基于机器视觉的啤酒金属盖表面缺陷检测方法

目的 为了提高啤酒金属盖表面缺陷检测的精度和准确率,提出一种基于机器视觉的金属盖表面缺陷检测方法。方法 以不同类型的啤酒金属盖表面缺陷为研究对象,利用滤波抑噪和高反差保留算法对图像进行处理,运用YOLO–v5网络完成瓶盖的缺陷检测。通过添加注意力机制SE模块、改进模型损失函数和预测框筛选方式等技术手段对原YOLO–v5模型作出优化,抑制图像中的不重要特征,提升小目标检测的准确率和模型的特征提取能力。结果 改进后的YOLO–v5模型与常用的检测模型的对比结果表明,改进YOLO–v5模型在测试集上的mPA指标为93.10%,检测速度达到了294张/min,优势较为明显。结论 针对不同类型的金属盖表面缺陷,基于机器视觉的检测模型均有较高的检测精度和识别准确率,小目标缺陷的漏检率和误检率情况较少,满足生产线实时、高精度的检测要求。     

基于机器视觉的罐盖缺陷检测

根据金属材质罐盖制造中生产线上的工作环境和检测要求,针对目前生产线上人工检测的速度慢、效率低、准确率不高等缺点,提出了一种基于计算机视觉的罐盖缺陷检测算法,可快速准确地实现生产线上的金属罐盖的缺陷检测.具体做法是综合一系列图像处理算法,对罐盖罐口、注胶区域、内圆区域等三个主要区域进行检测.结果表明,缺陷检测的速度可达到每秒10个,从而为罐盖的缺陷生产线在线检测提供了很好的支持.     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

磁瓦表面缺陷机器视觉检测与识别方法

针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视觉的磁瓦表面缺陷自动检测与识别方法.为解决磁瓦表面缺陷种类多、对比度低、图像中存在磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提高了分类器的准确性和有效性.实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的各类缺陷,检出率可达到96％以上,识别率超过91％.     

基于机器视觉的透明光学镜片缺陷检测技术研究进展

随着信息化时代的到来及智能电子行业的高速发展,相关行业对透明光学镜片的需求量逐渐增多并对其提出了更高的质量要求。本文从运用机器视觉进行产品缺陷检测的几个关键环节展开探究,包括：对各类镜片的图像采集方法进行研究、对缺陷图像的图像处理算法进行分析、以及对提取出的缺陷的识别分类方法进行归纳总结。从而探究目前运用机器视觉对透明光学镜片进行缺陷检测的发展现状,同时进一步对未来的研究趋势进行了展望和预测,以期对后续工作提供参考。     

基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

基于机器视觉的丝印样板表面缺陷检测方法研究

针对丝印样板表面缺陷检测采用人工目测法其检测效率低且漏检率高等问题,提出了一种基于机器视觉的丝印样板表面缺陷检测方法。对于边缘断裂缺陷,首先采用基于图像金字塔和归一化互相关(NCC)函数相结合的算法定位可能产生缺陷的边缘区域,然后在边缘区域生成一条灰度值扫描线,根据扫描线上的灰度值判断是否存在边缘断裂缺陷。对于圆度不完整缺陷,首先按照种子搜索、曲线追踪、曲线连接和轮廓选择的步骤提取出圆形轮廓,然后基于轮廓像素点拟合得到理想的圆形轮廓曲线,最后逐点比较提取的轮廓与拟合圆形曲线上对应点之间的距离,并根据设定的距离范围来判断被测目标轮廓是否存在圆度不完整的缺陷。实验结果表明,该方法实现了对丝印样板表面边缘断裂缺陷和圆度不完整缺陷的检测,提高了检测效率和准确率,缺陷检测的综合准确率达到94.6%。     

基于机器视觉的制袋机圆角袋单切系统设计

目的 针对制袋机在生产圆角袋时,常采用的双切方法存在的效率低、废料多、机械磨损快等问题,基于机器视觉设计圆角袋单切系统.方法 搭建视觉硬件平台,基于OpenCV视觉库,在Visual Studio开发环境中编写视觉软件.相机采用飞拍模式,通过第1牵引伺服编码器分频输出信号给PLC,PLC利用高速计数器通过I/O口对相机进行硬触发.用标定板对相机进行标定,得出像素当量值,经过滤波、二值化、边缘检测等处理后对圆角轮廓进行特征提取,制作模板.通过遍历图像,在模板圆角中心线上添加特征点,完成模板匹配时可直接得出当前图像圆角中心坐标,将圆角中心坐标与基准线坐标的差值作为纠偏值发给PLC,PLC控制移刀伺服实现单刀精准切除.结果 该方法可实现在拉料过程中,对圆角中心进行快速、准确定位,在当前制袋周期对当前袋子进行移刀裁切,实际裁切误差在±0.1 mm以内,满足目前最小圆角半径0.125圆角袋的制作要求.结论 采用飞拍模式的视觉系统图像处理速度快,可匹配高速制袋要求,有效解决传统生产圆角袋时出现的问题,满足工业生产的需求,实际应用价值较大.     

基于机器视觉的制袋机裁切定位系统设计

目的针对圆角包装袋传统裁切工艺中存在的毛刺和废料问题,设计一种基于机器视觉的高精度制袋机裁切定位系统。方法利用LED背光源、低畸变镜头、CMOS黑白相机和工控机搭建视觉系统硬件平台,在Visual Studio开发环境中,基于OpenCV函数库设计视觉软件,用基于最小二乘法检测图像边缘,进而标定相机,提取包装袋圆角轮廓为特征信息。系统以特征信息为匹配模板对圆角位置进行精确定位,得到亚像素级角点位置,最终控制伺服系统执行误差补偿裁切。结果该定位算法可实现16 ms内精确定位圆角坐标,绝对误差小于±0.02像素点。结论基于机器视觉的定位系统具有运算速度快、定位精度高等特点,有效改进了传统制袋工艺,能够满足生产需求。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于PLC的编织袋残次品自动筛选系统设计

目的设计一套自动筛选设备,实现残次品的自动筛选和剔除。方法结合纤维定向分布概率密度函数思想及连续介质力学理论对缝合区域进行分析,建立缝线力学特性模型;为确保筛选机构的真空吸盘群与编织袋底口缝合区域表面形成的负压满足要求,建立真空系统的真空度、透气度、时间三者之间的数学模型。结果推导出了缝线区力学特性参数、系统真空度、透气度、时间之间的关系,根据各参数之间的关系,采用三维制图软件Pro/E进行实体建模,并选取相关控制元器件完成了设备结构设计和控制系统搭建。结论该自动编织袋残次品筛选系统能够将有缝合瑕疵的产品筛选并剔除,且能大幅度提高编织袋生产效率和降低生产成本。     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。