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VisionPro的太阳能电池片定位与缺陷检测系统

太阳能电池片发电具有环保性和高效率性,受到很多国家的青睐。太阳能电池片的焊接目前主要分为人工焊接、单焊和串焊3种方式。该文在电池片串焊机的基础上,基于美国Cognex公司的VisionPro机器视觉开发软件对太阳能电池片定位与缺陷检测系统进行开发。视觉系统基于VisionPro采用C #编程语言,利用VisionPro中的图像工具包来处理图像对电池片进行视觉定位与缺陷检测,并通过与OMRON PLC以及EPSON机器手通信,从而实现太阳能电池片串焊机的全自动化。     

硅电池片自动串焊表面缺陷在线视觉检测研究

针对太阳能硅电池片集成串焊在线表面缺陷检测存在的问题,提出了基于机器视觉的硅电池片串焊质量在线检测方法,包括特征识别与视觉测量两部分。在特征识别阶段,提出了一种改进的区域生长算法,对断栅特征实现高速稳定地检测,对于焊后赃污划痕缺陷,先将感兴趣区域自适应阈值化,再通过不变矩等特征筛选异类缺陷;在视觉测量方面,利用目标图像对称性,通过若干采样矩形对焊带偏移及片间距进行基于像素点的测量。该方法实现了在每个传送节拍获取片间图像,通过边缘定位并将原始图像分割为多个感兴趣区域并完成高速在线检测的目标。研究结果表明:提出的硅电池片焊后视觉检测方法能够在自动串焊生产线的快节拍下精确测量与识别缺陷,并具有较好的鲁棒性。     

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。     

太阳能硅片焊接质量参数在线视觉测量

针对硅电池片高速串焊系统,根据焊接质量参数在线检测的技术指标对视觉测量系统的核心部件进行了选型计算;对视觉测量系统的内部参数进行了标定,完成了畸变校正与像素当量计算;设计了焊后硅片视觉检测流程,研究了图像预处理、图像掩膜ROI提取、改进双阈值Otsu图像分割技术;建立了硅电池片焊带偏移参数测量模型,提出了一种硅电池片焊接质量参数在线视觉测量方法。最后将该在线视觉测量方法应用于某硅电池片高速串焊生产线,其综合检测率和单帧检测时间满足焊接质量在线检测的精度和实时性要求,为提高太阳能电池组件的焊接质量和生产效率打下了良好的技术基础。     

光伏电池片弱边缘缺陷空耦超声特征检测

光伏电池片边缘缺陷检测需要稳定的低噪声识别特征,一旦边缘特征弱化,形成弱边缘状态,检测精度大幅下降。研究光伏电池片弱边缘缺陷中的空耦超声特征检测方法。该方法的边缘缺陷成像部分以空耦超声C扫描为基础,依据空耦超声的传播原理,结合Lamb波,采用空耦超声Lamb波的缺陷成像算法,获取光伏电池片扫描成像图像;并且采用小波分析处理Lamb波产生的信号,降低成像过程中的噪声;基于信号突变点校正检测光伏电池片图像弱边缘缺陷。测试结果显示：该方法的降噪效果良好,降噪后图像质量较高;具备较好的空耦超声成像效果,能够清晰呈现光伏电池板的整体情况;有效确定光伏电池片图像突变点和其附近极大值,获取光伏电池片图像边缘缺陷信号的分布结果,可靠完成光伏电池片的污迹缺陷、划痕缺陷、裂缝缺陷、丝印缺陷四种边缘缺陷检测。     

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。     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

基于机器视觉的光伏电池片位置误差检测系统

机器视觉是保证光伏电池片串焊质量的关键技术之一.目前基于电池片轮廓定位的位置误差检测方法定位精度差,无法满足高速、高精度串焊的要求.搭建一个光伏电池片位置误差检测平台,构建基于机器视觉的光伏电池片位置误差检测系统.针对光伏电池片的表面特征,提出一种基于电池片边缘和主栅线平均定位的位置误差检测方法.采用改进的最小二乘法,对光伏电池片边缘及主栅线点同时进行直线拟合,保证栅线与轮廓之间的矩形特性,精确地计算出电池片的位置误差,满足串焊机对电池片定位检测高精度和高速度的要求.     

基于计算机视觉的晶振帽缺陷自动检测系统

针对工业现场中晶振帽的主要缺陷,通过计算机视觉系统来实现缺陷的自动检测.结合晶振帽的缺陷特点,论述了晶振帽缺陷检测系统的构成、图像处理及检测流程,提出一种基于计算机视觉的晶振帽缺陷检测方法.设计了缺陷检测系统的具体软件结构,并用模块化方法实现软件功能.该软件主要包括主程序模块、图像采集模块、图像处理模块和通信模块.实验证明,该检测系统能够准确地实现晶振帽缺陷的检测,满足自动化生产的需要,可在实际生产中代替人工检测.     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

一种基于机器视觉的快速规则的表面缺陷检测方法

提出了一种基于机器视觉的产品表面缺陷快速检测和定位的方法。该方法引用Pearson(皮尔逊)相关系数的概念,通过待检测样本图像和模板图像皮尔逊相关系数阈值可以很好地确定图像中的产品是否有缺陷,再通过待检测图像和模板图像进行差运算得到差影图像,以实现缺陷的定位。实验结果表明本方法与Du-Ming缺陷检测方法相比具有优越性,并且在壁纸表面缺陷检测中得到了较好的效果。     

滚动轴承装配缺陷视觉检测系统的算法研究

针对轴承在装配过程中出现的漏装铆钉、滚动体的现象,提出了一种基于机器视觉的检测方法,并设计开发出一套滚动轴承装配缺陷视觉检测系统。系统采用TMS320DM642作为主处理器;检测系统的算法采用C语言设计。该系统通过对采集到的图像进行预处理、中心定位,根据图像特征进行装配缺陷的判定。     

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。     

轴承端面缺陷的视觉检测方法

针对轴承端面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于机器视觉检测技术的轴承端面缺陷检测方法,能够通过对轴承端面图像的处理与分析,快速、准确地实现轴承端面缺陷的识别。首先使用CCD数字摄像机作为图像传感器进行图像采集;然后通过二值化处理、边缘检测处理对图像进行快速定位与分割;最后采用8连通域标记法进行缺陷识别。试验表明:该系统运行稳定,运算速度快,抗噪能力强,实时性好,可有效检测出轴承端面缺陷。     

基于稀疏超完备表示的目标检测算法

基于视觉超完备机制的图像稀疏表示是一种新的图像表征方法.针对目标检测问题,提出了一种基于视觉稀疏超完备表示的计算模型,实现了非结构化场景中的目标检测.该方法首先基于能量模型和评分匹配(score matching)方法建立稀疏超完备计算模型,进而设计了基于神经元响应以及动态阈值策略的目标检测算法,最后通过多类型交通图像验证算法有效性.结果表明,该方法与计算机视觉方法比较具有较高的准确率,能够利用少样本实现大交通流量中目标的检测.     

基于机器视觉的FPC缺陷检测系统

针对当前FPC(柔性电路板)缺陷检测中人工目检效率低的问题,基于机器视觉技术设计了一套实时检测系统。首先搭建了硬件系统,然后对FPC的4种表面缺陷特征进行了研究,基于Halcon设计了相应的缺陷检测算法,提出了通过模板匹配提取ROI的方法,以及运用图像自乘与高斯线检测来提取折痕,最后基于MFC开发了缺陷实时检测系统。实验结果显示,设计的系统检测准确率可达90%以上,且每片FPC检测时间只需0.2 s。     

基于机器视觉的齿轮质量在线检测系统

针对当前齿轮缺陷检测过程中存在的问题,提出了一种基于机器视觉的齿轮在线检测系统设计方案,实现了图像采集与显示、图像分析及运行控制等功能。该系统通过单片机控制模块负责上料设备和传送带运行,并利用光电开关触发高速摄像机实时采集齿轮图像;然后,工控机对采集的图像进行处理,得到齿轮的外观质量信息;最后,工控机将测量的NG和OK信号传送到单片机,驱动外部设备实现齿轮分拣和声光报警。实验表明,该方法具有较高的测量精度和测量效率,能够满足实际生产的需要,为齿轮在线测量提供了新的途径。     

基于深度学习的太阳能电池片表面缺陷检测方法分析

随着太阳能、地热能等可再生能源的广泛应用,光伏行业取得了迅猛发展,光伏行业对太阳能组件的要求也越来越高。基于此,本文以太阳能电池片作为研究对象,对其表现缺陷检测方法进行分析,首先对深度学习技术进行了简单的介绍,然后将深度学习技术作为基础,给出了一种全新的太阳能电池片表面缺陷检测方法,利用电致发光缺陷检测仪的检测原理进行检测系统的设计,实现了太阳能电池片表面缺陷准确且高效的检测。     

基于机器视觉的墙地砖表面缺陷检测系统研究

为实现对墙地砖表面缺陷快速精确的自动检测,对基于机器视觉的自动检测技术进行了研究,介绍并开发了一种基于机器视觉的墙地砖表面缺陷自动检测系统。在分析了墙地砖的表面特征、缺陷类型和现有检测算法的基础上,提出了一种基于图像梯度方差和加权信息熵相结合的自适应BHPF滤波检测算法。实验结果表明:该检测算法可快速有效地完成墙地砖表面缺陷的检测,缺陷识别正确率达97.3%。实验验证了理论分析和检测算法的正确性,可用于墙地砖表面缺陷的识别检测。