基于LabVIEW的机器视觉在玻璃缺陷检测中的运用

针对近年来玻璃质量要求的不断提高,以机器视觉技术为基础,建立了基于机器视觉的玻璃缺陷检测系统,通过LabVIEW的Vision and Motion模块获取玻璃图像并进行图像处理,实现了对图像中玻璃缺陷的提取和分析,实时性显著,可视化效果好。     

基于数字图像处理的玻璃缺陷在线检测系统

研究了一种基于数字图像处理的玻璃缺陷在线检测系统,实现了对玻璃缺陷的实时检测、识别和分类,在缺陷提取上运用的是一种改进的归一化互相关算法,该算法可以显著提高图像的匹配速率和缺陷检测效率,在检测效率上比传统的算法提高了25.7%;在缺陷的识别分类上研究采用的是一种改进的支持向量机算法,该算法在检测精度和效率上都有较大的提高,在缺陷种类的识别上,其准确率可达到95%。     

基于LabVIEW的齿轮齿形缺陷检测

针对目前使用量很大的微小塑料齿轮人工检测工作量大、效率低、漏检率高的现状,开发了基于LabVIEW平台和图像处理软件包Vision Builder AI的双联塑料齿轮缺陷自动检测系统。通过对一组塑料齿轮样本的检测试验得出:合理地设置检测系统的合格品匹配系数可以达到与人工检测几乎一致的检测结果,而且可以通过对匹配系数的调整,运用较少人工工作量的人工复检就可实现对系统一次分拣后留在剔除部分的可疑正品齿轮的二次分拣,相当于实现了100%的人工检测,兼顾了检验的效率和可靠性。     

基于EVM的玻璃缺陷实时检测系统的软件设计

为实现玻璃原片的实时自动化检测,给浮法玻璃生产线上的优化切割系统和玻璃等级打标装置提供详实的数据,设计了一种基于SEED-Davinci_EVM开发板的玻璃缺陷实时检测系统,合理地分配和使用了ARM与DSP来完成各种功能,并采用基于图像灰度的识别算法设计了玻璃缺陷检测软件系统,实现了缺陷的实时自动化检测;实验结果表明,采用基于达芬奇技术的双核处理器有利于实时处理大量的图像数据,能满足自动化系统的检测要求.     

基于LabVIEW平台的虚拟仪器编程

虚拟仪器的绝大多数功能都是笊靠软件实现的,包括仪器而极上的各种器件,如开关、按钮、传感器、数显表、显示器等,还有仪器内部需要执行的各种数据兮析处理工作,如数字滤波、频谱转换等,因此NI公司曾提出“软件就是仪器”的口号。通常虚拟仪器软件编程有两种方法,一种是传统的面向对象的结构化编程,如VC＋＋、VB、Delphi等,另一种是采用图形化编程,如LabVIEW、LabWindows／CVI等。这里以LabVIEW编程为例,介绍图形化语言在虚拟仪器编程中的优势,并以ABB公司的BSM系列伺服控制器为采集控制对象,实现了一个虚拟仪器实例。     

基于机器视觉的螺纹钢表面缺陷检测方法

螺纹钢是一种广泛应用的建筑材料,在轧制过程中如果不能及时发现其尺寸和表面缺陷,就会生产出大量废品,给企业带来损失.本文设计了一种基于视觉的螺纹钢表面缺陷检测方法.先利用仿射变换对图像中歪斜的螺纹钢进行校正,然后基于霍夫变换检测纵肋边缘直线位置的方法对螺纹钢正面、侧面图像进行区分.最后针对正面、侧面图像分别进行缺陷检测,快速准确地判别表面是否存在缺陷.实验表明所设计的方法具有较好的稳定性和实用性,能有效地解决人工检测过程中效率低、误检率高等问题.     

基于视觉的标准渐开线直齿圆柱齿轮齿形缺陷检测

通过被检测齿轮图像与标准齿轮图像对比,利用相关图像处理与识别算法,实现轮齿轮廓缺陷检测。借助Halcon软件获取标准渐开线直齿圆柱齿轮图像并进行尺寸检测,得到齿轮的基本参数;根据获得的齿轮参数,画出标准渐开线轮齿轮廓;计算对应位置的实际轮齿轮廓与标准轮齿轮廓的Hausdorff距离,以此为依据,来判定轮齿是否合格。提取实际齿轮轮廓,求其与标准轮齿轮廓的Hausdorff距离,以此对齿轮轮齿缺陷进行检测。实例证明,该方法可以有效地检测出轮齿缺陷,为齿轮轮齿缺陷的检测提供一种有效的检测途径。     

基于线阵CCD的玻璃缺陷检测系统研究

研究的基于线阵CCD的玻璃缺陷在线自动的检测系统,以高速线阵CCD采集双CCFL冷阴极管透射玻璃带的光强信号,分析了典型缺陷的信号特征,给出了系统检测分辨率的确定方法,采用双DMA的数据传输方式和三值化处理方法,丢弃无缺陷的数据,仅保存缺陷数据的幅值和坐标.实验结果表明:系统检测分辨率为0.1mm,缺陷类型识别率为99...     

基于卷积自编码器的医用玻璃瓶口缺陷检测方法

为解决缺陷检测中缺陷样本数量少、种类多、难以提供足够的数据来进行有监督深度学习模型训练的问题,本文利用工业生产中大量易获取没有缺陷的正样本数据,建立Encoder-Decoder结构的卷积自编码网络缺陷检测模型,将空间和通道注意力的卷积注意力模块嵌入编码器中增强网络特征提取能力。在编码阶段加入上下文信息模块,获得更大的感受野,减小计算量。同时,结合多尺度结构相似性MS-SSIM和L1损失来改善图像重构效果,使用峰值信噪比PSNR衡量重构误差并判别异常。实验结果表明,提出的医用玻璃瓶口缺陷检测方法能够准确检出缺陷数据和分割缺陷区域,精确度为99.45%、召回率为97.63%、漏检率为0.55%、误检率为2.93%。该方法能够准确检出玻璃瓶口缺陷,定位缺陷区域,同时图像重构耗时短,仅需10.37 ms左右,能够实现准确、高效的自动化产品质量检测。     

基于LabVIEW和Matlab混合编程的竹片检测系统设计

针对竹片生产过程完全依靠人工干预,无法满足快速、高效生产要求的现状,借助具有图形化编程语言的LabVIEW以及强大的矩阵运算和图形处理功能的Matlab软件平台,研究和设计基于LabVIEW和Matlab混合编程的竹片检测系统,实现竹片表面缺陷实时准确的检测。经测试,竹片正确识别率达92%,检测速率8片/s以上,满足精度要求和生产需要。     

基于Gabor小波的人脸检测

提出了一种新的正面人脸检测算法。该方法组合了Gabor小波变换、输入图像的Gabor特征分析和Bayes分类器来进行正面人脸检测。对训练集的平均脸作Gabor小波变换得到40个投影向量；通过计算输入图像和这40个投影向量间的内积来提取图像的Gabor特征向量；训练Bayes分类器来进行正面人脸检测。实验结果表明，该算法的计算效率和检测精度均优于特征脸方法。     

基于ButterWorth滤波和EM算法的电子布疵点检测

为了精确定位和分割电子布生产过程中产生的疵点,提出一种基于ButterWorth滤波和EM算法的电子布疵点检测方法。因电子布的背景纹理对疵点检测存在影响,首先采用ButterWorth滤波弱化图像背景纹理信息;再应用高斯混合模型对预处理后的图像进行表征,通过EM算法迭代模型的最优解,对像素进行标记;最后,根据标记结果分离背景与疵点区域,定位并分割疵点。实验结果表明,该方法既能准确定位疵点位置,又能有效保留疵点的细节信息,并且能够检测多种类型的疵点,在疵点检测方面具有一定的参考价值。     

基于特征残差的色织物瑕疵检测

为解决自动织物瑕疵检测算法中,未知花色织物瑕疵检测困难的问题,提出了一种基于特征残差的色织物瑕疵检测方法.首先使用瑕疵织物图像与模板织物图像的瑕疵残差和正常无标注织物图像进行融合,生成新花色瑕疵织物样本;然后改进特征提取网络采用共享权值方法,对瑕疵织物和模板织物提取特征后计算得到特征残差;最后使用ROIAlign方法将全局上下文信息缩放到和感兴趣区域统一大小后进行特征融合,对融合特征进行瑕疵分类和位置回归.实验针对不包含未知花色和包含未知花色的不同测试集分别进行算法测试实验,结果表明改进后的算法能够较好地消除织物花色对检测结果的影响,在不包含未知花色的测试集中精度得到了较大的提升,在包含未知花色的测试集中,瑕疵检测效果依旧保持不错的精度,相较于改进前的通用算法,最终score分别提升了15.4％和16.2％.     

图像处理技术在玻璃缺陷检测中的应用

利用MATLAB图像处理工具箱强大的图像处理功能,对采集到的玻璃表面缺陷图像进行图像预处理,提取出感兴趣的区域,为后面的缺陷识别作前期的处理。利用玻璃缺陷中的划痕图像为例进行一系列的图像处理来实现目标区域的分割并作初步的分析。     

基于集成深度学习的玻璃缺陷识别方法

针对玻璃缺陷形态复杂多变,难以准确识别其所属类型的特点,文章提出了一种集成深度学习模型对玻璃缺陷进行识别,该模型本质上是一种稀疏编码分类器与深度卷积神经网络的结合。该模型在自编码器的基础上引进了KL距离和L1范数作为稀疏项,构成新的稀疏自编码器。并在次通过稀疏自编码器学习输入样本特征,将训练好的权值作为卷积神经网络的卷积核从而提高了识别速度。在稀疏编码阶段用L<sub>1</sub>-L<sub>2</sub>范数代替L<sub>0</sub>范数,并在KSVD上添加了判别分类能力使其更好的进行分类运算,以此提高识别准确率。实验结果表明,该方法识别准确率达到了95%,满足了工程上的应用,并有很好的鲁棒性。