基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

基于机器视觉的铁路货车滚动轴承表面缺陷检测

针对目前轴承缺陷检测操作复杂、速度慢、精确度低等缺点,利用数字图像处理技术,设计出基于CCD成像技术的轴承缺陷非接触在线检测系统,讨论了系统中灯光、摄像机的安装位置对成像的影响,提出利用图像特征的麻点的检测方法,该系统能对麻点缺陷进行识别,对缺陷的区域进行测定。现场测试表明,系统操作简单、速度快、精确度高、为轴承缺陷检测提供了一种新方法。     

基于机器视觉的线扫描弹簧表面缺陷检测系统的研究与实现

针对传统的弹簧人工检测存在效率低、检测精度不高等缺点，本文通过对几种方案的对比论证，构建了一个基于机器视觉的线扫描弹簧缺陷自动检测系统，并在Visual C＋＋2005平台下开发了系统软件，对图像进行一系列的分析和处理，最终实现了对金属表面缺陷的自动检测识别，并还能够得到精确的尺寸测量结果。通过测试，结果表明系统能够实现既定的要求和目标。     

西门子机器视觉系统在PET饮料瓶缺陷检测中的应用

吹瓶、灌装、套标、喷码是PET饮料生产的四道关键工序。为了实现在这几道工序中的PET饮料瓶外观缺陷检测自动化，本文研讨用西门子机器视觉技术结合西门子自动化设备在线检测PET饮料瓶的外观缺陷并自动剔除不合格产品的方法。     

基于机器视觉的闭气塞表面缺陷自动检测系统

设计了一种针对微小零件闭气塞的表面缺陷自动检测系统.该系统采用自动控制技术实现闭气塞的上料、排序、搬运、定位和正废品分离,采用图像采集和处理技术实现缺陷的自动识别与分类.选择快速图像匹配算法快速定位目标零件在图像中的位置,把目标零件和无缺陷的标准模板图像减影获得缺陷图像,以缺陷的几何特征和统计特征获得缺陷的类型.实验结...     

基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

钢轨表面缺陷检测机器视觉系统的设计

设计了动态阈值分割算法和缺陷区域提取算法,对钢轨表面掉块、表面裂纹两类典型缺陷图像进行处理,可以准确提取缺陷区域,标定缺陷位置,并统计缺陷特征。搭建了在线钢轨探伤模拟平台,通过高速线阵相机和辅助光源获取图像,由千兆网传输到工控机中,利用Halcon和Visual Csharp编写上层图像处理软件进行在线检测。模拟钢轨探伤实验可以在最快100 km/h速度下,准确的发现钢轨样品表面宽度1 mm的裂纹缺陷,并记录缺陷所在位置。     

基于机器视觉技术的壳体表面缺陷检测研究

以自行研制开发的深海水密圆形连接器外壳体为例,本文提出了一种基于机器视觉技术的壳体表面缺陷检测方法,阐述了机器视觉技术在壳体表面缺陷图像的处理过程及特征值提取过程,并在深海水密圆形连接器产品研发中连接器壳体缺陷检测进行应用.最后,构造了运用BP神经网络进行壳体表面缺陷识别的分类器,实现了壳体表面缺陷的准确识别与分类.     

基于虚拟仪器的质量检测机器视觉系统

对机器视觉、虚拟仪器各自应用的特性作了比较，指出了机器视觉和虚拟仪器相互结合的技术优点，探讨了基于虚拟仪器的质量检测机器视觉系统的物理实现问题。文章比较详细地讨论了光源设计、摄像机、图像采集卡选取和系统软件设计等方面的技术实现细节。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.     

基于机器视觉的孔类零件尺寸在线检测

应用机器视觉技术对孔类零件进行尺寸测量,采用边加工边测量的方式进行在线检测,可有效缩短零件的生产周期,提高生产效率.通过分析零件的工艺特征,选用CMOS相机与高精度远心镜头,对有倒角的特征采用环形光源照明,对未倒角的特征采用同轴光源照明,提高了硬件平台的柔性化.针对图像采集与传输过程中的椒盐噪声与高斯噪声,对采集后的灰...     

基于机器视觉的拆回旧电表参数信息检测技术研究

针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题,提出了一种基于机器视觉的参数信息检测方法,通过检测智能电能表的额定参数信息,完成电能表的分类回收工作。在以C#与Halcon为软件平台建立智能电能表图像检测系统的基础上,采用Blob分析算法,对图像进行ROI(感兴趣区域)提取,采用直方图均衡化对提取后的图像进行处理,以增强背景与目标区域之间的对比度,获取质量较高的电能表图片,通过OTSU算法对Canny边缘检测算法进行改进,提高图像阈值范围的自适应性,获取更完整的图像外观轮廓,最后对图像进行字符分割处理,得到电能表的额定参数信息。经过实验验证,该方法能够准确检测识别电能表铭牌的额定参数信息,实验数据显示检测准确率达99.5%,平均每台电能表检测耗时0.62 s,很大程度上节省了电能表分类工作的检定时间,提升了工作的效率与准确性。     

基于支持向量机的规则零件检测技术研究

基于机器视觉的零件检测系统由于具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。采用基于支持向量机的分类识别算法,避免了神经网络算法中需要多样本和过度拟合的问题,通过对比分析选择合适于本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试,最后对采集到的缺陷零件样本进行了分类测试实验,达到预定的较高的检测精度。     

基于机器视觉的化成箔缺陷在线检测系统设计

针对目前化成箔缺陷检测效率低、劳动强度大、检测精度差等问题设计了基于机器视觉的化成箔缺陷在线检测系统。本系统针对图像对比度较低的化成箔,根据不同类型缺陷所需的不同条件光照效果,采用了特定的光源光照方式,使用高性能(CCD)工业相机实时自动获取化成箔的图像,以 OPENCV处理函数库为基础,采用 VS2008平台编写可视化操作界面,结合后续处理算法对化成箔的各种缺陷进行检测。后续图像处理部分,运用 CLAHE 与 Niblack局部自适应二值化相结合的方法,配合Blob分析较为准确地实现了缺陷区域分离算法;运用霍夫变换与掩膜相结合的方法实现了边缘区域背景去除算法。经过在化成箔生产线上的大量实验结果表明,该系统能准确地完成缺陷的在线检测。     

基于机器视觉的圆网印花机对花检测系统

针对圆网印花对花检测问题,提出利用机器视觉的方法来检测印染过程中对花误差的大小.首先介绍了印染织物图像的特点,并结合“错花”图像的特点,采用JSEG算法对织物图像进行分割;选取各颜色区域的边缘轮廓作为匹配的特征信息,通过两次基于Fourier-mellin变换的曲线匹配,完成误差的检测.最后给出了“错花”误差的计算结果...     

机器视觉在流水线条形码识别中的应用

随着工业自动化技术的发展,国内不少工厂实现了生产过程自动化管理.但是对于生产和物流传送流水线上产品条形码的检测,由于运行速度快,条码品种多,距离变化大,传统的基于光电转换的条码识读技术已经显得无能为力.本文提出基于机器视觉的条码自动识别技术,利用高速CCD摄像机得到条码的图像,通过几何变换,滤波去噪,阈值处理等有效的图像处理和快速模式识别方法,结合优化设计的条码码制数据库实现了流水线物品条码的快速、精确识读.