基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

基于机器视觉的齿轮端面缺陷检测方法

为了更好的识别齿轮端面在加工过程中所出现的表面缺陷,本文提出了一种基于机器视觉的齿轮端面缺陷检测方法,该方法将会通过对齿轮端面图像的预处理及识别过程,对端面上缺陷的存在性及缺陷类型进行快速且准确的识别。同时,为了实现检测方法所需的图像多分类任务,本文对一般的支持向量机分类算法进行了改进,同时,利用多线程编程方法加速了对缺陷图像的分类过程。最后,本文还通过控制单元实现了对不同类型缺陷的识别反馈。经图像分类测试,本文所述的缺陷检测方法对本文所涉及的工件表面缺陷图像的识别准确率可达100%。     

基于图像处理技术的铸坯表面缺陷自动检测系统的研究

针对目前国内铸坯表面缺陷检测方法落后、检测效率低的情况,应用图像处理技术,设计了铸坯表面缺陷自动检测系统方案.研究了适合高温高辐射条件下的图像采集方案和算法,采用基于BP神经网络的模式识别方法对铸坯表面缺陷图像进行识别与分类,能够有效地提高铸坯质量管理.     

基于机器视觉的钢球表面缺陷检测和分类

在分析钢球表面光学反射特性的基础上,构建了采用球积分光源与0.5×远心镜头组成的钢球表面缺陷图像检测平台,解决了钢球表面成像难度较高的问题.根据钢球表面图像的特征,利用分段线性灰度增强算法和边界跟踪实现了对钢球表面微小缺陷的分割和区域分类,并结合基于灰度共生矩阵的综合熵作为判定钢球表面是否存在缺陷的依据.最后利用矩形相似度与圆形相似度之比、角度等特征实现了缺陷分类器模型的建立,很好地解决了钢球表面缺陷的分类与识别.试验结果表明,该模型对钢球表面5类缺陷的识别率均可达到90％以上,并能很好进行分类,模型在1 600×1 200图像分辨率下,算法耗时小于80 ms,可以满足工业检测对算法实时性的要求.     

基于磁光成像的低碳钢WAAM成形件表面缺陷检测与分类

针对电弧增材制造(WAAM)成形件表面及亚表面微小缺陷难以检测和识别的问题,结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法,实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化,并使用磁光成像仪获取成形件表面磁光图像作为试验样本,然后对磁光图像进行预处理,用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征,最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明,WAAM成形件表面缺陷检出率为97.33%,表面质量分类准确率可达91.33%,验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。     

基于Matlab的铸造件表面缺陷图像预处理

针对铸造件的表面缺陷检测问题,采用机器视觉检测技术,通过CCD摄像头获取铸件的表面缺陷图像,Matlab读取该图像并通过图像处理函数对其进行图像预处理。本文对图像预处理的步骤包括图像去噪、阙值处理以及边缘检测,经过Matalb仿真分析得出,图像去噪采用均值滤波平滑,阙值的值为80,边缘检测采用canny算子。通过对铸件缺陷图像的预处理我们发现,Matlab图像处理能取得较好的效果,为后续的图像特征提取、缺陷识别打下坚实的基础,同时也为其他零件的表面缺陷图像处理带来实际的借鉴价值。     

基于PSO改进BP神经网络算法的金属表面缺陷分类

为了实现金属工件表面缺陷在线检测,利用CCD传感器和图像处理技术,对金属工件表面孔洞、划伤和壳状凸起等缺陷进行特征提取与分类。采用自适应阈值分割法对预处理图像进行缺陷特征分割,运用BP神经网络建立对样本的缺陷特征向量和缺陷分类结果的网络预测模型,为了提高网络模型的精确度,采用PSO算法改进BP神经网络的权值和阈值,通过实验样本验证和对比BP和PSO-BP模型的准确率和平均误差,试验结果表明基于PSO-BP算法的金属表面缺陷分类准确率达到85%以上,获得了更优的分类效果。     

基于机器视觉的轴承套圈检测系统

设计了一套轴承套圈缺陷检测系统,以替代效率低、成本高的人工检测。首先,由线阵相机采集轴承套圈内外表面图像,经过图像扭曲矫正后进行分段处理,结合区域提取方法检测套圈的边缘缺陷;其次,通过对比原图与均值图的差异,快速凸显出表面是否存在缺陷;然后,采用面阵相机采集轴承套圈上下端面图像。通过对图像进行滤波及二值化、相机和镜头的标定、形态学去除内壁和大小径边缘提取等步骤,达到尺寸检测、分类的目的。     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。     

冷轧带钢表面缺陷检测系统设计

针对现有带钢表面质量检测技术的缺陷检测精度与识别率不高的问题,以及冷轧带钢生产线的实际运行环境,设计了一套带钢表面缺陷实时检测系统,从系统整体设计、硬件结构、软件开发和检测分类算法等方面进行了深入的分析与研究。采用模块化软件设计理念、基于谱残差视觉显著性缺陷快速检测方法以及多分类器融合框架,实现了对带钢表面常见的孔洞、擦伤、氧化、边裂等不同类型和不同等级的缺陷进行精确、实时的检测与分类。实验结果表明:该算法缺陷检测率为94.68%,缺陷识别率达到了93.5%,单幅图像缺陷检测耗时仅为37.6 ms,符合当下高速运动带钢快速检测的需求。     

基于BP神经网络的钢球表面缺陷识别

采用灰度共生矩阵为基础的纹理特征计算方法,对钢球表面图像进行特征参数提取,应用基于BP神经网络的图像特征模式识别方法,实现了对钢球表面不同种类缺陷的准确识别,实验结果表明,该方法能够对钢球表面缺陷进行有效地分类识别。     

基于视觉的铁路货车滚动轴承表面缺陷分类研究

用CCD代替人眼对轴承表面缺陷进行图像采集,采用卷积滤波与开、闭运算相结合的图像处理方法,有效去除了缺陷周围边缘点的干扰。在提取传统特征基础上增加了压缩度、线度、距离极值比、NMI特征和不变矩等特征量,增强了缺陷分类的依据;对BP神经网络的输入矩阵和归一化方法的改进,提高了神经网络的记忆能力及识别速度;通过试验对缺陷分类系统识别结果进行检测,确定了该系统的可靠性。     

基于图像配准的晶圆表面缺陷检测

设计了一种基于图像配准技术的晶圆表面缺陷自动检测系统,满足目前对晶圆生产中良率的需求。通过SURF (Speeded Up Robust Features)图像配准算法实现待测晶圆图像和标准晶圆图像的空间位置上的匹配。同时对晶圆表面常见的缺陷类型进行分析和研究,采用缺陷轮廓特征提取的方法进行缺陷分类,并对缺陷类型进行相应的标记,实现晶圆表面缺陷的自动检测和识别。     

基于机器视觉的铁芯表面缺陷检测系统研究

E型铁芯是某公司自动化生产线上的重要零件之一,加工过程中主要存在表面切割不平整,表面裂纹和几何形状扭曲3种缺陷。为此,文中提出了基于机器视觉的表面缺陷在线检测方法。由于检测目标质地为黑色,本系统采用白色材料做背景增加对比度;利用CCD摄像机和环形LED光源组成采集系统的前端,通过千兆网口将图像传输至计算机;然后采用边缘检测结合阈值分割提取感兴趣区域,最后主要利用灰度分析结合Douglas-Peucker算法完成特征提取和缺陷分类。实验结果表明,该系统能快速对铁芯表面缺陷进行识别与检测,缺陷识别率达到98.25%,达到预期检测目标。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量，该文引进了机器视觉技术，以某机械生产制造单位为例，设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求，搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置，采集零件表面图像；对采集的原始图像进行均值滤波处理，去除图像中可能对缺陷区域的判别造成干扰的因素与噪声；采用阈值分割的方式，提取并划分机械加工零件表面的微缺陷区域；采用提取图像边缘算子的方法，计算零件表面原始图像与待检测图像之间的像素相关性，通过对零件表面微缺陷灰度性质点的匹配，完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷，还可以检测到具体的缺陷类别。     

基于LVQ的带钢表面缺陷分类研究

简要介绍了带钢表面缺陷二级检测的方法.研究了基于缺陷图像直方图、纹理、投影和形状的特征提取.提出了用LvQ神经网络进行缺陷分类的方法.分类测试表明该方法有较好的分类识别性能.     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。