随机纹理表面缺陷检测方法与应用

针对随机纹理表面缺陷检测问题,提出了一种基于Gabor小波的检测方法。该方法首先利用实值2维 Gabor小波对图像进行多通道滤波;然后通过对滤波图像进行非线性处理和平滑滤波产生通道能量图像（特征图像）;接着在学习阶段估计学习样本（不含缺陷）特征的统计参数,并用于指导检测阶段特征图像的阈值化;最后在不同尺度和方向,对阈值化后的特征图像进行融合,并二值化,以达到减小虚警率的目的。实验结果表明,该方法检测效果好,且要求学习样本少,适用于不同缺陷类型和各种检测问题。     

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.     

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。     

基于深度学习的表面缺陷检测方法综述

近年来, 基于深度学习的表面缺陷检测技术广泛应用在各种工业场景中. 本文对近年来基于深度学习的表面缺陷检测方法进行了梳理, 根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类, 并对各种典型方法进一步细分归类和对比分析, 总结了每种方法的优缺点和应用场景. 本文探讨了表面缺陷检测中三个关键问题, 介绍了工业表面缺陷常用数据集. 最后, 对表面缺陷检测的未来发展趋势进行了展望.     

基于机器视觉的螺纹钢表面缺陷检测方法

螺纹钢是一种广泛应用的建筑材料,在轧制过程中如果不能及时发现其尺寸和表面缺陷,就会生产出大量废品,给企业带来损失.本文设计了一种基于视觉的螺纹钢表面缺陷检测方法.先利用仿射变换对图像中歪斜的螺纹钢进行校正,然后基于霍夫变换检测纵肋边缘直线位置的方法对螺纹钢正面、侧面图像进行区分.最后针对正面、侧面图像分别进行缺陷检测,快速准确地判别表面是否存在缺陷.实验表明所设计的方法具有较好的稳定性和实用性,能有效地解决人工检测过程中效率低、误检率高等问题.     

基于机器视觉的梨表面缺陷检测方法研究

针对梨表面缺陷的机器视觉检测问题,在对已有研究成果的分析和研究的基础上,论文采用形态学相加的方法实现梨图像的背景去除和表面缺陷提取;提出花萼、果梗与表面缺陷的区分方法;借助Matlab软件进行仿真算法的编程,通过作者设计开发的Graphical User Interface(GUI)界面,对三个品种的梨表面进行了缺陷检测仿真实验,成功提取了其中的表面缺陷信息,实验结果表明,作者提出的方法在多种梨的缺陷提取上通用性强、准确性高.     

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。     

基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。     

基于机器视觉的钢卷尺表面缺陷检测系统设计

针对钢卷尺生产过程中表面缺陷检测效率低下的问题,构建一套应用于实际工业环境下的基于机器视觉的钢卷尺表面缺陷在线检测系统。首先,设计一种实验检测平台用于获取钢卷尺表面的图像;然后,通过图像分割的数字图像处理手段准确定位钢卷尺区域轮廓;最后,采用基于灰度值的模板匹配算法、边缘检测算法及颜色聚类方法对预处理后的图像进行匹配和特征计算,实现对目标物体和区域图像的快速定位和特征提取。结果表明：该检测系统的正确率达95.83%,平均检测速度达5.025 秒/根,基本代替了人工检测,为钢卷尺表面检测提供了一种检查正确率和效率较高的新方法。     

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。     

Automated visual inspection of rolled metal surfaces

A prototype for an automated visual on-line metal strip inspection system is described. The system is capable of both detecting and classifying surface defects in copper alloy strips, and it has been installed for evaluation in a production line in a rolling mill. The image acquisition part of the system is based on a CCD line scan camera and condensing bright field illuminators. The inspection algorithms are based on morphological preprocessing and combined statistical and structural defect recognition. The image processing hardware consists of commercial modules. An analysis of this implementation is presented. A similar inspection principle has also been successfully applied to steel strip inspection.     

基于计算机视觉的工业金属表面缺陷检测综述

针对平面及三维结构金属材料的工业表面缺陷检测, 概述了视觉检测技术的基本原理和研究现状, 并总结出视觉自动检测系统的关键技术包括光学成像技术、图像预处理技术与缺陷检测器. 首先介绍了如何根据检测对象的光学特性选择合适的二维、三维光学成像技术; 其次介绍了图像降噪、特征提取、图像分割和拼接等预处理技术的重要作用; 然后根据缺陷检测器的实现原理将其分为模板匹配、图像分类、图像语义分割、目标检测和图像异常检测五类, 并对其中的经典算法进行了归纳分析. 最后, 探讨了工业场景下金属表面缺陷检测技术实施中的关键问题, 并对该技术的发展趋势进行了展望.     

机器视觉在印刷缺陷在线检测中的应用与研究

为了提高印刷缺陷检测准确性与效率,满足缺陷检测的实时性,提出了机器视觉技术应用于印刷缺陷在线检测并研究检测过程中的相关问题.设计印刷缺陷在线检测的方案及以数字信号处理器DSP为核心的视觉在线检测系统的硬件结构组成.研究图像预处理、图像匹配与缺陷检测的算法并加以改进使其满足缺陷检测的实时性.开发印刷品缺陷视觉检测软件,对缺陷检测流程进行仿真,验证检测方案与图像处理算法的可行性.     

竹地板选片工艺的机器视觉化研究及实现

针对竹地板加工中的“选片工艺”,构建了基于机器视觉的竹片缺陷检测与颜色分拣平台,研究了竹片缺陷与颜色检测过程中图像采集、光学成像、光学照明等关键问题,设计了竹片缺陷检测及颜色识别的图像处理算法及软件流程,并探讨了竹片缺陷检测与颜色分拣平台的机械传动、分拣执行装置及电控实现。仿真实验表明,提出的竹片缺陷检测及颜色识别算法能够对采集系统摄取的竹片图像进行准确的检测与识别,能够完成竹片6种常见的缺陷检测以及4种以上的色差识别,对提高选片工艺的生产效率具有重要意义。     

小样本深度学习方法实现LED TV屏缺陷检测

为实现当前工业4.0时代电子类企业智能制造的全过程,引入机器视觉完成产品缺陷检测,用于解决缺陷问题多样性在算法能力的不足。首先对已标注小样本数据集通过深度学习得到初始特征模型,接着针对该特征模型施以迁移学习方法用以实现LED TV的检测,并将已检测样本进一步用于增量学习完成模型参数的修正,最后采用全连接神经网络FCNet (Fully Connected Neural Network)完成分类,探讨了一种运用机器视觉实现LED TV的光学屏检技术;并给出了检测样品作为补充的样本数据集增量学习模型。实践表明,本文提出的方法能进一步提升工业机器人智能制造阶段自动化检测的准确率,最终实现工业生产的柔性和智能化水平,并为机器视觉的应用提供示范。     

一种基于计算机视觉的织物疵点自动检测方法

提出了一种基于计算机视觉的织物疵点的自动检测与识别方法,使用CCD摄像头对织物进行实时拍摄,对所得图片通过图像处理、小波分析,提取特征参数,有效地检测与识别缺经、缺纬、油污、破洞等常见疵点,其具有检测速度快、识别正确率较高等优点。     

微型钻头端刃侧刃缺陷的全景式视觉检测技术

在微钻生产中采用机器视觉方法进行缺陷检测时,其难点在于一次拍摄就获得微钻侧刃的完整的、高分辨率的图像.当采用高倍率光学镜头时,又产生视野与检测范围的矛盾.为解决该矛盾,本文创造性地设计了一套内锥镜面反射成像装置,既可获得微钻端刃的清晰图像,又可获得整个微钻侧刃的清晰图像,使得微钻缺陷的全自动视觉检测成为可能.试验结果表...     

基于计算机图像处理的电路印刷板缺陷检测

针对人工目检等传统PCB检测方法高成本、低效率问题,通过提出一种基于计算机图像处理的PCB板计算机视觉混合检测方法,完成了实现快速稳定可靠的PCB缺陷智能在线检测的目的;建立了系统的软硬件结构,研究出结合图像分模块处理,改进的极小值分割、快速模板匹配、图像对比、形态后处理等措施的混合智能检测算法;实验结果证明,该方法解决了海量数据与实时性处理的矛盾以及噪声干扰等问题,能准确检测PCB常规缺陷,并保证了自动在线检测的实时性、可靠性和低成本.     

基于机器视觉的安瓿自动灯检平台

针对18000瓶/小时1-20mL剂量的安瓿水针剂的在线自动化异物检测需求,运用机器视觉技术,设计并开发了安瓿高速自动灯检平台;对系统的机械部分、电气部分及光学成像系统设计进行了分析,在多次试验中我们确定了转速及急停至拍照的时间间隔重要参数,且提出了一种快速划定安瓿检测区域的算法,并针对运动的弱小异物特征提出了一种有效的识别算法,识别算法采用Visual C++编程并在检测平台上实现,实际运行效果验证了算法的有效性和实用性,其精度和速度都达到了生产线上的要求,该研究验证了机器视觉能有效地运用于安瓿的在线检测.