基于机器视觉的烟支搭口夹杂缺陷在线检测方法

为解决卷烟生产中烟支搭口夹杂缺陷检测准确率低等问题,提出了一种基于机器视觉的搭口夹杂缺陷检测方法。在卷接机组检测轮和剔除轮位置分别安装高速相机,采集单支烟不同位置和角度的图像;采用均值滤波、灰度梯度计算等方法,先判断烟支搭口边缘,再判定搭口边缘区域是否存在夹杂缺陷;根据判定结果将缺陷烟支通过剔除阀剔除。应用该系统对杭州卷烟厂生产的2种规格卷烟进行测试,结果表明：正常工况下系统对烟支搭口夹杂检测准确率≥99.5%,漏检率<1%;异常工况下检测准确率≥99.0%,抗干扰能力强,检测处理时间≤6 ms。该技术可为提升烟支外观质量提供支持。     

基于深度学习的食用油灌装质量检测系统

介绍了一种利用深度学习算法进行食用油灌装质量检测的系统,基于深度学习有监督物体识别网络对食用油生产线进行从原料至销售的全流程包装缺陷检测,具体功能包括瓶口缺陷检测、瓶盖缺陷检测、瓶身喷码缺陷检测、贴标缺陷检测、装箱点数检测。相比于传统机器视觉检测方案,该系统具有无需做图像预处理、检测精度高、参数设置简单、算法泛化能力强、开发周期短的优点,可实现食用油生产包装质量检测的全面自动化。     

卷烟小盒外观缺陷检测设备成像质量评价方法

针对不同卷烟小盒外观缺陷检测设备间检测能力存在差异等问题,建立了一种烟盒外观缺陷检测设备成像质量评价方法。搭建了烟盒外观缺陷离线检测系统以构建不同成像环境,制作了白度和棋盘格标准块并建立了系统光照均匀性和成像畸变率的量化方法,设计了标准缺陷烟盒样本并在不同成像环境下对其进行检测,分别考察光照均匀性、成像畸变率、成像清晰度以及图像分辨率对缺陷识别率的影响。结果表明：成像畸变率对缺陷识别率影响不大,光照均匀性、成像清晰度以及图像分辨率与缺陷识别率呈正相关;为保证检测效率和识别准确性,检测系统中各参数阈值为光照均匀性系数<5.0%,成像清晰度T值>12.0,图像分辨率≥128 px×128 px。该方法可为提升卷烟产品包装品质提供支持。     

基于机器视觉的纽扣缺陷检测技术研究

利用机器视觉和深度学习算法对纽扣缺陷进行检测。首先对纽扣图像滤波去噪处理,提取轮廓并获取图像特征;接着对图像阈值分割,对二值图像标记连通域,完成纽扣区域分割及轮廓提取,通过轮廓数目判断是否存在多孔、少孔和外形轮廓缺陷;最后使用YOLOv4算法训练纽扣缺陷类型,实现四眼塑料纽扣缺陷检测。验证结果表明纽扣缺陷检测精度达到了95.5%,单个纽扣平均检测时间为0.89s,满足工程应用需求。     

服装外观质量检测评定

介绍了服装外观质量的两种检测方法，目的在于对服装外观质量的优劣评定更全面，更客观。     

基于局域特征相似性度量的卷烟制品外观缺陷检测

为解决深度学习技术在卷烟制品外观缺陷检测中存在人工标注繁琐、目标形态随机性大等问题,提出了一种基于局域特征相似性度量（Local Characteristic Similarity Metric,LCSM）的图像算法。LCSM算法只需要对正常样本进行训练,使用特定的卷积神经网络提取正常样本的特征并构建图像每个区域的数据特征分布,再提取测试图像局域特征向量并采用Wasserstein距离度量其特征分布与对应正常样本特征分布之间的相似性,从而判断测试图像是否存在缺陷。采集并制作了卷烟小盒、烟用胶囊和烟支3个数据集用于验证LCSM算法性能。结果表明：LCSM算法在3个数据集的缺陷检测准确率分别达到98.75%、99.50%和98.50%,与近期报道的Skip-GANomaly、STPM以及IGD算法相比,分别提高14、2和2百分点。该方法可为提高卷烟制品外观缺陷检测准确率提供技术支持。     

基于机器视觉的罗纹纸外观缺陷检测系统

介绍了一种利用机器视觉方法测定罗纹纸张外观缺陷的检测系统,采用H S V图像处理技术实现罗纹纸张背景上外观缺陷的提取,对于罗纹纸张色点检测有更高的色差敏感度和测量精度。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。     

基于机器视觉+深度学习目标检测的皮革表面缺陷检测系统研究

针对皮革表面缺陷人工检测效率低、准确率低等问题,基于机器视觉和深度学习算法等构建了一种皮革表面缺陷检测系统.对该系统的主要框架及核心功能进行分析,以一般皮革表面光学检测系统为对象进行检测精度与检测效率对比.结果表明,基于机器视觉+深度学习的皮革表面缺陷检测系统检测精度更高,在应用初期的检测效率与一般检测系统较为接近,但随着应用时间的增长,系统检测效率优势也会逐渐显现.     

基于机器视觉的食品外包装缺陷检测算法研究进展

食品包装在生产过程中由于各种因素会导致缺陷产生,包装缺陷种类多,背景复杂。通过视觉成像和计算机信息处理完成包装的识别、检测和测量等任务的机器视觉检测,相比传统的人工检测,具有执行速度快、精度高等特点,可显著提高生产自动化程度。文章根据食品外包装常见缺陷,从缺陷检测算法的角度介绍传统机器视觉检测算法和深度学习相关算法在食品外包装缺陷检测中的研究应用,并对检测算法在食品外包装缺陷检测中的应用前景,以及存在的问题进行分析与展望。     

基于CCD线阵相机的高速烟支外观在线检测系统

目前行业内主流的烟支卷接设备针对烟支质量所能够进行的在线检测集中于空头、漏气、重量等几个方面,对烟支外观实施在线检测的需求日趋增大。本研究提出一种运用视觉识别技术,设计一套在线烟支外观缺陷检测系统,运用线阵相机采集鼓轮上高速运行的烟支图像,运用视觉算法处理图像,对缺陷进行分类识别,并联合剔除机构将缺陷烟支剔除,以PROTOS70型卷烟机为平台安装投入实际运用测试,通过尺寸精度实验及剔除率实验证明,该系统较好实现烟支外观在线检测的准确性和高效性。     

片烟外观质量评价模式探讨

通过对片烟与把烟外观质量相互对应关系及片烟形态的特殊性的研究,确立能够客观反映片烟烟叶外观质量的评价指标,并建立相应的评价模式,填补企业入库片烟综合质量评价无外观评价模式的不足,使入库片烟质量评价更加完整,提高评价结果的准确性。     

基于改进鲸鱼优化CNN的红富士苹果外观分级方法

目的：有效提升机器视觉技术对红富士苹果外观品质分级的准确率。方法：建立不同外观品质等级的红富士苹果图像数据库,通过对数据库图像进行图像增强预处理,以提高模型训练效果和泛化能力。构造改进鲸鱼优化CNN模型,采用加权灰色关联度法压缩CNN卷积规模,以降低特征间的冗余度干扰和提高模型的运算速度;利用改进的鲸鱼优化算法对模型超参数进行优化配置,以降低超参数配置不当对模型分级结果的影响。结果：试验所提分级方法准确率更高,分级精确度、灵敏度分别提高了2.05%,2.46%。结论：试验方法能够有效实现对红富士苹果的外观分级。     

海南雪茄烟叶外观质量与化学成分的关系研究

为研究雪茄烟叶外观质量与化学成分之间的关系,对海南种植的巴西3号、古引4号、H211、D系和H382等5个不同品种（系）雪茄烟叶进行外观质量和数字化评价,利用统计学方法分析其与雪茄烟叶化学成分的关系。试验结果表明,不同品种雪茄烟叶中总植物碱含量、钾含量和碱糖比在化学成分差异中起主导作用;化学成分中总植物碱含量、钾含量、碱糖比、碱钾比与外观质量指标的身份、油分和成熟度的相关性达到极显著水平;叶片结构与钾含量和碱糖比的相关性达到显著水平。回归分析结果表明,雪茄烟叶品种和外观质量指标的身份、油分可以较好地反映烟叶中总植物碱含量、碱钾比、氯离子含量的变化。     

基于RTX烟支质量在线检测系统的设计应用

为了解决现有烟支质量在线检测系统的封闭性问题,提高缺陷烟支剔除的准确率,满足卷烟企业提高烟支品质和生产管理信息化要求,研发了烟支质量在线检测系统。该系统以标准PC和商用I/O硬件作为硬件平台,采用RTX对Windows进行实时扩展,集成了烟支在线质量检测系统和OPC服务器,克服了现有系统缺陷烟支漏剔率和误剔率较高的问题,满足了对每支烟进行检测分析和对缺陷烟支准确剔除的实时性要求。利用PC的联网能力,通过OPC标准接口满足了企业信息化需求。使用效果表明,系统检测精度高,漏气烟支的漏剔率和误剔率均小于0.2%,空头漏剔率和误剔率均小于0.1%,系统运行稳定,调试简单,减少了维护工作量。     

76份雪茄烟资源鉴定评价

为筛选出优质抗病的雪茄烟种质供育种和生产利用,在云南德宏开展76份来自美国、哥斯达黎加、古巴、波多黎各、阿根廷等21个国家的3种类型的雪茄烟种质资源的田间试验。结果表明:John Williams Conn Bdl、Bulsunov 162、John Dingess Conn Bdl、Possibly Pl29125等产量较高,Su mutant、TI 75、Bulsunov 162、TI 154、Pina等中上等烟比例相对较高;Florida Sumatra、TI 75、521等烟碱>7.0%;Su mutant、Yure、aka Buck Tobacco、Connecticut Shade、No 63、Ast、Connecticut 15等K₂O>4.0%;感官评吸396、Ast-b、Bel W3、Tobaco Comun、Possibly Pl29125等种质其香型为亚雪茄风格的资源,其余的资源多为晒红烟型,少数为似白肋烟型或半香料型;M-1TI 154香型程度较显,其余为有+、有或有-;TI 154和Pina劲头较大-,其余种质适中+或适中;评吸综合得分396、Ast-b、Ast-c、Bel W3、C-1-b、CCC-7-3等较高,质量档次为较好-,其余种质为中等+、中等或中等-;聚类分析将76份资源聚为5类,化学成分和感官质量指标聚类将31份资源分为4类,各类的特征特性有差异。通过试验筛选出对TMV免疫的资源7份,中抗黑胫病的资源5份。      

基于机器视觉的包装机空头烟支检测技术研究

对基于机器视觉的包装机空头烟支检测技术进行了研究：在图像获取阶段,在分析包装机空头烟支结构特点的基础上,提出了机器视觉系统光源的照明方式,并参照国标对照明的角度进行了计算。使获取图像上的烟支空头特征突出;在图像处理阶段,采用基于数学形态学的开操作对图像进行预处理,使图像上烟丝的纹理特征减弱,而空陷区域的特征更加突出;最后采用计算机图像斑点识别技术。判别出存在空头烟支的烟组,最终完成基于机器视觉的包装机空头烟支的检测任务。图3表2参13     

基于机器视觉的水果外观品质检测研究现状

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。