基于机器视觉的太阳能电池片缺陷检测算法综述

太阳能电池片（Photovoltaic, PV）表面缺陷检测是光伏组件生产中不可或缺的流程。基于机器视觉的自动缺陷检测方法因其高精度、实时性、低成本等优点得到了广泛应用。本文综述了基于机器视觉的太阳能电池片表面缺陷检测方法的研究进展。首先,阐述了太阳能电池片表面成像方式,列举了典型缺陷类型。然后重点分析了基于传统机器视觉算法及基于深度学习算法进行太阳能电池片表面缺陷检测的原理。将传统机器视觉算法分为图像域分析法、变换域分析法进行综述;从无监督学习、有监督学习和弱监督及半监督学习三个方面分别概述了近几年来基于深度学习的太阳能电池片表面缺陷检测的研究现状。对太阳能电池片表面缺陷检测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。随后,介绍了9种太阳能电池片表面缺陷图像数据集及缺陷检测性能评价指标。最后,系统总结了太阳能电池片缺陷检测常见的关键问题及其解决方法,对太阳能电池片表面缺陷检测的未来发展趋势进行了展望。     

基于深度学习的表面缺陷检测技术研究进展

随着计算机视觉技术的快速发展,基于深度学习的表面缺陷检测技术实现了爆发式的应用,并逐步成为了主流发展方向。基于深度学习的缺陷检测技术可以近似为计算机视觉任务中的分类、检测、分割等任务,其主要目的是找出物体表面缺陷的类别和所在位置,相较于传统图像处理方法,深度学习在特征提取能力和环境适应能力上优势明显。以缺陷数据标签类型为依据,对近年来基于深度学习的表面缺陷检测技术进行梳理划分,总结目前技术的优点与不足,重点阐述了监督学习下的三种缺陷检测方法。探讨了表面缺陷检测技术面临的小样本以及不平衡样本等关键问题：对于小样本问题目前有结构优化、数据增广、迁移学习等解决方法;针对不平衡样本问题,介绍了近年来热点的无监督、弱监督与半监督学习模型。随后介绍了常用的工业表面缺陷数据集并展现了近年来提出的算法在NEU数据集上的应用效果。最后对进一步的研究工作提出展望,希望能给缺陷检测研究提供有意义的参考。     

基于语义分割的纸质包装产品表面缺陷检测

针对工业生产中纸质包装产品表面缺陷检测主要依赖人工，效率低下且检测精度无法保证等实际问题，采用一种基于深度学习中语义分割任务的表面缺陷检测方法。以包装纸盒表面缺陷图像数据为例，根据分割任务需求，从结构上改进Unet算法，并基于OpenMMLab开源计算机视觉算法体系中mmsegmentation语义分割工具箱模块，配置DeepLabV3+、Unet、改进Unet三种图像分割算法环境，分别训练迭代相同次数，对比分析分割检测结果以及对验证集图像的预测效果，可以证实改进Unet算法分割性能得到提升，能更好地检测出纸质包装产品表面的深度划痕缺陷；而DeepLabV3+算法性能相对最优，能更好地检测出纸质包装产品表面的破损缺陷，这对于实现纸质包装产品表面缺陷的自动检测具有一定意义。     

基于机器视觉的表面缺陷检测方法研究进展

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中,尤其随着深度学习技术的快速发展,视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先,将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测,并对各种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适用场景;然后,对目前常用的缺陷检测结果评价方法做出了描述,进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题,重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势;最后,从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。     

基于视觉的输电线路金具锈蚀缺陷检测方法研究进展

输电线路金具的表面锈蚀作为常见的缺陷类型,是危害输电线路安全运行的重要隐患之一,如何快速、准确地发现锈蚀 的金具设备并进行修复是线路巡检运维工作亟待解决的问题。 本文综述了近十年来基于视觉的输电线路金具锈蚀缺陷检测方 法的研究进展。 首先简述了基于传统图像处理的金具锈蚀缺陷检测流程;然后按照基于传统图像处理、深度学习方法概述了金 具设备锈蚀缺陷检测,重点阐述了基于深度卷积神经网络的目标检测和语义分割算法在输电线路金具锈蚀缺陷检测中的应用; 随后介绍了基于深度学习的金具锈蚀缺陷检测自建数据集以及性能评价指标;最后指出了基于深度学习的输电线路金具锈蚀 缺陷检测方法目前存在的问题,并对未来研究工作进行了展望。     

基于机器视觉的透明塑料件缺陷检测

在实际的产品生产当中,由于各种不确定因素的影响,容易导致产品表面出现缺陷,严重影响产品的外观和性能,因此,在线缺陷检测成为了生产过程中必不可少的环节。以机器视觉为基础方法,分别使用基于SVM机器学习方法和基于Faster R-CNN深度学习方法对透明塑料件进行缺陷的识别与定位,并对两者的检测效果进行比较和分析。实验结果表明,基于Faster R-CNN的缺陷检测方法的准确率为90%,比基于SVM缺陷检测方法高20%,验证了基于深度学习的缺陷检测方法的优越性。     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于机器视觉的轴承缺陷检测研究进展

机器视觉是一种用机器替代人眼进行测量和检测的技术,这种技术应用于缺陷检测具有效率高、速度快、成本低等优点,许多学者将其应用在不同领域(农业、航空航天等),并取得了较好的成果,目前轴承领域也逐渐采用该检测方法。因此,需对应用于不同轴承缺陷及机器学习、深度学习下的轴承缺陷检测算法进行综述,并对其缺陷检测算法的性能进行分析归纳及对比。首先,探讨分析了轴承缺陷形成的磨损机理,并详细介绍了轴承常见磨损形式(腐蚀磨损、疲劳磨损、黏着磨损、滚道磨损等);然后,分别介绍了基于机器学习和深度学习的检测算法的区别及特点;其次,列举了机器学习的算法及深度学习的算法用于轴承缺陷检测的研究应用与分析,主要包括机器学习的人工神经网络、主成分分析、支持向量机等,及深度学习的单阶段和双阶段目标检测算法的应用;最后,为了促进深度学习算法用于轴承缺陷的诊断,针对具体问题提出了轴承缺陷检测的挑战和未来研究方向并给出了详细的建议,对机器视觉在轴承缺陷检测中的研究现状提出了总结与展望。     

纹理表面缺陷机器视觉检测方法综述

纹理表面缺陷检测在机器视觉领域具有意义和挑战性，其历史可以追溯到20世纪中后期，近年来随着深度学习技术的蓬勃发展，纹理表面缺陷检测技术大幅飞跃。直至今日，关于纹理表面缺陷检测的调研和综述仍然很少。在此背景下，本文回顾2017年-2021年间200余篇纹理表面缺陷机器视觉检测论文，对纹理表面缺陷机器视觉检测研究进展进行了及时、全面的调查；分析了纹理表面缺陷检测的发展历史和最新研究进展，原则上将纹理表面缺陷机器视觉检测方法分为传统方法与深度学习方法，并对二者进行了深层次研究分析，特别是深度学习方法；对近期出现的几种纹理表面缺陷机器视觉检测方法主题进行总结的同时，也对这些主题的研究进展进行了综述。最后，对未来的研究趋势进行了展望，以期为后续研究提供指导和启示。     

基于深度学习的制造业产品缺陷检测技术分析

在生产过程中,缺陷检测环节是产品质量控制的最后保障,具有举足轻重的地位。首先,对产品缺陷进行分类,介绍当前的主流技术和深度学习方法。其次,对比分析超声检测、滤波、深度学习、机器视觉和其他缺陷检测应用技术。最后,阐述基于深度学习的产品缺陷检测技术的具体应用。     

基于视觉的汽车装配件缺陷检测研究进展

汽车装配件的缺陷检测是汽车制造流程中的重要环节,不仅可以提升产品质量,降低退货率,避免成本浪费,还可以为 驾驶人员提供安全保障。 最早的缺陷检测依靠专家经验,准确度低,人力成本大,而无损检测技术依靠介质,且效率不高。 引入 机器视觉不仅可以平衡检测精度和效率的问题,还能提高检测系统的鲁棒性,是最有发展潜力的缺陷检测技术之一。 本文首先 给出了视觉缺陷检测的定义和主要流程,简述了视觉缺陷检测系统中的图像采集硬件,然后从常用的缺陷分割方法、特征提取 方法、卷积神经网络 3 个方面综述了近年来汽车装配件缺陷检测的研究进展,并对比分析了相关方法的优缺点。 接着把汽车的 装配件大致分为轮毂轮胎、车身漆面、零件、发动机等 4 类,总结了缺陷类型及其缺陷检测算法的研究现状。 随后介绍了与汽车 工业相关的 10 个数据集和缺陷检测性能评价指标。 最后指出针对汽车装配件的缺陷检测目前面临着诸多方面的技术挑战,并 对进一步的工作进行了展望。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

钢轨缺陷无损检测与评估技术综述

钢轨缺陷的检测对于保障铁路安全具有重要的意义。在研究钢轨无损检测与评估技术的背景下,对国内外采用的钢轨缺陷检测方法进行了全面的综述,包括物理检测方法和机器视觉检测方法。阐述并分析了钢轨缺陷评估方法在机器视觉方面的应用情况,同时对所采用的钢轨无损检测与评估技术进行对比,论述和总结了包括射线检测在内的物理检测及包括图像处理在内的机器视觉检测两类检测方法的差异性。分析和研讨了现代无损检测与评估技术及其在发展中涉及的相关技术问题,并对钢轨缺陷无损检测与评估技术的未来发展给出设想。     

机器视觉在TFT-LCD暗画面缺陷检测中的应用

针对目前TFT-LCD缺陷检测普遍采用的人工视觉检测方法,介绍了一种基于机器视觉的检测系统。运用阈值迭代算法实现了对TFT-LCD暗画面下缺陷图像的分割和检测,利用MIL图像处理软件实现了对缺陷的自动检测。实验结果表明,该系统能够准确地实现暗画面下可见缺陷的自动检测功能。     

Automated inspection of engineering ceramic grinding surface damage based on image recognition

As the engineering ceramic ground workpieces usually contain machining damage such as breaks and cracks, the traditional test methods cannot accurately reflect the real surface. Therefore, this paper describes an automatic damage detection system of the engineering ceramic machined surface using image processing techniques, pattern recognition, and machine vision. First, it has great influence on the exact identification of surface damage if engineering ceramic machined surfaces contain grinding texture, so Fourier transform is skillfully adopted to remove grinding texture. Second, through image noise reduction, contrast enhancement, and image segmentation, an optimal combination of image preprocessing is obtained. Then, by comprehensive extraction of surface feature parameters, decision tree classifier based on the C4.5 algorithm is built according to shape features and texture features. Finally, the paper achieves automatic extraction and classification of engineering ceramic grinding surface damage, and the recognition accuracy of breakage reaches over 93 %. Experimental results show that this method is effective in defect detection of the engineering ceramic surface, and it also can provide some analytical basis for the post-function hierarchy partition of engineering ceramic workpieces.     

中小型金属工件在线检测系统的设计

随着机器视觉技术的快速发展,利用图像处理技术对工件进行在线实时检测的方法近年来得到广泛的应用和发展。为了解决工件离线人工检测效率低、精度差的问题,设计了包括上料模块、图像采集处理模块、零件传送模块、筛选模块和控制模块的基于机器视觉的工件在线检测剔除系统。系统运用PLC可编程逻辑控制器作为工业控制器,机器视觉和图像处理作为检测方法,提高了工件检测的产品品质、生产效率和自动化程度,该机器视觉检测系统可以通过改变程序的方法,运用和推广到其他表面品质检测的行业中。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

智能卡单卡冲切测量系统

冲切检测是智能卡生产过程中的重要环节,基于机器视觉的智能检测技术是实现快速、自动检测与控制的重要手段.论文介绍了基于OpencV的机器视觉的测量系统的图像处理关键技术,包括滤波、畸变矫正、分割图像.     

基于视觉的采摘机器人目标识别与定位方法研究综述

目标识别和定位的精度直接关系到采摘机器人采摘效率、质量和速度。本文对近年来采摘机器人的目标识别和三维定位的研究工作进行了系统性的总结和分析,综述了果蔬识别和定位的几种主要方法:目标识别:数字图像处理技术、基于机器学习的图像分割与分类器和基于深度学习的算法;三维定位:基于单目彩色相机、基于立体视觉匹配、基于深度相机、基于激光测距仪和基于光基3D相机飞行时间的三维定位。分析了影响果蔬识别和定位精度的主要因素:光照变化、复杂的自然环境、遮挡以及动态环境干扰下成像不精确。最后对采摘机器人目标识别与定位的未来发展作了几点展望。