玻璃瓶口定位与缺陷检测系统设计

目的为实现玻璃瓶缺陷在线检测,基于机器视觉设计一种瓶口定位和缺陷检测方法。方法介绍系统结构,包括相机、控制系统和剔除机构。详细论述图像处理算法,即:图像预处理、图像分割、瓶口定位、缺陷检测等。中值滤波完成玻璃瓶图像降噪处理,迭代阈值实现图像分割。基于像素坐标平均法完成瓶口定位。对于瓶口断口和破损等缺陷,分别采用径向积分投影和双圆周扫描实现瓶口缺陷检测。最后进行实验研究。结果实验结果表明,所述算法的性能指标均为98%左右,实现了准确、快速、无接触检测。结论该系统操作简单,能够满足实际使用的需求。     

基于亚像素定位的贴装元件精确取像技术

自动光学检测系统中采集到的贴装元件图像存在平移和旋转误差.针对该问题,提出了基于亚像素定位技术的贴装元件精确取像方法,该方法结合Canny边缘分割、基于空间矩的亚像素细分、最小二乘法拟合等技术,对基准点进行亚像素定位,并以此为基础进行贴装元件的精确取像,消除电路板的定位误差和制造误差,从而保证了自动光学检测系统的检测准确度.实验结果表明:本文算法对元件图像提取精确且稳定,满足高精度视觉检测要求.     

基于比例特征的区域分割算法在药板缺陷检测中的研究

目的 为解决铝塑泡罩药板图像ROI区域定位慢、精度差等问题,本文提出一种基于比例特征的泡罩区域分割算法,该算法可以快速定位并分割泡罩ROI区域,结合图像相关性特征算法对铝塑泡罩药板进行缺陷检测。方法 首先通过工业相机采集药品包装生产线上的药板原始图像,接着使用Blob分析从原始图片中分离出铝塑泡罩主体部分,然后通过仿射变换将图像放置在中心区域,并使用比例特征分割算法对泡罩区域进行分割,最后通过金字塔加速的NCC算法完成缺陷检测。结果 实验结果表明,基于比例特征分割后的图像平均NCC匹配时间为9 ms,在缺陷样本占比20%的实验中误检率为0.167%,漏检率为0.556%。结论 通过比例特征分割出精准的泡罩ROI区域结合改进的NCC算法,在拥有较高准确率的同时大幅减少了缺陷检测时图像匹配的时间,能较好地完成铝塑泡罩药板的缺陷检测任务。     

包装箱型号标记缺陷检测系统设计与实现

目的 为了实现空调包装箱上型号标记缺陷的实时动态检测,基于图像处理技术设计包装箱型号标记缺陷检测系统.方法 基于AM5728控制器设计控制系统硬件平台,主要包括控制单元、图像采集与处理单元、成像单元等,并进行实际测试研究.采用几个关键方法,包括图像增强处理、形态学、缺陷检测、动态阈值分割算法等,并根据包装箱型号标记图像特征选择配准区域,同时给出一种动态阈值分割算法,利用各种算法实现缺陷检测.结果 采集了250个包装箱条码样本,采用文中方法获取到了监测数据,正确率高达97.2％,漏检率为0.结论 该方法具有较高的可靠性、通用性,可实现包装箱型号标记的缺陷快速检测,解决了空调包装箱上的型号标记实时动态缺陷检测的实际工程问题.     

纸塑复合袋表面缺陷图像分割算法的设计与实现

目的 纸塑复合袋表面缺陷图像受到噪声、光照不均以及自身缺陷等因素的影响,在对图像缺陷区域进行分割时会造成过分割或欠分割.针对此现象提出一种将边缘检测和自适应区域生长法相结合的纸塑复合袋表面缺陷图像的分割算法.方法 首先利用Sobel算子和形态学运算对双边滤波后的缺陷图像进行第1次分割;然后对缺陷区域进行最小外接矩形标记并计算其形状特征,通过判定形状特征大小来决定是否继续分割;最后将符合继续分割的图像缺陷区域质心作为初始种子点,在原始图像上进行自适应区域生长,形成第2次分割结果,完成缺陷图像分割.结果 与其他算法相比,该算法对各类常见缺陷均能取得较好的分割效果,Dice系数均在0.93以上.结论 该算法分割精度较高,有较强的鲁棒性,可以满足工业上的生产需求.     

玻璃绝缘子动态差分缺陷检测方法研究

介绍了一种新的玻璃绝缘子缺陷动态检测方法.采用旋转控制平台和倒坝型LED光源,利用动态差分算法抑制复杂环带背景,通过气泡缺陷的差分空洞效应,解决了图像中气泡与黑色环带粘连无法分割的问题,并运用基于支持向量机的分类器进行缺陷检测分类,克服了玻璃绝缘子形状的复杂性以及缺陷的多样性造成的难以自动化检测的困难.测试实验结果表明,该检测方法的检测精度为2mm且检测速度为每分钟10个,能够有效地实现玻璃绝缘子缺陷的检测与识别,满足工业企业自动化生产的需要.     

玻璃表面缺陷检测系统研究

目的针对玻璃表面存在的划痕、漏点、结石和水印等4种主要缺陷,研究一种基于背光照射的玻璃表面缺陷检测方法,提出一种改进K均值聚类算法用于水印缺陷的检测。方法首先,通过设计的图像采集系统对玻璃图像进行采集,并对采集图像背景估计;然后根据水印缺陷与其他3种缺陷的灰度差异,将含缺陷的玻璃分成2类,完成缺陷粗分类;接着利用边缘检测算法对含划痕、漏点和结石缺陷的玻璃图像进行处理,利用结合了Otsu阈值分割方法和补偿系数f的改进K均值聚类算法对含有水印缺陷的玻璃图像进行处理,最终实现对玻璃表面4种缺陷的识别与标记。结果实验表明,该系统操作方便,算法复杂度低,缺陷识别准确度高,检测速度快。结论通过上述玻璃表面缺陷检测系统,可准确高效地检测出玻璃表面存在的4种主要缺陷。改进的K均值聚类可以准确实现对水印缺陷的检测,且该方法可以克服聚类迭代次数高,聚类结果容易陷入局部最小等缺点。极大地提高了缺陷检测的效率,可用于玻璃生产过程中的实时检测。     

Faster_RCNN用于工业火花塞图像焊缝缺陷检测

工业火花塞图像数据量大,焊缝宽度小且肉眼不易分辨.传统火花塞焊缝图像缺陷检测依赖人工手动完成,任务繁琐,个人经验占比大,检测标准不一,导致图像检测结果有误差.针对上述情况,对工业X射线火花塞焊缝图像进行了深入研究,提出了一种基于快速区域卷积神经网络(Faster_RCNN)的目标检测方法对焊缝图像精确定位并提取.由于火花塞焊缝是直线,利用图论方法对焊缝进行直线检测,之后提取出焊缝,校正倾斜焊缝直线并计算出其高度,最后加入焊缝判断系统,筛选出不合格的火花塞图像.实验结果表明,工业X射线焊缝缺陷检测准确率高于93%,误判漏判率低,有效缩短检测时间,提高工业检测效率,对实际工业火花塞智能检测有重要意义.     

基于嵌入式系统和图像识别的拉索表面缺陷检测技术

以关系桥梁安全健康的拉索表面缺陷检测作为研究内容,针对国内对拉索表面保护材料层的两种检测方法的不足,设计了以嵌入式DSP为核心的扫描采集和缺陷检测系统,包括图像采集机构,DSP硬件平台、爬行运动机构以及损伤定位机构;提出了基于图像的快速识别拉索表面缺陷的检测识别方法,包括图像截取、滤波降噪.图像分割、缺陷识别,并加以算法实现.实验结果表明,该方法不仅实现了拉索表面缺陷的实时检测,同时系统指标达到:最小识别面积为1cm2,图像实时处理速度为10cm/3s.     

基于改进大津法与人工鱼群优化的图像分割算法

为了在泡罩药品包装视觉检测过程中获取更好的图像分割效果,以保证特征提取、缺陷识别等后续任务的顺利进行,对传统二维大津法进行改进,引入类内方差并将其与人工鱼群算法相结合,提出一种新型泡罩药品包装图像分割算法,再对该算法进行理论和仿真分析。研究结果表明：该算法具有较好的图像分割效果,提高了二维阈值查找速度和泡罩药品缺陷检测效率。该算法具有运行速度快、分割效果好、准确可靠等特点,可应用于泡罩药品包装缺陷检测和图像分割领域。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。     

融合双特征的玻璃缺陷图像分割算法

目的 针对玻璃的材料透明性以及条带噪声等固有属性使得传统玻璃缺陷分割算法准确率较低等问题,提出一种基于双特征高斯混合模型的玻璃缺陷分割方法.方法 首先,利用分数阶运算对玻璃缺陷增强,用灰度共生矩阵获取纹理特征,从而构建玻璃缺陷的双特征向量;将双特征向量引入高斯混合模型,并利用马尔科夫随机场的相邻像素空间信息对玻璃缺陷分割高斯混合模型进行改进,通过交替进行玻璃缺陷像素点与标号场之间映射关系的估计和基于高斯核函数空间约束更新,完成玻璃缺陷分割;最后,应用模糊熵对缺陷图像分割结果进行后续处理.结果 对疖瘤、污点、气泡以及夹杂等4种典型缺陷样本图像进行性能测试和不同算法对比分析实验,实验结果表明,所提算法的Dice指标达到98.59％,crM指标达到7.03％,衡量指标优于其他算法.结论 将灰度特征和纹理特征引入玻璃缺陷分割的马尔科夫随机场,能够抑制非缺陷目标,并保留低对比度玻璃缺陷,提高玻璃缺陷分割算法的鲁棒性和准确性.     

基于机器视觉的砌墙砖自动检测系统

针对传统方法检测砌墙砖外观缺陷和几何尺寸存在效率低和准确度差的问题,设计一种基于机器视觉的砌墙砖自动检测系统。以OpenCV和PyQt为系统上位机开发平台,首先通过高分辨率的单目工业相机采集砌墙砖图像,再对图像进行阈值分割、边缘提取等图像处理,控制机械臂将标准块置于试样截面形心处,通过检测算法计算出试样的长度、宽度和高度以及识别缺陷区域,其后移开标准块,将缺陷区域坐标转换为运动导轨位移量,控制固定于运动导轨的精密激光传感器扫描缺陷区域实现精确测量缺陷深度数据。该系统已投入检测机构进行试检测,完成多批砌墙砖产品的检测实验,大量的实验结果表明,该检测系统技术成本低、性能稳定、精度高、结果稳定可靠,满足国家标准≤0.5mm的精度要求,尺寸测量重复性为0.09mm,缺陷测试重复性为0.10mm,相比于人工测量分别提高5.4倍和7.8倍,检测时间最多降低99.28%,能快速准确地对砌墙砖完成外观质量和几何尺寸的检测。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

大口径精密光学元件质量检测装置

针对精密光学元件表面缺陷检测效率低、大口径元件不便于检测问题,设计了一种应用于大型激光装置的大口径光学元件缺陷检测装置。通过强光手电筒、LED灯及高亮度卤素灯3种光源对40 mm×40 mm的K9样片暗场成像对比实验,得知光照强度最大的卤素灯光源检测效果最佳。研究了基于线阵CCD扫描的三维电控平移台的运动机理,确保高精度图像的采集。在此基础上,分析了图像区域定位、二值化处理、缺陷的检测等关键技术,实现了元件的高精度、实时在线检测。     

基于多分辨率分析和分水岭的图像分割方法

提出了一种基于小波多分辨率分析和分水岭算法的图像分割方法.在小波分解后的低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性.此外预处理过程中,在梯度图像上基于Rayleigh分布采用阈值处理的方法,有效抑制了高斯噪声对梯度图像的影响,避免了过分割.实验结果证明,本文所提出的基于小波多分辨率分析的图像分水岭分割算法能够很好地兼顾算法的效率和分割的准确性.     

基于MATLAB的图像分割算法分析

作为数字图像处理的关键技术,图像分割在图像分析系统中发挥了不可忽视的作用。随着科学技术的不断进步,有很多不同的算法被应用到图像分割技术中,但是最常用的分析方法包括基于阈值的分割方法、基于区域的分割方法、基于特定理论的分割方法以及基于边缘的分割方法。该文主要利用MATLAB软件对基于边缘的分割算法和基于阈值图像的分割算法进行仿真分析。阈值分割技术的关键在于确定阈值,利用Otsu算法能够自动选取阈值,对图像进行分割;在边缘检测算法中,对4种算子(Roberts、Sobel、Prewitt和LOG)的分割结果进行图像分析可以得出,LOG检测算子得出的边缘检测结果最好。     

全自动泡罩药品包装视觉检测控制系统设计

目的为了提高泡罩药品包装的检测效率,降低生产成本,提升药品包装质量。方法设计一套基于DSP和触摸屏的泡罩药品视觉在线检测系统,利用TMS320 DM365芯片完成泡罩药品图像的处理和核心控制,由触摸屏和LCD液晶显示屏实现控制系统在线监控和图像处理结果显示,并在硬件结构基础上完成控制系统软件设计。结果通过对该系统的实验测试可知,该系统准确检测率高达100%。结论该控制系统能够实现泡罩药品包装缺陷的快速检测,检测准确率较高,大大降低了劳动强度,有效降低了生产成本。     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。