基于机器视觉和深度学习的智能制造缺陷检测技术与应用

在工业智能制造行业中,质量缺陷检测工作面临一定的困难。在传统的物体表面缺陷检测中,人工目测不但过于主观,而且效率低下。基于机器视觉和深度学习的智能检测技术借助光学成像及图像处理等功能,能够准确计算待测物体的坐标信息,然后对物体实施自动定位并引导,同时完成自动装配。该检测技术具备非接触、无损伤、准确性高、连续工作时间长和高效率等优势,是目前智能制造检测较理想的方式。     

基于机器视觉的电解电容器外观检测系统设计

为了解决电容器生产过程中外观由人工检测带来的劳动强度大、出错率高、效率低下等问题,设计一款基于机器视觉技术结合PLC控制技术的自动外观检测系统。根据电容器外观会出现包装缺陷、字符标识缺陷,设计了以支撑箱体、视觉检测系统、动作执行部分构成的系统平台。视觉检测系统运用合理图像处理算法,结合计算机系统来实现高效图像识别判断。动作执行部分根据视觉检测系统数据信息在PLC控制器作用下实现动作。根据试验结果表明:设计的外观自动检测系统操作简单、稳定可靠,对电容器外观检测的准确率达到100%,大大提高了检测效率,可用于电容器外观检测。     

涤纶长丝丝锭质量信息关联规则分析

结合卡方检验、信息熵和Gini系数方法对涤纶长丝丝锭质量数据进行关联规则挖掘,得出对涤纶长丝丝锭各种降等原因关联程度最高的因素,帮助工作人员及时了解涤纶长丝生产状况,有效地反馈生产。     

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。     

使用Halcon进行复杂纹理卡片外观检验的一种方法

外观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Halcon的机器视觉的复杂纹理卡片外观检验的一种方法,包括滤波、模式匹配。     

基于机器视觉石英晶片外观的缺陷检测方法

针对石英晶片的外观缺陷检测技术的不足,提出一种基于机器视觉开发软件对石英晶片外观缺陷检测方法,对石英晶片生产过程中出现的外观缺陷进行了分析,提出了缺陷检测的流程,建立了基于几何特征的模板定位算法和基于Blob算法的缺陷分析算法,实现了对图像的获取、边缘检测、定位、识别和斑点分析,在C#环境下对其图像处理技术利用机器视觉软件进行了开发,搭建了石英晶片的外观缺陷检测实验平台,通过摄像机实现了石英晶片的外观图像的捕获,利用视觉软件获得石英晶片的外观质量,最后对此系统进行了测试。实验表明:该石英晶片外观缺陷检测方法具有检测速度快、精确度达到99.7%、匹配误差小于0.3等优点,可满足现场使用的要求。     

“成像时代”下的汽车零部件外观在线检测技术应用

《“十四五”智能制造发展规划》的发布,为我国制造业高质量发展绘就蓝图,智能制造是核心方向,而机器视觉技术的运用是智能制造的重要组成部分。本文首先简单阐述了产品检查与测量和在线/离线测量;再次,叙说了机器视觉和外观检测的关系;最后,列举了视觉系统外观检测技术在触媒外观检测和油封外观中的应用。     

基于AutoMod的涤纶长丝自动包装系统仿真及优化

随着近年来计算机科学的蓬勃发展,系统仿真技术也有着日新月异的变化,仿真软件种类层出不穷,功能也变得日益强大。利用AutoMod仿真平台对涤纶长丝自动包装系统进行仿真模型建立与优化设计,通过仿真建模及仿真数据的分析对比,从中找出影响自动包装系统运行效率的短板所在。并对涤纶长丝自动包装系统现存的核心瓶颈问题如装箱区机械工艺布局、空盘上线流程、套袋机合理分流比等进行仿真优化设计,以达到提高涤纶长丝自动包装系统物流输送效率的研究目的。     

中航电测AOI自动光学识别设备实现应变计检测的革命性变革

正中航电测作为国内最大的电阻应变计生产商和全球应变计供应的重要生产基地,产能问题一直制约着公司高端产品市场的快速扩张,产品外观缺陷识别成为该产品核心工艺制造流程的瓶颈。中航电测智能装备事业部依托"西北工大-中航电测机器视觉与智能识别联合实验室"的研发成果,实现了基于AOI模式的电阻应变计外观缺陷智能识别与分选,研制成功的AOI自动光学识别     

拉铆钉在线检测系统的自动供料机构设计与仿真

机器视觉在线检测技术作为先进的产品质量监测手段,受到了生产企业越来越多的重视。以拉铆钉为检测对象,设计了一套在线检测系统的自动供料机构。对关键部件进行了分析计算,并通过ADAMS虚拟样机技术对输送过程进行了仿真分析。分析表明,该机构能够完成拉铆钉的自动定向送料、分离与精确定位,通过视觉检测,实现拉铆钉的多参数在线检测与自动分选。改进了传统检测方式的诸多缺陷,具有良好的理论指导和工程应用价值。     

仪征化纤涤纶长丝自动化包装仓储系统控制技术

0概述仪征化纤涤纶五厂长丝自动化包装仓储系统包括两条自动长丝包装线，一台全自动机器人码垛机，一座全自动高架立体仓库（长135m，宽14.3m，高28m，有6240个货格和3台巷道式堆垛机）和两套全自动托盘输送线。设计能力为5万t／年吞吐量（大约170万箱）。系统数据信息层采用服     

一种基于机器视觉的浮法玻璃质量在线检测系统

人眼对浮法玻璃上畸变小的缺陷并不敏感，漏检的缺陷会给玻璃深加工带来极大的困难。快速、可靠和准确的机器视觉检测技术是解决玻璃生产中质量控制问题的重要的技术手段。本文介绍了一种基于机器视觉的浮法玻璃质量在线检测系统。该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，能实现对缺陷的智能分类和分级，能根据缺陷数据对玻璃进行分级打标，满足了浮法玻璃生产中缺陷在线检测的需要。     

基于深度学习的高精度外观缺陷检测研究

外观缺陷检测因其多样性和不可预测,给机器视觉检测带来极大挑战,本文的研究主要通过引入深度学习模块,解决了外观缺陷检测中的模糊识别和误判率高问题。     

机器视觉技术在分拣系统中的应用研究综述

随着机器视觉技术的发展,机器人分拣系统在多个行业得到广泛应用,为视觉识别技术的应用和智能制造技术的发展创造了有利的条件。通过综述基于机器视觉技术分拣系统的组成和关键技术以及在不同领域产品的应用现状,分析比较了国内外在各个领域的研究进展和存在问题,并对未来发展趋势作出了展望,为机器视觉技术在人工智能产业的应用提供参考。     

基于智能传感器技术的卷烟包装质量在线检测系统设计

在卷烟包装工艺中,受到烟支来料、卷烟包装材料、设备零部件磨损或胶垢等因素影响,不可避免地会出现烟支类、烟包类产品质量缺陷,传统卷烟包装机中的缺陷检测系统采用如光电开关等简单的检测元件,存在检测精度低、故障率高、维护困难等缺点,不能保证好烟包产品质量。基于对智能传感器技术的研究和应用,设计一种卷烟包装质量在线检测系统,该系统包含烟支质量检测系统、盒内质量检测系统和小盒外观检测系统三个子系统。其中,烟支质量检测系统采用激光测距传感器对烟支空头、缺支、断支等烟支缺陷进行检测,盒内质量检测系统和小盒外观检测系统采用机器视觉检测技术,对烟包内的内衬纸、内框纸以及烟包外观存在的缺陷进行检测。各子系统将检测到的缺陷信息传送给包装机的PLC控制器,PLC发出控制指令给包装机原有的烟包剔除机构,从而剔除缺陷烟包。卷烟包装质量在线检测系统安装应用后,能有效识别烟支、内框纸、内衬纸和烟包外表面存在的缺陷,缺陷识别剔除率达99%以上,检测精度较高,提升了烟包产品的质量水平。     

扬声器纸盆缺陷的机器视觉检测方法研究

针对目前扬声器纸盆外观缺陷检测主要依靠人工,其工作效率低、易出现误检的现象,提出一种基于机器视觉的检测技术。通过对检测系统的组成和软件算法的设计进行研究,从两个不同的角度对目标缺陷区域进行特征提取,并由此提出两种不同的缺陷识别方法。实验结果表明,机器视觉检测技术能够较好地适用于扬声器纸盆外观缺陷检测,同时,采用基于BP神经网络的识别方式,其正确识别率可达94.8%,符合工业检测要求,具有较高的推广应用价值。     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。     

电源方针智能视觉检测与筛选系统研究

为了解决一种电源方针外观缺陷人工检测效率低、一致性差的问题，设计一种基于机器视觉和深度学习相结合的智能视觉检测系统。首先，采用KNN实现颜色分类；其次，利用sobel算子实现轮廓差异检测；最后，利用Googlenet网络进行划痕、麻点等缺陷分类。通过实际筛选试验，将本文提出的方法与标准Googlenet模型检测结果进行对比，本文提出的方法对于不可接受缺陷检出率高达100%，提升了3%，有效地实现了电源方针智能检测与筛选，具有良好的推广价值。     

条烟包装外观质量在线检测系统的总体方案设计

本文讨论了基于机器视觉技术的条烟包装外观质量在线检测系统总体设计方案的具体内容.针对条烟包装线际情况首先讨论了本系统要解决的主要问题,接着提出了条包检测位置、检测面、光源先择、打光方式.条烟输送通道的空间走向的设计方案,最后对整个系统的组成进行了说明.     

机器视觉技术在工业机器人中的应用研究

智能制造是我国迈向制造强国的重要途径，加快我国工业发展步伐，有利于我国工业高质量发展。机器视觉是一种通过使用光学设备和无接触式传感器来实现对目标图像信息自动接收与处理，从而获取所需要的信息或实现对机器人移动控制。另外，机器视觉通过模拟人类眼睛来进行测量和判断信息，以高精度、高效率和可持续工作能力，在结构化场景量化方面有着突出的作用。随着工业结构的调整与转型，机器视觉技术已被广泛地应用于汽车、印刷、包装、农业、医药、纺织等各个行业。所以，如何推进机器视觉技术的发展，对于智能产业有重要的意义。