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.     

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%。     

一种基于机器视觉的曲面玻璃划痕缺陷检测方法

针对曲面玻璃上划痕缺陷成像难、提取难等问题,提出一种基于机器视觉的划痕缺陷检测方法。首先,通过数学建模分析,推导出曲面曲率、相机位置、打光角度三者之间对应关系。然后,在该关系指导下,获取不同打光角度的缺陷图像,并提出一种基于双阈值分割的缺陷提取算法。最后,实验结果表明,建模推导出打光角度下获取的划痕缺陷图像,缺陷细节最清晰,且双阈值分割算法能准确提取曲面玻璃中划痕缺陷。     

玻璃缺陷检测新方法的研究

玻璃缺陷检测已成为提高玻璃质量的重要技术之一,它在检测出不合格玻璃产品的同时,还能将缺陷信息传递给玻璃生产的各个流程,再对各个环节加以改进。为能够生产出高质量的玻璃和准确地获取玻璃缺陷信息,采用了一种基于莫尔条纹的玻璃缺陷检测新方法。这种检测方法不但能够检测出微小缺陷,并进行分类,还能有效地检测出玻璃的光学畸变。     

基于LabVIEW编程平台实现玻璃缺陷检测

以机器视觉技术为基础,利用LabVIEW建立生产者-消费者模式,调用Halcon图像处理算子获取玻璃图像并进行图像处理,采用灰度变化对图像进行对比增强突出缺陷和使用中值滤波进一步削弱图像噪声,利用统计模式识别算法在LabVIEW编程平台上构建一个基于机器视觉的玻璃缺陷检测系统,该系统能够实现对玻璃缺陷的分析和提取,具有高效的实时性.     

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...     

基于分布式的玻璃缺陷检测技术研究及性能优化

玻璃检测速度的的提高会在短时间会产生大量图像数据,传统分布式框架MapReduce处理速度和及时性无法满足玻璃缺陷检测的要求。课题将MapReduce分布式框架运用到海量图像处理,设计阈值分割算法完成对玻璃缺陷图像的处理。通过添加数据划分模块使计算与存储本地化,加快数据处理的及时性。实验结果表明改进的MapReduce计算框架处理速度平均提高14.1%,能够对运行速度为600m/h的玻璃带进行在线检测,并检测出玻璃带上缺陷的个数、位置和缺陷的类型。     

基于光度立体和图像显著性的皮革缺陷检测

为了提高皮革缺陷检测效率，提出一种基于光度立体视觉和图像显著性的皮革缺陷检测算法。搭建光度立体视觉平台，完成不同角度的皮革样本采集，利用光度立体视觉技术计算皮革样本的合成图和表面法向量图；对表面法向量图进行曲率滤波操作，用近似表面粗糙度特征自适应选择合成图或滤波图；利用显著性目标检测算法完成皮革缺陷检测与定位。实验结果表明，与现有皮革缺陷检测方法相比，该算法能很好地检测不同材质皮革的多种缺陷，且准确率高，速度快。     

基于视觉显著性的零件缺陷检测

为了提高零件缺陷检测的准确率,提出了一种基于视觉显著性算法的零件缺陷检测方法。首先将采集零件缺陷图像进行高斯差分滤波,以最大程度消除背景信息的干扰。然后对高斯差分滤波后的零件缺陷图像进行超像素分割,并利用全局图像对比方法构建超像素图像显著图,从而有效的提高缺陷的显著性。最后,采用最大类间方差法分割缺陷。试验表明该方法能提高零件缺陷的检测准确率。     

光伏板缺陷分类的原型网络改进

在光伏板缺陷分类领域中,传统的缺陷分类手段和新兴的机器学习方法都存在局限性,不足以满足光伏板缺陷分类需求,急需更可靠的解决方案.近些年来小样本学习以其能在有限量数据下快速学习并泛化到新任务的特点,逐渐在各领域兴起,给缺陷技术的优化带来新的思路.在这里,以典型的小样本学习方法——原型网络方法为基础,提出了基于改进的原型网络的光伏板缺陷分类方法.该方法调整了训练模式,通过改进模型主干网络和相似性度量标准来有效解决原型网络对复杂样本的特征嵌入能力较差和模型精度一般的问题,方法在经典的光伏板缺陷数据集进行了多次对比实验.结果表明:改进方法的实验耗时大大缩短,模型精度得到提高.     

Tire Defect Detection on Impurities

According to X-ray image texture tire characteristics and abnormal distribution of the gray area, this paper studies a real-time defect detection method about the sidewall of tire. On the basis of the texture distribution characteristics of X-ray tire, we extract the cord information of the tire image by maximizing the distance of the categories after the gray value correction, then we use the morphology method and statistics method to process the image so that we can get the location and the size of impurities. We can classify the tires into different grades by the information. Compared with other methods, our method has the advantage that meets the needs of tire industry.     

基于图像纹理的印刷缺陷检测

针对传统点对点印刷缺陷检测存在经常误报的情况,提出了一种基于图像纹理的印刷缺陷检测模型,该模型经实验证明,具有稳定性高,误报率少的优点。     

基于RPCA和视觉显著性的风机叶片表面缺陷检测

摘 要：针对风机叶片表面缺陷检测问题,提出了一种基于鲁棒主成分分析(RPCA)和视觉 显著性的表面缺陷检测方法。在 RPCA 的基础上,通过增加噪声项和考虑像素的空间关系,以 利于缺陷的分割,即通过 F 范数正则项抑制高斯噪声和光照不均,利用 Laplacian 正则项约束像 素的空间关系,以保持显著图中具有相似显著值且空间相邻超像素的局部一致性和不变性。首 先,对输入的风机叶片表面图像进行超像素分割和特征提取,得到图像的特征矩阵;然后,利 用改进的 RPCA 法得到稀疏矩阵,根据稀疏矩阵和视觉显著性方法计算出缺陷区域的显著图; 最后,优化显著图并采用自适应阈值分割实现缺陷的检测。通过实验仿真和对实验结果定性定 量分析,表明该方法具有较高的准确率。     

织物瑕疵检测方法研究进展

计算机视觉在纺织物瑕疵检测方面已经有了较为广泛的应用，织物瑕疵检测是纺织行业质量控制的必要步骤。为了能够及时了解织物瑕疵检测的最新研究进展，把握织物瑕疵检测方法的研究热点和方向，介绍了织物图案的放置规则以及织物瑕疵检测的相关指标，针对织物瑕疵检测方法较多的问题，将这些方法分为四类（基于结构、基于统计、基于频谱、基于学习）并归纳分析了这些织物瑕疵检测方法在应用中的特点，且对比了四类检测方法中各个方法的特性以及优点和缺点，目的是为了找到如何提高织物瑕疵检测效率的方法，实现实时在线检测，展望了织物瑕疵检测方法的未来研究方向。     

基于数字图像处理的表面缺损检测技术

产品表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义.介绍了缺损类型及特征,对基于数字图像处理的表面缺损检测技术研究现状、主要问题以及检测方法进行综述,并得出结论.