行缺陷检测识别,较大提高了检测速度和精度,且检测正确率在90%以上。     

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 DP 方法的印刷品图像检测技术研究

目的研究印刷品图像质量在线检测及反馈。方法利用机器视觉检测技术、数字图像处理技术,并基于DP方法对标准样张和有缺陷样张进行分割和匹配,根据图像不同的分辨率和所需检测精度来设计图像不同的分割方式,从而进行颜色信息的检测和分析,利用二级识别缺陷分类技术将缺陷进行分类,显示相应的缺陷类型,从而提高印品总体质量。结果与传统的印品质量检测相比,实现了对印刷质量检测的高速度和高精度的要求。结论基于DP方法结合缺陷特征,能够快速、准确地检测出印刷品缺陷。     

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。     

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。     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

基于机器视觉的钢材表面缺陷识别方法分析

分析了钢材表面缺陷的形成原因及其现有检测技术,针对钢材表面缺陷搭建机器视觉检测系统,介绍了钢材缺陷检测流程及相关元器件的选择和安装,以实现快速采集钢材表面图像要求。对采集的图像进行灰度化、图像增强、边缘检测、特征提取、缺陷识别等操作,实现了对钢材表面缺陷的快速提取。     

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。     

基于机器视觉的大输液智能灯检机研究

本文面向医用大输液溶液的在线自动化检测,运用机器视觉技术、自动控制原理,开发了一台智能灯检机。为了从复杂的视觉图像中提取出微小的检测目标,该灯检机运用机械方法使检测目标与背景间产生运动差异,再利用精密的光学成像系统获取目标运动序列图像,最后应用智能图像处理算法完成对产品的检测。本文给出了灯检机的系统结构,并详细介绍了目标检测的关键算法,给出了实验结果。该研究证明机器视觉技术可以有效的运用于大输液产品的在线检测。     

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。     

玻璃瓶口定位与缺陷检测系统设计

目的为实现玻璃瓶缺陷在线检测,基于机器视觉设计一种瓶口定位和缺陷检测方法。方法介绍系统结构,包括相机、控制系统和剔除机构。详细论述图像处理算法,即:图像预处理、图像分割、瓶口定位、缺陷检测等。中值滤波完成玻璃瓶图像降噪处理,迭代阈值实现图像分割。基于像素坐标平均法完成瓶口定位。对于瓶口断口和破损等缺陷,分别采用径向积分投影和双圆周扫描实现瓶口缺陷检测。最后进行实验研究。结果实验结果表明,所述算法的性能指标均为98%左右,实现了准确、快速、无接触检测。结论该系统操作简单,能够满足实际使用的需求。     

钢化玻璃绝缘子缺陷检测方法及装置研究

介绍了一种新型的钢化玻璃绝缘子玻璃件缺陷检测方法及检测装置。在机器视觉技术的基础上,分析了绝缘子玻璃件缺陷及散射光带出现的统计学规律,采用旋转控制平台和环形大面积LED光源,利用Canny算子边缘检测图像分割技术,并运用人工神经网络分类器,克服了钢化玻璃绝缘子玻璃件形状的复杂性以及缺陷的多样性造成缺陷检测的困难。测试实验结果表明,该装置及其检测方法能够满足工业企业自动化生产的需要。     

基于Sobel算法的塑料袋边缘位置标定

目的 对现有塑料袋装容器的外边缘轮廓进行精确定位,保证透明包装容器的外边缘轮廓在日常生产中可应用.方法 机器视觉塑料袋装容器检测系统依据图像信息收集、识别算法、sobel算法、位置标定、SVM结果对比等部分,确定透明包装边缘标定核心算法要点,在传统频域变换的基础上,进行sobel算法改进算法分析,有效提高对塑料袋装容器的外边缘轮廓识别率,明确该类包装的检测要点.以实际的液体透明医用包装袋为例,论证该类包装外边缘的特征提取方法,并且强化该包装边缘的视觉特征,最后进行SVM结果对照实验.结果 对照结果表明,该视觉方式可以实现对机器视觉的塑料袋装容器标定,精准率可以达到94％,对于机械手10％的边缘标定精确度是可以适用的.结论 基于该sobel算法以及优化措施,确定了机器视觉塑料袋装容器标定方式,满足了塑料袋装容器生产的有效定位要求.     

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。     

机器视觉检测图像拼接融合技术研究进展

机器视觉检测任务通常需通过图像拼接获取高质量、宽视野的被检对象,图像拼接融合是实现机器视觉图像拼接的关键步骤,该文系统评述常见机器视觉检测图像拼接融合技术,包括基于平滑过渡的机器视觉图像拼接融合技术、基于缝合主线的机器视觉图像拼接融合技术以及基于深度学习的机器视觉图像拼接融合技术等,阐述各技术方法的主要数学模型、工作机理以及性能特点,以及总结当前图像拼接融合技术先进方法与图像拼接配准技术值得关注的方向。     

带钢表面缺陷视觉检测系统关键技术研究

为满足钢板表面缺陷在线检测系统宽幅面、高速、高分辨率的检测要求，讨论了基于线阵CCD的钢板表面缺陷视觉检测系统实现的关键技术；优化设计了视觉检测系统的光学照明部分，以检测不同类型的缺陷。通过软件系统的特殊设计，以保证实时在线检测。针对缺陷图像低对比度、高噪声的特点，提出了基于灰度统计特性的图像边缘检测方法，并实现了对缺陷图像的自适应阈值分割。依据图像的缺陷统计特性，定义了缺陷的灰度、几何等特征量，用于缺陷分类。本系统样机已在实验室环境下运行。