球粉板表面缺陷在线检测

为快速准确检测球粉板表面缺陷,对球粉板表面光学特性不一致性和缺陷类型的多样性等关键问题进行了分析,以利于有效地解决关键问题;论文提出采用基于模板图片创建矫正模板来解决被测板材表面光学特性变动的均化问题、自适应萃取二值化阈值解决二值化阈值整定问题,以提高软件的执行鲁棒性;通过自定义算法实现了细线型缺陷修补,有效地提高了划痕类缺陷检测的精度和可靠性;提出了筛查模型实现了符合缺陷检测精度要求的噪点筛除;通过大量现场实验验证了本系统能够正确高效实现球粉板表面缺陷检测定位标识和面积测量功能,以及达到了目标检测精度;本系统能很好地胜任球粉板在线表面缺陷检测;实验证明检测系统非常高效精准,极大地提高了生产线自动化能力。     

冷轧带钢表面缺陷在线检测软件体系结构设计

为解决带钢表面缺陷在线检测系统的信息支持和后续处理的问题,遵循软件工程的设计思想,提出了一套完整的冷轧带钢表面缺陷在线检测系统的软件体系结构设计方案,建立了系统的层次结构模型、功能结构模型及其后台数据库,通过可视化程序设计和关系数据库实现了检测软件的系统功能.该系统不仅能够识别分类各种缺陷,而且可通过数据库保存各类数据信息,便于对各类信息数据进行查询和管理,并解决了系统算法更新的问题.该体系结构的设计为在线检测缺陷分类识别的进一步研究奠定了基础,具有一定的实用价值.     

油管腐蚀缺陷的在线检测技术

油管服役条件恶劣,为减少油管失效事故,实施现场探伤,研制了油管井口无损检测仪。采用漏磁法对腐蚀缺陷进行无损检测,利用计算机增强并行口设计A／D转换器,便于现场使用。缺陷定量分析软件能够自动完成缺陷信号的识别、特征提取和定量评价。大量的实验室和工业现场实验结果表明,检测仪的腐蚀坑及孔洞分辨率为φ0.8mm通孔,且腐蚀缺陷的定性检出率为100％,缺陷严重程度的分类正确率大于90％。     

钢板表面缺陷在线视觉检测系统研究

本文设计了一套智能无损检测系统以实现对钢板表面缺陷的在线检测.检测系统由新型LED光源,明暗域结合成像光学系统、高速高分辨率线阵CCD器件、FPGA嵌入式处理系统和缺陷自动分类子系统等组成.系统对钢板表面的气泡、夹杂、结疤、划伤和压痕等主要缺陷进行无损检测,并基于Bayes决策理论,实现缺陷的自动分类功能.本系统在实验室检测指标为:宽度最大为1 800 mm,运行速度不大于1.5 m/s,振动幅度小于1 mm,横纵向检测分辨率为0.8 mm×0.8 mm,尺寸检测误差不大于1 mm.     

马赛克外形缺陷在线检测系统的设计

本文阐述了运用面阵ＣＣＤ在线检测建筑材料马赛克外形缺陷的检测系统。该系统采用面阵ＣＣＤ摄象，经Ｂｉ８１２数字化器进行视频信号采集，动用ＡＤＳＰ完成实时图象处理与识别，最后由控４８６微机输出测量结果。     

马赛克外形缺陷在线检测系统的设计

本文阐述了运用面阵ＣＣＤ在线检测建筑材料马赛克外形缺陷的检测系统，该系统采用面阵ＣＣＤ摄像，Ｂｔ８１２数字仪进行视频信号采集，运用ＡＤＳＰ２１０２０完成实时图像处理与识别，最后由工控４８６微机输出测量结果。     

印刷品缺陷在线检测系统中的关键技术研究

首先介绍了基于机器视觉的印刷品在线检测系统的结构和工作原理,接着分析了实际系统中标准模板的建立等关键问题,提出了用邻域比较法来解决由于软性印刷品材料的拉伸变形给系统带来的误检问题,最后用MMX技术对程序进行优化加速.实际的工程应用中表明这些方法是有效的,满足系统设计的要求.     

基于机器视觉的液晶基板表面缺陷检测系统

介绍一种基于机器视觉的液晶玻璃基板质量在线检测系统。利用分布式视觉处理技术、采用模块化的图像处理系统设计,能够实现缺陷的精确提取与对缺陷的智能分类和分级,满足LCD液晶玻璃基板质量在线检测的需要。     

基于C语言的在线编程代码缺陷检测系统研究

C语言程序代码设计中可能会出现词法缺陷、逻辑缺陷、语法缺陷,在传统模式下主要由程序开发人员根据电子集成驱动器(Integrated Drive Electronics,IDE)编程工具、GNU编译器套件(GNU Compiler Collection,GCC)编译结果检查代码中的错误。研究设计了一种可自动检测代码缺陷的综合管理系统,其核心组成部分为知识库和代码缺陷分析器。利用GCC、开源的代码检测软件、正则表达式匹配错误模式,出具评价报告,并向编程者推荐具有针对性的学习内容,以纠正其错误的编程知识和编程习惯。     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.     

基于语义分割的钢轨表面缺陷实时检测系统

钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统.根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图像转化为基于语义分割的像素级预测掩码,并通过紧凑型卷积神经网络(CNN)将分割结果进行分类,从而实现钢轨表面缺陷的识别与分类;构建了智能化的人机交互系统,并将系统通过仿真实验的方式进行测试.实验结果表明,系统的检测准确率达到90％以上,每幅图像的平均处理时间为245.61 ms,可以在一定程度上代替人工检测,实现对钢轨缺陷的数字化管理.     

基于数字图像处理的玻璃缺陷在线检测系统

研究了一种基于数字图像处理的玻璃缺陷在线检测系统,实现了对玻璃缺陷的实时检测、识别和分类,在缺陷提取上运用的是一种改进的归一化互相关算法,该算法可以显著提高图像的匹配速率和缺陷检测效率,在检测效率上比传统的算法提高了25.7%;在缺陷的识别分类上研究采用的是一种改进的支持向量机算法,该算法在检测精度和效率上都有较大的提高,在缺陷种类的识别上,其准确率可达到95%。     

轴尖表面缺陷检测及尺寸测量系统研究

针对陀螺轴尖加工生产中对表面缺陷进行在线检测和关键几何尺寸进行高精度在线测量问题,设计并实现了基于显微机器视觉技术和快速图像处理技术的在线非接触检测测量系统,检测时,待检轴尖安装在精密位移台上,采用专用光源系统照明,通过显微成像系统成像;图像经采集,预处理、分割、特征提取,参数测量、结果统计等处理步骤,得到轴尖表面缺陷数量及几何尺寸.实测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决轴尖表面缺陷检测及尺寸在线测量问题.     

基于机器视觉的机械零件表面缺陷在线检测方法研究

利用传统机器视觉来检测零部件的表面缺陷已经无法满足零部件标准化检测,尤其是零部件光滑表面形成的强烈反射效应,造成零部件的部分表面亮度饱和,检测的图像信息缺失,精度严重下降.针对检测精度下降的问题,提出一种基于差影模型重构的方法,引入缺陷区域边界近似系数和细节系数来提升整个零部件缺陷检测精度.为了验证所设计的表面缺陷检测...     

机器视觉在钢球表面缺陷检测中的应用

提出一种基于机器视觉钢球表面缺陷识别方法, 利用计算机图像技术采集钢球表面图像信号, 采用图像比对法对图像信号进行缺陷识别分析.实践表明使用本文方法能够实现钢球表面缺陷的自动检测,具有可靠、高效的特点.     

表面缺陷检测综述

基于机器视觉的表面缺陷检测技术已经广泛地应用在视觉检测各个领域中,它是确保自动化生产中产品质量的一个非常重要的环节。然而表面缺陷检测技术仍然面临着缺陷和非缺陷区域之间的低对比度,噪音和细微缺陷的相似性,检测速度慢和识别精度低等难题。为此,给出了近年来表面缺陷检测技术的最新进展。将表面检测技术分为3类：统计法、频谱法和模型法。对几种典型的表面缺陷检测技术进行了深入比较,包括特征提取、识别算法和算法性能,并分析了方法有效性的原因。最后,总结了表面缺陷检测技术面临的挑战和未来的发展趋势。     

带钢表面缺陷在线检测系统的设计与实现

带钢表面质量的优劣将直接影响到最终产品的性能和质量。本文研究了一种基于图像处理和模式识别的带钢表面缺陷检测系统,它采用了特殊的软件设计结构和模块化设计的理念,实验表明该软件对钢板表面进行在线式缺陷实时检出,具有较高精度,而且系统对缺陷数据管理并提供报表及打印功能。     

基于机器视觉的发动机表面缺陷检测技术

发动机表面的缺陷检测是保证其使用安全性的重要手段。本文应用机器视觉技术实现发动机内表面缺陷的自动检测,用内窥镜采集发动机装药内表面的图像,结合图像特点,通过多次实验对比,选择中值滤波方法对图像进行滤波、Canny算子检测图像边缘,应用像素灰度的相似性和不连续性将缺陷从图像背景中分割出来,在此基础上,选取面积和周长特征作为缺陷判断依据,并将以上功能进行整合,设计缺陷自动检测系统。实验结果表明该方法在发动机内表面缺陷检测方面有较好的效果。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

表面缺陷检测的机器视觉技术研究进展

物体表面缺陷检测技术是工业质检领域的一项重大课题,对工业生产有着重要的意义。针对近些年基于机器视觉的表面缺陷检测技术进行梳理总结。首先,列举了几种缺陷检测在工业领域的应用场景;其次从特征提取和分类算法的角度简要阐述了传统的机器视觉方法;重点探讨了缺陷检测中常用的经典神经网络结构和缺陷检测算法的最新发展,并介绍了两种常用的缺陷检测算法优化方式;最后,分析了缺陷检测领域面临的三大挑战：实时性问题、小样本问题和小目标问题,目的是为工业表面缺陷检测的研究提供有益的参考和脉络梳理。