机器视觉在纺织智能化中的应用

机器视觉作为一种新型、高科技、智能化的信息获取手段,在纺织行业得到了广泛的应用,在提高产品质量和效率、降低成本等方面发挥了重要作用。对机器视觉技术在纺织智能化中的应用展开研究,并对其在纺织企业生产过程中的应用趋势进行展望。     

平面口罩结构尺寸参数与密合性的关联机制研究

针对平面口罩密合性不够,口罩尺寸参数与其密合性的关联机制尚不明确的问题,采用单因素变量法,探究口罩结构参数与其密合性的关联。结果表明：口罩的长度、宽度、鼻梁条长度以及耳带条长度均对其密合性产生影响,其中宽度的影响最大,鼻梁条长度的影响较小;常规结构尺寸的防护口罩佩戴在中号头模上时,密合性最好;在佩戴平面口罩的过程中,颗粒物泄漏区域主要集中在鼻梁、脸颊、颧骨和下巴等处。该研究针对性地对平面口罩尺寸参数进行设计优化,可为企业在研发生产口罩时提供参考数据。     

浅谈基于机器识别的服装智能化生产技术

近年来,人们越来越关注服装行业的智能化生产技术的发展。为此,主要对基于机器识别的服装智能化生产技术进行分析,以供参考。     

关于防护口罩的视觉创新设计

首先对防护口罩当下视觉创新情况进行了分析,之后根据市场需求情况,对普通防护口罩进行了三个系列的视觉改良与设计,将当下生活中流行元素与设计进行融合,使得口罩外观造型更加丰富新颖,赋予口罩以新的文化和时尚内涵.     

云边协同的服装缝纫质量智能检测系统设计与应用

缝纫线迹是衡量服装生产质量的重要指标,目前只能依靠人工检测完成。开展云边协同的服装面料缝纫线迹检测管理系统架构设计,研究基于深度学习算法的缝纫线迹质量智能检测技术,为服装生产智能工厂奠定技术基础。     

基于机器视觉+深度学习目标检测的皮革表面缺陷检测系统研究

针对皮革表面缺陷人工检测效率低、准确率低等问题,基于机器视觉和深度学习算法等构建了一种皮革表面缺陷检测系统.对该系统的主要框架及核心功能进行分析,以一般皮革表面光学检测系统为对象进行检测精度与检测效率对比.结果表明,基于机器视觉+深度学习的皮革表面缺陷检测系统检测精度更高,在应用初期的检测效率与一般检测系统较为接近,但随着应用时间的增长,系统检测效率优势也会逐渐显现.     

基于机器视觉的皮蛋斑点检测和最佳生产配方研究

以鲜鸭蛋为原料,采用浸泡法腌制皮蛋。基于机器视觉的方法,通过图像获取系统得到皮蛋表面斑点的整体颜色特征,采用计算机软件对皮蛋表面斑点进行量值化处理得出蛋壳亮度值,以考察金属添加剂种类和含量、NaOH含量、食盐含量等因素对皮蛋表面斑点形成的影响。采用正交试验方法,通过对试验结果的加权评分,得出上述影响因素对综合品质的影响程度顺序为：食盐含量＞NaOH含量＞金属盐含量;腌制时采用配比为NaOH 6g/100mL、食盐2g/100mL、氯化铜0.3g/100mL制作的皮蛋斑点少、颜色浅、感官品质较好。     

基于机器视觉的缺支检测研究

为了实现对包装中的啤酒进行缺支检测,采用机器视觉技术基于霍夫变换检测几何物体,识别物体数量,从而实现缺支检测的目的。经过实际测试和改进,该方法具有稳定可靠、操作简单、易于移值等特点,并且在实践中,结合企业需求,在缺支检测方向上进行了有益的创新尝试,并取得了很好的效果。     

基于机器视觉的套印精度检测方法研究

搭建完善机器视觉的印刷品套印精度检测硬件平台,完成对套印标识图像的采集,将采集的图形样本信息转换为计算机所能接受的处理的数据。通过软件平台界面对应的功能可将采集的图像样本进行处理,包括图形分割、图形增强、滤波降噪、边缘提取,最后经神经网络模型算法完成套印精度检测,进行实验分析。结果表明,神经网络模型算法通用性强,模型适应性好,且回避了人为主观性,提高了检测的精度。     

基于机器视觉的水果外观品质检测研究现状

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。     

基于机器视觉的印品质量在线检测

印品质量检测的意义 在印刷向小批量、多品种、多色、高效方向发展的今天,印刷品越来越精细,人们对印品质量和印刷效率也有更高的要求,带有缺陷的印品是人们所不能接受的。要提高印品质量和印刷效率的有效途径之一就是对印品进行质量检测。因此,印刷厂商对印刷品在印刷过程中实行质量自动监测,是梦寐以求的手段之一。尤其在高速运转的印刷机上,如不及时发现并排除故障,就意味着大量废品、次品损失,特别是在原材料成本不断增加的今天,废品的增多就意味着生产成本的增加,对企业的影响极大。另外,如果印刷过程中出现以上问题,而没有及时进行检查,把一些废品流入社会,将给印刷厂家造成极坏的社会影响。所以印刷品质量检测有着深远的意义。     

基于机器视觉的零部件尺寸检测技术

在工业生产中,基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像,利用基于HALCON软件的数字图像处理技术,采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统,实现了对零部件的精确检测。经过大量的实验结果表明,在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。     

基于机器视觉系统在饮料行业中的应用研究

针对饮料行业中存在的质量检测及如何提高生产效率问题,提出了运用机器视觉系统对其进行分析应用,使得企业能够达到生产要求,并且大大提高了生产效率。      

基于机器视觉的纽扣缺陷检测技术研究

利用机器视觉和深度学习算法对纽扣缺陷进行检测。首先对纽扣图像滤波去噪处理,提取轮廓并获取图像特征;接着对图像阈值分割,对二值图像标记连通域,完成纽扣区域分割及轮廓提取,通过轮廓数目判断是否存在多孔、少孔和外形轮廓缺陷;最后使用YOLOv4算法训练纽扣缺陷类型,实现四眼塑料纽扣缺陷检测。验证结果表明纽扣缺陷检测精度达到了95.5%,单个纽扣平均检测时间为0.89s,满足工程应用需求。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于机器视觉的皮革收缩温度智能化识别研究

在皮革行业中,收缩温度是表征皮革热稳定性、指导加工工艺制定的重要参数。借助机器视觉,能够对皮革在收缩过程中的微小位移量进行更加准确的测量,提升检测精度和效率。对此,本文阐述了目前皮革收缩温度识别的重要性与识别仪器设备的发展现状,对机器视觉技术应用涉及的图像预处理、角点检测、相机标定等算法展开分析,并对基于机器视觉的皮革收缩温度智能化识别系统的硬件与软件进行了设计,最终以皮革收缩温度检测试验,验证了系统的有效性和应用效果。     

基于机器视觉技术大米品质检测

该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。     

基于机器视觉的大米垩白米的检测方法研究

本文提出了一种检测大米垩白米的检测方法。由于光线反射的缘故,摄像机拍摄的正常米粒有部分的光线反射区,该反射区与垩白米的亮度非常近似,用最大类间方差法无法区分开垩白米和正常米粒的光线反射区。本文提出通过分析两种米粒的不同的直方图分布表现来进行区分的方法,并进而分析出大米垩白率,垩白度等信息。本文提出的方法相较于以往的方式,能快速,高效地检测出大米垩白米及相关信息,实验结果表明了该方法的可行性。     

基于机器视觉系统在饮料行业中的应用研究

针对饮料行业中存在的质量检测及如何提高生产效率问题,提出了运用机器视觉系统对其进行分析应用,使得企业能够达到生产要求,并且大大提高了生产效率。     

基于机器视觉的喷丝头自动化检测方法

部分喷丝头的底部为球状面,在使用过程中会因喷丝头微孔堵塞产生超压现象而引起喷丝头底部变形拱凸,造成喷丝头检测过程中CCD采集到的微孔图像不清晰,导致微孔的误检。运用一种基于机器视觉的自动对焦检测方法,在喷丝头检测过程中,对换圈处和微孔直径变化较大处的微孔进行自动对焦,解决了喷丝头检测过程中的误检现象以及“逐孔”对焦检测效率低下的问题,实现了喷丝头的高精度、自动化检测,同时提高了检测效率。