钢板表面缺陷检测系统的设计与实现

钢板作为钢铁工业的主要产品形式之一,已成为汽车、机械制造、化工、航空、航天和造船等工业不可缺少的原材料,其表面质量的优劣将直接影响最终产品的性能和质量。针对目前国内钢板表面缺陷检测方法比较落后、检测效果较差的情况,提出了钢板表面缺陷检测系统的设计与实现方案,包括硬件和软件的组成和部署;采用了串、并口编程和图像模式匹配等技术,实现了钢板表面的自动拍照、缺陷检测及生产和缺陷信息的保存;依据图片的几何学特征和光学特征等,实现了缺陷检测算法,包括缺陷识别和缺陷分类。在此基础上开发的钢板表面缺陷检测系统已经成功地应用到了现实的钢板生产中。     

融合形状和颜色特征的苹果等级检测

为了提高苹果分级的准确率和稳定性,在图像处理的基础上,基于Fourier描述子和HIS颜色模型分别提取了苹果的形状和颜色两类主要外观特征,并分别用神经网络进行单特征初步分级,将其结果作为证据,通过D-S证据理论进行决策级融合,根据分类阈值得到最终分级结果。实验结果表明,该方法分级正确率达93.75%,与单指标特征分级相比,识别率高,稳定性好。     

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。     

多特征图像融合的苹果分级方法应用研究

研究苹果优化自动分级控制问题,苹果等级由多种特征共同决定,单一苹果特征分类算法不能全面反映苹果品质,导致分级正确率低。为提高提高苹果分级正确率,提出一种基于证据理论的特征融合苹果分级方法。首先提取大小、形状、颜色特征,然后采用RBF神经网络对每一个特征进行初步分级,将单一特征初步分级结果作为证据,最后采用证据理论对初步分级结果进行决策级融合,获得苹果多特征融合分级结果。仿真表明,相对于单一特征分级方法,特征融合分级方法提高苹果自动分级正确率,稳定性更好,是一种有效苹果自动分级方法。     

基于NAM-YOLO网络的苹果缺陷检测算法

针对苹果缺陷检测经常误检漏检、缺陷易混淆等问题,提出一种基于改进YOLOv5的苹果缺陷检测算法。苹果缺陷检测对苹果分拣至关重要,现有检测苹果缺陷的方法主要是通过机器学习或卷积神经网络提取颜色和纹理特征,存在错误检测、漏检和特征提取能力不足等问题,不能满足缺陷检测精度与实时性的需求。NAM-YOLO算法主要有3个核心思想：1）通过将TRANS模块添加到骨干网络,更好地融合特征与全局信息;2）通过加权双向特征金字塔网络融合不同尺度的特征;3）将基于归一化的注意力机制NAM注意机制引入颈部网络,强化目标区域的关键特征,提高网络的检测精度。实验结果表明,改进算法的mAP达到98.90%,准确度为98.73%。与其他模型相比,该模型具有较好的特征融合能力,可较好地满足苹果分拣的实际需要。     

机器视觉罐体缺陷检测系统的设计与实现

随着流水线生产过程中对产品的自动检测要求不断提高,传统的人工检测从效率和准确度方面已不能满足生产需求。另外,缺陷产品流入市场,对消费者的权益和企业的发展有不好的影响。因此,利用机器视觉技术针对罐体的形状缺陷、印刷缺陷等问题,进行图像采集、图像处理和实时检测,实现快速、准确的识别并剔除有罐体缺陷的产品,提高整个生产线的效率。     

基于颜色和重量特征的苹果在线分级系统设计

针对目前水果分级自动化程度较低且分级系统均为离线工作台方式的问题,设计了一种基于多信息融合的苹果采摘机器人在线自动分级系统。在提取苹果重量及颜色两个特征参数后,运用权重分析法对这两个特征参数进行数据融合,以实现双特征综合分级。为提高分级正确率,通过实验优化了权重系数。实验结果表明：所设计的分级系统可实现按重量和颜色双特征进行苹果分级,分级正确率达87%以上。     

水果分级与表面缺陷检测研究

水果分级与表面缺陷检测,是水果自动分级检测系统的基础.提出表征水果类别的"大小-评价测光值"空间模型,与表征水果表面缺陷程度的"数量-程度"空间模型.将水果的特征映射到这两个特征空间,然后进行模式分类.实验结果表明,提出的两个特征空间能有效的表征水果的特征,准确地划分水果的类别与表面缺陷程度.     

钢丝绳在线智能检测系统的设计与实现

钢丝绳的完好程度直接关系到人身和设备安全。针对目前钢丝绳检测中自动化程度低及安全性评估较为薄弱的状况,采用霍尔元件阵列检测钢丝绳表面漏磁场,以数字信号处理器TMS320F2812为控制核心,设计并实现了钢丝绳在线智能检测系统。试验及应用表明:该系统性能稳定可靠,适应较为恶劣的现场检测环境,能够在线自动识别钢丝绳缺陷,并对钢丝绳状况做出定量评估。     

缺陷管理系统的研究与实现

软件测试的主要目的在于发现软件中存在的缺陷(Bug),以保证软件的质量,方便用户使用。通过对缺陷管理系统的研究,开发了缺陷跟踪管理系统,方便管理员、项目经理、测试人员、开发人员交流信息,并及时反馈信息。     

种子法特征图像提取实例及其MATLAB实现

分析了传统特征图像提取方法的不足,结合牙齿X线医疗图像实例,给出了种子法特征图像提取的函数、流程图,实现了牙髓区域特征图像提取的实验种子矩阵及MATLAB程序.     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

片剂表面缺陷检测方法中图像边缘检测算法的比较与实现

本文分析了几种边缘检测算子基本原理及算法实现,对比了各算子的优缺点,通过vc++工具编程实现以上各算子对片剂表面缺陷图像进行边缘提取,并对实验结果分析得出结论,Sobel算子在本项目中更优于其它算子.因此,在不同的边缘检测项目中,应根据实际情况,选择最合适的边缘检测算子对图像进行处理,才能得到最佳的实验效果.     

基于Sobel算子图像边缘检测的MATLAB实现

边缘检测在数字图像处理中有着重要的应用。边缘是图像的最基本特征。该文利用Sobel算子对图像进行水平和垂直的边缘提取,并对图像进行MATLAB仿真比较,仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于颜色与果径特征的苹果树果实检测与分级

苹果是多地的主产水果和主要经济作物之一,通过自然环境下的苹果树图像对苹果检测并分级有助于推进果业现代化。结合深度学习和传统方法,提出融合颜色与果径特征的果实检测与分级算法。为提高果树图像中小目标的检出和光照不匀、果实颜色差异大时检测边框的准确率,基于卷积神经网络提出自然场景下的苹果检测算法,在2组不同尺度的特征图上进行果实检测,提取检测框内图像在CIELAB颜色空间下b*、（1.8b*-L*）颜色分量,将图像二值化并精确提取目标轮廓二次校正检测框。实验结果显示,苹果检测算法的准确率达91.60%,F1-score值达87.62%。据图像内目标大小与实际尺寸的映射方法计算苹果直径,实现果实分级,实验表明分级准确率达90%。     

基于改进PSO算法和LS-SVM的苹果分级检测

为解决苹果分级准确率低和速度慢等缺陷,提出一种基于粒子群优化(PSO)改进算法的最小二乘支持向量机(LS-SVM)苹果分级检测方法,通过对苹果特征的优化选择,从而大规模缩减分类前LS-SVM训练样本数据,提高分类器训练效率。苹果分级实验表明,此方法能从红富士苹果的16个形状特征中提取出5个最优特征,用最优特征分级的正确率达96%以上,效果显著,该方法具有可行性。     

基于机器视觉的芯片检测系统的设计与实现

为提高芯片检测的可靠性、实时性、检测效率,设计一个基于计算机视觉的芯片检测系统。首先,利用YOLOv5训练芯片识别模型,结合工业级相机实时采集芯片图像;其次,将芯片图像数据发送到检测服务器设备,判断芯片实物是否存在刮痕缺陷和引脚缺失的问题;最后,根据检测结果利用机械臂将芯片放置到不同的分区,实现检测与分拣的功能。测试结果表明,该系统的准确率高较高,能够满足工业生产的要求。     

特征轨迹设计方法CAD的MATLAB语言实现

特征轨迹设计方法是多变量控制系统频域设计技术中的一个重要内容，而行之有效的ＣＡＤ实现则是它从理论走向成功应用的重要桥梁，本文探讨了应用ＭＡＴＬＡＢ语言来实现这一设计方法的途径，由于ＭＡＴＬＡＢ具有丰富和稳定的矩阵计算及图形能力，使得特征轨迹设计方法可以相对简易地在微型计算机上实现。     

基于度量的软件缺陷管理系统的设计与实现

提出了将软件度量与缺陷管理相结合的设计思想,设计出了一套基于度量的软件缺陷管理系统。该系统通过缺陷管理分析项目的进展、可靠性及开发人员、测试人员的工作状况,使缺陷管理上升到一个量化的阶段,为项目管理者提供了充足、有效的信息。     

软件缺陷的综合研究

软件缺陷的概念在软件质量范畴中处于举足轻重的地位，软件缺陷度量是软件质量度量范畴内的核心度量。该文区分了错误、缺陷、故障、失效4个软件缺陷相关的概念，采用正交缺陷分类法建立了软件缺陷的分类分级模式，剖析了软件缺陷的生存周期，给出了缺陷密度、缺陷泄漏矩阵、缺陷注入率和缺陷消除率等基本的、实用的软件缺陷度量。