基于机器视觉的凸轮轴表面缺陷检测系统

传统的凸轮轴表面缺陷多为产后抽检,相比在线全检存在漏检与缺陷率上升等现象,且只能事后发现;而人工在线全检不但会使成本上升、也对人力资源提出了考验。为此实现自动实时在线全检就成为急需解决的课题。设计了基于机器视觉的凸轮轴表面缺陷在线自动检测系统。系统安装在凸轮轴生产流水线两侧,搭建特定光源,在凸轮轴移动、停止、旋转过程中通过高速相机对其表面进行图像捕获,并由工控机进行缺陷判定与定位。根据轴类表面缺陷的特征,设计了缺陷分割算法和缺陷区域标记算法,对凸轮轴表面的外伤、砂眼、研磨不良等典型缺陷进行分辨。算法可以准确提取目标缺陷区域,标记缺陷位置并统计缺陷特征对缺陷进行判定。该系统可在0.44 s每根轴的速度下,检测出凸轮轴表面直径大于1 mm 的缺陷,并通过人机交互界面显示缺陷所在位置。完全可以取代产后抽检及人工在线全检,同时还可以提高检测效率与检测精度。     

一种基于机器视觉的铝管缺陷检测系统

针对铝管生产过程中对准确、可量化的自动缺陷检测系统的迫切需要,本文引入一种由图像采集、缺陷检测、缺陷处理等模块组成的铝管缺陷检测系统。平板探测器获取由X光高压电源产生,穿过铝管的X射线并把所形成的数字图像通过USB端口发送至检测服务器。检测服务器使用机器视觉算法检测图像中的缺陷。当服务器检测到缺陷时,会向PCI板上指定位输出信号,报警装置接到信号后报警提醒工作人员。实验表明该系统能够自动、准确的标记出铝管中存在的缺陷,达到了系统的设计目标。     

基于机器视觉的微细孔壁缺陷检测

为满足微细孔壁缺陷工业在线检测的快速性和准确性的要求,采用一种特殊的锥面镜成像部件获取孔壁图像,实现对微细孔壁缺陷的机器视觉检测。锥面镜成像过程将照明光路和成像光路合二为一,根据所获图像的特点设计出环形图像展开算法,转换为矩形图像后拼接出完整的孔壁图像。利用电控平移台和相机之间的触发配合,保证了图像采集的实时性和准确性。构建实验平台并对相关参数予以分析,实现了对直径为8mm、深为100mm微小孔壁缺陷的自动化检测,可以检测出直径0.3mm的缺陷,测量标准差为0.021,验证了后续工业化应用的可行性。     

基于机器视觉的精密钻孔法向检测算法研究

目前在自动化检测领域,机器视觉检测技术开始广泛地应用,这种技术的特征表现为高精度、非接触、适用性强,操作方便.在智能制造需求的促进作用下,很多工业生产中开始应用到机器视觉技术.本文对精密钻孔法向检测进行研究,根据检测要求而选择合适的检测方法.首选用Canny边缘检测算法,但是在实际的应用中这种算子会引入很多非目标轮廓线...     

基于机器视觉的瓷砖素坯表面缺陷无损检测算法研究

针对瓷砖生产中对瓷砖素坯表面缺陷检测的高速度和高准确率的要求,本文提出了基于机器视觉的表面缺陷无损检测算法.首先对采集到的瓷砖素坯图像采用双边滤波器进行图像预处理,降低噪声,提高图像质量,然后利用Canny边缘算子提取图像边缘,在图像边缘的基础上,采用最佳阈值分割算法,实现图像分割,利用圆形度对缺陷特征进行描述,并实现缺陷判别,最后,通过实验验证表面缺陷检测的准确度和稳定性.实验结果表明,该方法可以实现瓷砖素坯表面缺陷的无损检测,准确率达到95％以上,能应用于瓷砖表面缺陷质量检测的生产实践中.     

基于机器视觉的匣钵缺陷检测系统

针对锂电材料行业匣钵缺陷检测需求,设计了一种基于机器视觉的匣钵缺陷检测系统。该系统结合了光度立体算法以及机器学习算法,使用光度立体算法检测匣钵的腐蚀和裂纹,使用机器学习算法检测匣钵的缺口,并通过大量的模型训练来进行缺陷判别。通过实验测试,该系统具有较好的匣钵缺陷检测效果,大大提高了检测效率。     

基于机器视觉的零部件的缺陷检测

汽车零部件在实际生产过程中,打磨、抛光等各种无法确定的因素会在零部件的表面留下缺陷,从而严重影响车辆的组装、制造,存在巨大的安全隐患,因此车辆零部件的缺陷检测十分重要.零部件缺陷检测已从传统的手工分类发展为基于机器视觉的方法.本文基于卷积神经网络对VGG16网络模型进行改进,提高了模型对汽车零部件缺陷的检测精度.首先,...     

机器视觉在PCB缺陷检测中的应用

PCB是电子产品的载体,PCB表面的缺陷是影响整个产品质量的主要因素,直接关系到产品的性能和可靠性。为了实现PCB生产过程中缺陷检测的自动化,研究了用机器视觉检测技术检测PCB表面缺陷的方法。在检测中采用了4K灰度线阵CCD和高精度光学驱动平台构建的检测系统,获得了满意的效果。     

基于改进Res-UNet网络的钢铁表面缺陷图像分割研究

为了提高钢铁质量图像检测的效率和精度,提高生产自动化水平,该文提出一种改进的Res-UNet网络分割算法。使用ResNet50代替ResNet18作为编码模块,增强特征提取能力;修改编码模块,使残差块间稠密连接,增强浅层特征的深度延展,充分利用特征;使用加权Dice损失和加权交叉熵损失(BCEloss)结合的新损失函数缓解样本不均衡的情况;数据集增强策略保证网络学习更多的样本特征,增强细节分割精度。相比于经典的UNet算法,组合优化后的Res-UNet网络的Dice系数最多提高了12.64%,达到0.7930,网络训练时间更短,对各类缺陷的分割精准度更优,证明该文算法在钢铁表面缺陷分割领域具有应用价值。     

基于机器视觉的液压阀钢珠压装技术研究

针对液压阀生产效率低下的问题,本文采用了结合机器视觉的新模式来实现液压阀的钢珠自动压装,完成液压阀的坐标定位,压装面识别和压装效果检测等功能,有效提高了生产效率,保证了产品的质量。测试结果显示,该技术能实现钢珠自动填入动作,填钢珠准确率达到99.5%以上,将单个液压阀的钢珠压装耗时控制在4min左右。     

基于机器视觉的井下猴车钢丝绳检测系统

井下猴车广泛采用无极钢丝绳,长期运作存在钢丝绳磨损、断裂等安全隐患,针对这一问题,提出了一种基于机器视觉的检测方法,采用边缘检测算法对CCD采集的图像进行缺陷检测,并产生报警信号传送到上位机。实验结果表明该套检测系统检测精度高,极大地解决了猴车的安全运输问题。     

机器视觉光路的鬼像分析

分析了机器视觉系统光路中鬼像的来源及危害,给出了怎样利用光学设计软件ZEMAX进行鬼像分析。以某机器视觉系统为例详细阐述并列举了消除机器视觉系统鬼像的一般方法。     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用。首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论。     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用.首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论.     

基于机器视觉的车道线精确检测算法

车道线检测是车辆智能驾驶系统的重要组成部分.针对传统的车道线检测方法精度低、实时性能差的问题,提出一种基于机器视觉的车道线精确检测算法.该算法采用车道内侧边缘线代表车道线,具体包括预处理和车道线提取两个步骤:预处理部分包括灰度化、Sobel边缘检测、ROI设定、二值化,最终得到车道线部分的二值图像;车道线提取部分包括图像切片、改进的Hough直线检测、DBSCAN直线聚类以及直线拟合,最终得到精确的车道边缘线信息.最后将算法应用于各种场景下的路况测试,实验结果表明:该算法的平均准确率为94.9％,平均处理时长为25.6 ms/f,具有很好的实时性和鲁棒性.     

基于改进YOLOv3算法的带钢表面缺陷检测

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框（priors anchor）与特征图层（feature map）的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.