基于深度学习的光学零件表面缺陷检测方法

传统光学零件表面缺陷检测方法以缺陷位置信息检测为主,在位置信息融合过程中存在信息遗漏问题,影响最终的检测精准度。因此,设计基于深度学习的光学零件表面缺陷检测方法。首先,提取光学零件表面缺陷特征,分析光学零件透镜中心成像情况,剔除中心误差导致的缺陷,保留光学零件表面缺陷特征。其次,基于深度学习检测光学零件表面缺陷细节尺度,获取零件缺陷的细节信息,并通过深度学习拟合缺陷特征。最后,进行实验分析。实验结果表明,该方法的检测精准度更高,优于对照组。     

焊接缺陷计算机自动识别模式的研究

介绍了建立焊接缺陷计算机识别模式的基本方法，其中包括预处理、模式参数选取、分析建模等，并且给出了模式示例。     

基于光电传感器和相关技术的工件缺陷检测

阐述了相关技术的数学模型及有关参数的基本含义,介绍了如何将相关技术与光电检测技术相结合实现工件缺陷检测的基本原理与检测方法,通过图形和波形描述了系统的组成和判断工件缺陷的基本过程。根据实际测试结果说明了该系统测试工件缺陷的优点及所能达到的测试指标,并提出进一步改进的设想。     

精密光学元件表面疵病检测技术研究

依据光学元件表面疵病存在的对比度低、边界模糊等特性,以及现有的自动化检测算法,提出了一种基于机器视觉的数字化评价系统,解决了疵病图像获取中的相机定位、图像采集、疵病检测、图像拼接以及疵病统计等自动检测技术问题.实验结果表明:系统实现了精密光学元件表面疵病的自动化检测,能够有效分辨微米(μm)量级的疵病,具有良好的疵病识别性能.     

液晶显示屏背光源模组表面缺陷自动光学检测系统设计

详细介绍了自动光学检测技术在液晶显示屏背光源模组表面缺陷在线检测中的应用,分析并比较了背光源模组缺陷自动光学在线检测中的成像技术、检测系统的组成、结构原理与设计方法,阐述了检测结果为不良品的返修方法。给出了背光源模组表面缺陷常见缺陷的种类和缺陷分类判断准则,把种类繁多的背光源模组表面缺陷分为画面缺陷、外观缺陷与异常缺陷;根据背光源模组缺陷形成的原因、种类,设计了背光源模组缺陷点灯检测和非点灯检测两种自动光学检测方案,所设计的自动光学检测方案对背光源模组组装产业开发缺陷检测系统具有有益的参考价值。     

基于光电检测技术的电缆表面缺陷实时监测系统研究

基于光电检测技术开发了电缆表面缺陷实时监测系统。在硬件结构方面,系统采用半环形LED白光源照射电缆,利用线阵CCD相机采集电缆表面图像。在软件算法方面,提出一种改进的ROI (Region of Interest)算法精确定位电缆区域,利用一种基于改进双边滤波的图像差分算法建立背景模型,改进一种基于CV-Kmeans区域分类自适应滤波窗口算法来凸显电缆表面缺陷特征。研究结果表明,基于光电检测技术研发的电缆表面缺陷实时监测系统的识别能力较高,整体监测准确率不低于97.0%。     

表面粗糙度光学测量方法研究进展

表面粗糙度对工件的性能有很大的影响,由于机械、电子及光学工业的飞速发展,对精密机械加工表面的质量及结构小型化的要求日益提高,使得表面粗糙度测量显现出越来越重要的地位。采用光学方法测量表面粗糙度具有非接触、无损伤、测量精度高等优点。介绍了用光散射法、像散法、散斑法、光干涉法、光学触针法测量表面粗糙度的原理及研究进展,讨论了上述方法各自的优缺点,对表面粗糙度测量的发展方向进行了预测。     

测量数据云中规则表面的自动识别

提出了密集测量数据云中规则表面自动识别斩通用算法,该算法以相邻测点组成的三角片法向变化来搜索规则表面及其边界,可应用于反求工程及各种机械仿形建模加工软件中,对于精度不高的测量数据云,可利用二维密度算法提取规则表面,该算法已成功应用于某商业用激光－机器视觉三维检测系统中。     

基于二值投影的PCB元件安装缺陷检测算法研究

研究分析了适用于AOI设备的PCB表面安装元件的缺陷检测算法.使用二值投影分析方法对2种元件类型的缺陷检测方法进行了研究,包括针对贴片电阻电容类型的chip元件和集成电路芯片类型的IC元件的缺陷检测方法.使用VC++6.0编写MFC程序实现算法,并制作了各种元件图像进行实验测试.实验结果表明,提出的方法能够快速有效的对两种类型的元件安装缺陷进行检测.     

自动化仪表测量中光电技术及其运用

随着国民经济的不断增长,科学技术的不断创新,我国自动化测量技术和仪器得到了质的飞跃。光电技术作为自动化仪表测量工作过程中的重中之重,是一项不可或缺的关键内容,直接关系到测量工作的质量和效率,能够最大程度降低工作人员的任务量,确保企业在最低成本下创造出最大的经济效益。笔者将对自动化仪表测量中光电技术及其运用展开分析与探讨,旨在为同行业者提供参考。     

一种基于超声检测图像的缺陷自动识别算法

传统探伤都是通过大量的人力对探伤图逐一判断,探伤效率低下,正确率不高。本文针对探伤A超图像序列提出了一种自动识别探伤的算法。通过分析探伤图像,首先对原图进行k-means聚类的分割,得到带有虚景的探伤声波图像。为了抑制虚警,得到完整的声波图像,本文使用了投影算法,并取得了很好的效果。最后在得到的声波图像上进行底波和缺陷波的检测,实现缺陷的自动识别。实验表明,本文提出的方法具有很高的准确率。     

基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。     

周期纹理背景中的表面缺陷检测技术

基于机器视觉原理的自动光学表面缺陷检测技术是当今工业生产中在线检测表面缺陷的一种新的技术方法,是精密制造与组装工业过程中保证零部件表面质量的重要检测手段.以液晶面板TFT阵列表面缺陷自动光学检测为例,介绍了表面缺陷自动光学检测的基本组成原理,阐述了周期纹理背景表面上的表面缺陷检测方法、缺陷信息处理的基本过程与实用算法.针对表面缺陷检测图像处理技术难题,详细论述了表面缺陷扫描图像中的周期纹理背景傅里叶变换频域滤波方法、缺陷分割双阈值统计控制法,并用实验结果给出了例证.     

基于激光测量的航发叶片表面几何缺陷识别技术

针对航发叶片修复检测的应用,提出了一种基于截面线一阶导矢法的叶片型面缺陷识别方法.该方法是以等高线法处理测量点云中的截面数据,通过B样条插值函数拟合成光滑曲线;再由B样条曲线的一阶导矢公式求出每个测点的一阶导数,然后以点斜公式求出截面曲线上各个测点的切线;如果曲线光滑,曲线上测点的斜率变化在两端点斜率值之间,否则表明曲线上有缺陷存在;根据k-d树的最近点搜索算法,遍历整个叶盆(叶背)就可以找到叶盆(叶背)上的缺陷区域.通过与三坐标测量实验比对,该技术可以实现3μm精度的缺陷识别.     

基于机器视觉的梨表面缺陷检测方法研究

针对梨表面缺陷的机器视觉检测问题,在对已有研究成果的分析和研究的基础上,论文采用形态学相加的方法实现梨图像的背景去除和表面缺陷提取;提出花萼、果梗与表面缺陷的区分方法;借助Matlab软件进行仿真算法的编程,通过作者设计开发的Graphical User Interface(GUI)界面,对三个品种的梨表面进行了缺陷检测仿真实验,成功提取了其中的表面缺陷信息,实验结果表明,作者提出的方法在多种梨的缺陷提取上通用性强、准确性高.     

一种基于机器视觉的笔杆表面缺陷检测方法

医疗器械产品生产中的笔杆表面缺陷是不可避免的问题,基于机器视觉的自动检测方法可以克服传统人工检测效率低、漏检及误检率高等问题。在分析笔杆结构和缺陷的基础上,文章重点研究笔杆边缘直线拟合、缺陷灰度值差异、图像边缘平滑和稳定等检测方法;通过实验证明,该方法准确率可达到98.8%,每个笔杆的检测时间为8.3 s,相较于人工检测,明显提高了检测精度和速度,可以满足对笔杆实时自动缺陷检测的要求。     

基于机器视觉的发动机表面缺陷检测技术

发动机表面的缺陷检测是保证其使用安全性的重要手段。本文应用机器视觉技术实现发动机内表面缺陷的自动检测,用内窥镜采集发动机装药内表面的图像,结合图像特点,通过多次实验对比,选择中值滤波方法对图像进行滤波、Canny算子检测图像边缘,应用像素灰度的相似性和不连续性将缺陷从图像背景中分割出来,在此基础上,选取面积和周长特征作为缺陷判断依据,并将以上功能进行整合,设计缺陷自动检测系统。实验结果表明该方法在发动机内表面缺陷检测方面有较好的效果。     

基于光学杠杆法的微纳位移测量系统

采用自行设计搭建的光学杠杆光路系统,使用位置敏感度探测元件(PSD)对悬臂梁的微小挠度变化进行测量.介绍了实验原理及系统搭建.实验测量与分析表明:系统分辨力可达0.06μm.对自制的悬臂梁挠度变形进行测量,并与微动平台的实际位移量对比,结果基本一致,验证了系统的可靠性.     

基于机器视觉的电子产品外观表面缺陷检测方法研究

目前电子产品外观表面缺陷人工检测工作量大,效率低而且漏检率高,迫切需求产品缺陷的自动化检测;实际检测中,塑料制品表面在光照条件下会出现反光,严重影响后续处理;缺陷微小且与制品颜色对比不明显,采用直接阈值无法分割;针对这一现状将机器视觉技术与虚拟仪器相结合,根据产品缺陷特征,选择合适的光照方案抑制反光,利用锐化滤波获取了缺陷部位特征清晰的图像,并对边缘模糊缺陷有效分割;识别结果表明,图像处理算法稳定,对绝大部分缺陷具有良好的检测效果。