基于机器视觉的芯片引脚缺陷检测与分拣系统北大核心CSCD

针对传统工业中芯片的引脚缺陷检测及分拣精度低、实时性差的问题,设计了基于机器视觉的芯片引脚缺陷检测与分拣系统。系统以对SOP芯片的引脚缺陷检测、目标定位、抓取放置为任务,通过MATLAB处理芯片图像,采用改进的Canny和Hough变换实现引脚的边缘检测与连接,采用Blob分析与萤火虫BP神经网络相结合的方法实现芯片引脚的缺陷检测,然后求取芯片的形心作为定位参考坐标,结合三自由度机械臂,使用标准的D-H法建立机械臂运动学模型,并根据芯片的定位坐标通过运动学逆解计算出每个连杆需要转动的角度,转化为步进值后通过串口通信方式发送给Arduino,然后由Arduino完成对机械臂的控制,实现芯片的分拣。测试结果表明,系统达到了设计要求,具有一定的应用性。     

基于机器视觉的LED芯片缺陷检测系统研究

近年来计算机及信息技术飞速发展,并在各个领域得到了广泛应用,极大地促进了社会的发展.数字图像处理技术以其高效准确性,在工业产品缺陷检测中发挥了重要作用.利用该技术可以代替人工检测,极大地提高了工作效率,降低了人工成本,增加了企业收益.因此,研究基于图像处理的LED芯片缺陷检测系统,对比不同LED芯片缺陷类型及传统检测方...     

基于机器视觉的PCB焊接缺陷检测系统研究

针对中小型企业在焊接缺陷检测领域中存在人工成本高、检测精度低、实时性差等问题,提出了基于机器视觉的焊接缺陷检测系统,在生产线上安装多套图像采集装置。根据现场情况,设计了多套打光方案,实现连锡、焊点偏位、芯线断开等缺陷的高清成像;基于HALCON软件,采用图像定位、图像预处理、图像分割、形态学处理及焊接缺陷识别算法,完成了USB接口缺陷的精确检测,并将结果显示在上位机界面。测试生产线上实际采集的402幅缺陷图像,结果表明,系统成功检出率达86%,基本满足实际生产需要。该检测系统用于中小型企业生产,有利于大幅度提高检测效率和缺陷检测智能化水平,同时降低检测成本。     

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；     

基于视觉的表面贴装芯片引脚检测系统的研究

介绍了表面贴装芯片引脚的机器视觉检测系统，并阐述了该机器视觉检测系统的总体设计。利用图像处理和目标识别技术，实现了对具有矩形端面的芯片引脚的数目、尺寸、间距和高度差的检测，给出了系统稳定性和重复性测试的数据。检测结果表明，该检测系统具有非接触、精度合适的优点。     

基于机器视觉的飞机蒙皮缺陷检测研究

蒙皮作为飞机表面直接受压层,要求表面光滑,无划痕,才能最大限度减少与空气的摩擦力.为了定期检测已服役的飞机蒙皮表面可能出现的常见缺陷,本研究利用机器视觉技术实现飞机蒙皮缺陷的检测和识别.首先通过智能相机获取飞机蒙皮表面图像,进而利用中值滤波和图像二值化实现特征图像的预处理,再运用基于灰度共生矩阵的纹理特征提取技术,仿真...     

机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

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。     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

基于机器视觉的无人机旋翼移印缺陷检测研究

旋翼是无人机获得举升力的重要零件,它的健康状态是无人机稳定飞行的重要保证,旋翼标识是检查无人机飞行姿态和旋翼健康状态的重要参照之一,针对大疆无人机旋翼标识生产过程中表面质量检测的工人劳动强度大、检测准确率低的生产痛点,设计了满足工业生产需求的机器人视觉检测系统,系统与工业机器人结合将印刷缺陷的产品分拣出来,实现生产检测的自动化。系统利用工业相机、视觉光源、工业计算机搭建系统检测系统,通过滤波、连通域处理、特征提取等算法设计,能够高效地将漏印、少印、多印等缺陷产品分拣出来,降低了企业用工成本的同时,提高了产品出厂的良品率。     

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。     

基于机器视觉的小磁瓦表面微缺陷检测方法研究

针对小磁瓦成像不清晰、检测难度大、对比度低、纹理背景复杂、亮度不均匀、缺陷区域小及缺陷种类多等问题,提出了一种小磁瓦表面微缺陷的视觉检测方法。首先,根据小磁瓦弧形表面、倒角及缺陷区域对成像的影响,通过分析了小磁瓦表面图像中缺陷区域与正常区域的灰度、灰度梯度及缺陷形态的差异,将其表面缺陷类型划分为3类;其次,根据3类表面缺陷的成像特点、缺陷形态特征及与背景区域的关系,分别设计了相应的缺陷提取方法;最后,在不同的光照、规格、缺陷类型等条件下,利用开发的实验装置进行了实验分析。研究结果表明:提出的小磁瓦表面微缺陷提取算法稳定性好、鲁棒性强,能够准确、快速地提取小磁瓦表面中的缺陷区域,检测准确率可达93. 5%。     

软抽纸巾包装缺陷机器视觉检测系统

在对纸巾进行塑料包装过程中,容易产生爆口、飞膜、露白与偏移等缺陷,目前对包装缺陷检测基本上采用人工检测,效率低下,准确率低。文中结合机器视觉、图像处理与自动控制等相关知识,研发了一套包装缺陷检测系统,通过对纸巾缺陷特征进行面积计算来检测飞膜、露白及偏移等缺陷;设计了阵列矩形面积算法,可实现对爆口缺陷的检测。实验表明,该设备漏判率小于0.02%,符合实际检测需求。     

基于机器视觉的织带检测系统研发

为了满足织带企业的高效、自动化检测需求,构建了基于PC的织带检测系统。设计织带张力传送机构和基于i MC3041E运动控制卡的运动控制系统;改进边缘提取和傅里叶变换图像算法,研发了实时图像采集系统;并用C#开发了集成图像采集检测和运动控制的人机界面。研究结果表明,系统可实时检测织带缺陷,满足企业实际生产需求。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量,该文引进了机器视觉技术,以某机械生产制造单位为例,设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求,搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置,采集零件表面图像;对采集的原始图像进行均值滤波处理,去除图像中可能对缺陷区域的判别造成干扰的因素与噪声;采用阈值分割的方式,提取并划分机械加工零件表面的微缺陷区域;采用提取图像边缘算子的方法,计算零件表面原始图像与待检测图像之间的像素相关性,通过对零件表面微缺陷灰度性质点的匹配,完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷,还可以检测到具体的缺陷类别。     

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。     

基于机器视觉的空调截止阀缺陷检测系统的研制

文中根据空调截止阀生产线检测要求,研制了基于机器视觉的截止阀缺陷检测系统,实现了截止阀挡圈、高度以及角度三个指标集成检测,并自动分离出不合格品。着重介绍了检测系统的结构组成,并且介绍了模板匹配、图像分割、边缘检测等相关图像算法。经实验测试表明:该视觉系统精度高,稳定性好,有效地提高了截止阀检测生产线的工作效率。     

玻璃纤维布的机器视觉缺陷检测系统设计

针对目前国内玻璃纤维布生产企业的布匹缺陷检测方式仍采用人工检测的状况,设计了一种基于机器视觉的玻璃纤维布缺陷检测系统,该系统包括图像采集模块、人机交互模块、图像处理模块和缺陷数据统计模块四个部分,详细阐述了各模块的实现方法和技术。在VS2010平台下基于C#、Halcon和SQL Sever数据库的研制出了玻璃纤维织布缺陷检测软件系统,并在实验平台上进行了相关的调试和实验验证。结果表明该系统稳定可靠、实时性好,满足了预期的研发要求。     

基于机器视觉的布匹疵点检测系统

为了提高布匹疵点检测的精度与速度,提出了一种基于机器视觉的布匹疵点检测系统用于取代人工检测。论述了系统的整体结构,包括成像设备、光源选择以及图像采集与处理方式等,并提出了一种基于类别共生矩阵与支持向量机的布匹疵点检测算法。检测算法将疵点检测看作一个两类分类问题,采用从灰度共生矩阵中提取的特征来描述纹理特性,并采用支持向量机来对特征向量进行分类完成疵点的检测。最后通过大量的布匹疵点实例对算法的可靠性进行验证,并对检测算法在不同参数下的检测精度与实时性进行了讨论。     

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。