基于嵌入式系统和图像识别的拉索表面缺陷检测技术

以关系桥梁安全健康的拉索表面缺陷检测作为研究内容,针对国内对拉索表面保护材料层的两种检测方法的不足,设计了以嵌入式DSP为核心的扫描采集和缺陷检测系统,包括图像采集机构,DSP硬件平台、爬行运动机构以及损伤定位机构;提出了基于图像的快速识别拉索表面缺陷的检测识别方法,包括图像截取、滤波降噪.图像分割、缺陷识别,并加以算法实现.实验结果表明,该方法不仅实现了拉索表面缺陷的实时检测,同时系统指标达到:最小识别面积为1cm2,图像实时处理速度为10cm/3s.     

玻璃表面缺陷检测系统研究

目的针对玻璃表面存在的划痕、漏点、结石和水印等4种主要缺陷,研究一种基于背光照射的玻璃表面缺陷检测方法,提出一种改进K均值聚类算法用于水印缺陷的检测。方法首先,通过设计的图像采集系统对玻璃图像进行采集,并对采集图像背景估计;然后根据水印缺陷与其他3种缺陷的灰度差异,将含缺陷的玻璃分成2类,完成缺陷粗分类;接着利用边缘检测算法对含划痕、漏点和结石缺陷的玻璃图像进行处理,利用结合了Otsu阈值分割方法和补偿系数f的改进K均值聚类算法对含有水印缺陷的玻璃图像进行处理,最终实现对玻璃表面4种缺陷的识别与标记。结果实验表明,该系统操作方便,算法复杂度低,缺陷识别准确度高,检测速度快。结论通过上述玻璃表面缺陷检测系统,可准确高效地检测出玻璃表面存在的4种主要缺陷。改进的K均值聚类可以准确实现对水印缺陷的检测,且该方法可以克服聚类迭代次数高,聚类结果容易陷入局部最小等缺点。极大地提高了缺陷检测的效率,可用于玻璃生产过程中的实时检测。     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

基于图像处理技术的五金件表面缺陷检测研究

为实现图像处理技术在表面缺陷检测中的应用,取代传统人工检测的方式,设计开发了一套五金件表面缺陷检测系统,研究了镀镍五金件表面图像在线处理算法,包括边缘检测算法、位置修正算法、标定算法和检测算法,实现了五金件表面缺陷视觉检测.同时提出一种阈值反馈算法,用实际缺陷值反馈验证理论缺陷值,最终得到可靠的缺陷阈值,判断表面缺陷....     

带钢表面缺陷视觉检测系统关键技术研究

为满足钢板表面缺陷在线检测系统宽幅面、高速、高分辨率的检测要求，讨论了基于线阵CCD的钢板表面缺陷视觉检测系统实现的关键技术；优化设计了视觉检测系统的光学照明部分，以检测不同类型的缺陷。通过软件系统的特殊设计，以保证实时在线检测。针对缺陷图像低对比度、高噪声的特点，提出了基于灰度统计特性的图像边缘检测方法，并实现了对缺陷图像的自适应阈值分割。依据图像的缺陷统计特性，定义了缺陷的灰度、几何等特征量，用于缺陷分类。本系统样机已在实验室环境下运行。     

基于图像处理的内衬套表面缺陷检测

为了提高内衬套的检测速度和精度,保证内衬套的使用寿命,提出结合图像处理技术实现内衬套表面缺陷的自动检测.通过采用CMOS相机在近红外背光源暗域照明环境中获取图像并进行处理,实现对内衬套的毛刺及擦痕的自动检测.本检测系统主要通过图像形态学滤波和GrabGut图像分割算法分别实现对内衬套表面毛刺和擦痕的检测,通过轮廓拟合提取检测毛刺和擦痕的图像,从而实现对内衬套的表面缺陷检测.实验表明,所提出的内衬套表面缺陷的自动检测方法具有高效、准确的优点,且该系统运行稳定,因而具有推广价值.     

精确测量金属镀层工件表面缺陷的图像处理方法

设计了一套自动测量表面缺陷的系统．以面阵CCD采集图像,实现了对金属镀层工件表面图像的双面、高速、高分辨率测量．系统的图像处理采用模块化程序设计,方便实现工件表面精确测量的特定要求．通过两次分别选取闽值,采用经过改进的大津阈值分割法求取特征分割阈值时,能够十分理想地提取工件上的微小缺陷,实现了对金属工件表面的精确测量．该系统针对不同形状、不同镀层的工件表面可以调整LED照明光源的光强,在图像处理中可以调整去光圈和特征检测的灵敏度．通过方便调整系统的技术参数,满足工业现场的具体要求．以钕铁硼小型工件缺陷检测作为应用实例验证了该系统的可行性．     

基于无人机图像的风力发电机叶片缺陷识别

针对风力发电机叶片人工检测低效,缺陷诊断难的问题,提出一种基于无人机与图像处理的风力发电机叶片缺陷识别方法。通过Halcon 12与Visual Studio 2015的联合开发,实现图像处理流程、检测结果输出以及缺陷回放等功能,包括相机标定、通过快速自适应加权中值滤波处理图像、动态阈值分割叶片图像缺陷特征,利用区域处理识别裂纹和砂眼等缺陷,并对缺陷进行分类与测量以及输出对叶片质量的分析报告等,实现风力发电机叶片表面缺陷的自动检测功能。通过实例验证了该方法在风力发电机叶片表面缺陷检测中的较高精确性与算法稳定性。     

纸塑复合袋表面缺陷图像分割算法的设计与实现

目的 纸塑复合袋表面缺陷图像受到噪声、光照不均以及自身缺陷等因素的影响,在对图像缺陷区域进行分割时会造成过分割或欠分割.针对此现象提出一种将边缘检测和自适应区域生长法相结合的纸塑复合袋表面缺陷图像的分割算法.方法 首先利用Sobel算子和形态学运算对双边滤波后的缺陷图像进行第1次分割;然后对缺陷区域进行最小外接矩形标记并计算其形状特征,通过判定形状特征大小来决定是否继续分割;最后将符合继续分割的图像缺陷区域质心作为初始种子点,在原始图像上进行自适应区域生长,形成第2次分割结果,完成缺陷图像分割.结果 与其他算法相比,该算法对各类常见缺陷均能取得较好的分割效果,Dice系数均在0.93以上.结论 该算法分割精度较高,有较强的鲁棒性,可以满足工业上的生产需求.     

CMOS摄像模组缺陷的自动检测系统研究

CMOS摄像模组缺陷检测要求系统能够检测光学镜头聚焦状况以及在摄像模组生产过程中产生的各种缺陷,包括:亮点、暗点、线缺陷、色差和暗斑等。为实现检测目的,系统使用CPLD通过帧捕捉把图像传输至计算机进行处理,运用多种图像处理算法来分析获取的不同图像,以检测出模组的相应缺陷。实验结果证明该系统在生产线上能够可靠运行,实现高速度高精度的缺陷检测。