基于图像处理与卷积神经网络的锂电池极片缺陷检测与分类

针对锂电池生产过程中极片缺陷检测存在精度差、速度慢的问题,提出了一种基于图像处理和卷积神经网络（Convolutional Neural Networks,CNN）的缺陷检测与分类方法。首先,利用双边滤波、灰度变换、阈值分割、形态学处理、Canny检测和最小外接矩形提取等方法,分别实现图像去噪、对比度增强、图像分割、区域填充、边缘检测和缺陷轮廓标定;然后,对极片的裂纹、破损、黑斑和压孔四种缺陷图像进行变换,扩充数据集,搭建卷积神经网络模型;最后,将标定轮廓区域延展图像输入到搭建的模型,确定缺陷类型。结果表明,该方法对锂电池极片缺陷的检测与分类具有较高的准确率,能够实现对锂电池极片缺陷的自动化检测。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法

针对锂电池极片在人工检测过程中检测效率低、检测错误率高等问题,提出一种基于自适应Gabor滤波与分水岭算法融合的锂电池极片缺陷检测方法。首先通过改进传统Gabor滤波器的参数,实现Gabor滤波器的自适应,得到滤除背景的缺陷图像;然后使用大津法对图像二值化处理,利用分水岭算法进行边缘提取;最后利用分割出的边缘获得坐标,利用最小外接矩形法实现缺陷检测。结果表明,相对于区域生长算法和改进的Canny算法,本文方法的抗干扰能力得到提高,可以对锂电池极片漏金属、黑斑、白斑、脱碳、条痕等多种缺陷进行较为精确地检测,能够用于锂电池极片缺陷的自动化检测。     

基于图像处理的陶瓷产品缺陷识别研究

针对生产线上陶瓷天线罩缺陷(裂纹缺陷和气孔缺陷)图像的特点,研究了基于图像处理的天线罩缺陷识别算法。图像经灰度化处理、二值化处理、中值滤波、边界提取和目标区域标记等预处理方法,有效地去除了干扰噪声,并突显出缺陷区域。裂纹缺陷经骨架提取处理和长度统计,得到裂纹长度值;统计气孔缺陷区占有像素数,得到气孔面积值。实验表明该算法能够较精确地检测出陶瓷天线罩的缺陷值,基于图像处理的天线罩缺陷识别方法可行、有效。     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

基于机器视觉的冲压件尺寸参数测量

冲压件在工业生产中是大批量生产工件,针对传统人工测量其尺寸参数时工作量大、测量效率低的问题,开发了一种基于机器视觉的在线测量系统。该测量系统的硬件部分由光源、镜头、相机和计算机等组成,系统采用透射光照明以突出冲压件的结构轮廓特征;软件部分对采集到的图像首先进行预处理、再进行阈值分割,然后提取冲压件图像的边缘。最后,为了提高所需测量的几何要素的检测精度,在霍夫变换的基础上运用圆的几何特性来精确定位圆心。实验结果证明了该测量系统的有效性和检测算法的可行性,提高了测量效率,实现了冲压件尺寸参数的非接触在线测量。     

基于图像处理库的机器视觉检测系统的研究

为满足机器视觉检测系统通用性的需求,设计出一套机器视觉检测硬件系统,并在此基础上设计出一种基于图像处理库的检测系统软件。该视觉软件包含一套应用于工业的图像和信号算法处理库,该库作为单独的软件模块,通过插件的方式为通用外观检测软件使用。利用图像处理算法组件分别配置图像处理链,对电容器外观底部露白缺陷和引脚变形缺陷进行检测实验,测试结果表明该视觉检测系统具有较好的通用性和实用价值,可以满足工业领域部分的图像和信号处理的需求。     

玻璃纤维布的机器视觉缺陷检测系统设计

针对目前国内玻璃纤维布生产企业的布匹缺陷检测方式仍采用人工检测的状况,设计了一种基于机器视觉的玻璃纤维布缺陷检测系统,该系统包括图像采集模块、人机交互模块、图像处理模块和缺陷数据统计模块四个部分,详细阐述了各模块的实现方法和技术。在VS2010平台下基于C#、Halcon和SQL Sever数据库的研制出了玻璃纤维织布缺陷检测软件系统,并在实验平台上进行了相关的调试和实验验证。结果表明该系统稳定可靠、实时性好,满足了预期的研发要求。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

基于图像处理技术的铸坯表面缺陷自动检测系统的研究

针对目前国内铸坯表面缺陷检测方法落后、检测效率低的情况,应用图像处理技术,设计了铸坯表面缺陷自动检测系统方案.研究了适合高温高辐射条件下的图像采集方案和算法,采用基于BP神经网络的模式识别方法对铸坯表面缺陷图像进行识别与分类,能够有效地提高铸坯质量管理.     

基于机器视觉的PCB裸板缺陷自动检测方法

提出了通过比较标准图像与待测图像差异并分析差异区域边界进行印刷线路板(PCB)缺陷检测与识别的算法。在同一位置采集多幅标准PCB图像并计算其灰度平均值从而得到标准图,将待测PCB图与其进行对比。首先使用限定区域Hough变换快速检测出图像中相互垂直相交的细短标志线,将线段的交点作为特征点并计算其坐标,进而对标准图与待测图进行仿射变换配准,差影计算后,再通过二值化、形态学处理等去除伪缺陷,即可获取缺陷区域位置。在此基础之上,对处理过的差影图进行膨胀处理,通过边界检测获取各个缺陷区域闭合轮廓各点坐标。分析各个轮廓坐标对应阈值分割后的配准待测图中点的像素值,并结合缺陷是缺料缺陷还是多料缺陷识别出缺陷类型。对合格的和有缺陷的PCB图各200幅进行算法测试,检测准确率为98.3%,基本能够稳定检测出常规缺陷。     

基于机器视觉的收藏币类型识别及币面缺陷检测

以开发收藏币币面品相检测系统为目标,研究了图像滤波、变换、类型识别及配准等技术。通过预处理初步分割出币面区域,采用多目标相关性模板匹配法,识别出收藏币类型及币面特征在图像中所处的位置,然后根据匹配结果将目标图像与参考图像进行配准,在配准的基础上进行差分,实现对收藏币币面缺陷区域的提取。再根据不同类型缺陷的灰度、几何、形状特征的不同对缺陷区域进行分类识别,然后统计缺陷区域的面积、坐标等参数。实验数据表明,收藏币币面图像识别配准高效准确,能够有效提取出缺陷区域并准确统计缺陷参数。     

基于机器视觉的连接器缺陷自动检测

针对人工检测连接器效率低、易漏检,严重影响产量与质量,提出一种基于机器视觉的非接触式自动检测方法。连接器的缺陷存在于本体的内外表面,选择合适的照明方案使缺陷都能被采集到;缺陷特征类型多、差异大,利用卷积滤波处理得到高质量的图像,缺陷特征与背景区别明显;最后,应用Otsu阈值分割处理,采用边缘直线建立坐标系的方法自动定位检测有效区域,消除了产品的位置误差;统计目标像素数,检测目标。实际检测表明,该系统检测结果稳定,正确率高,速度快,可满足连接器生产自动检测的实际需求。     

透明件表面缺陷的机器视觉检测综述

随着现代科技的发展,透明件几乎运用于各个行业并起着不可或缺的作用,透明件表面质量是衡量其合格与否的一个重要指标,同时机器视觉技术因具有速度快、精度高、成本低、稳定性好等优点被广泛用于透明件表面缺陷的检测.本文主要从图像采集、图像处理和缺陷识别几个环节来介绍透明件表面缺陷的检测,对检测系统的类型,采集图像的处理方法以及实...     

基于改进YOLOv4的柱形锂电池缺陷检测研究

为了实现柱形锂电池缺陷检测的实时性与高精度,提出一种基于改进YOLOv4的柱形锂电池表面缺陷检测算法。将主干网络由CSPDarkNet53替换为轻量化网络Mobile Netv1,使用K-means++算法对锂电池缺陷数据集先验框进行重新聚类,同时构建新的注意力机制ECSA模块关注重要信息。改进后的模型检测精度与检测速度均得到提升。     

基于机器视觉的LED芯片缺陷检测系统研究

近年来计算机及信息技术飞速发展,并在各个领域得到了广泛应用,极大地促进了社会的发展.数字图像处理技术以其高效准确性,在工业产品缺陷检测中发挥了重要作用.利用该技术可以代替人工检测,极大地提高了工作效率,降低了人工成本,增加了企业收益.因此,研究基于图像处理的LED芯片缺陷检测系统,对比不同LED芯片缺陷类型及传统检测方...