冷轧板表面起皮缺陷研究

为了提高冷轧薄板的成材率,研究了冷轧薄板表面条痕缺陷的宏观和微观特征,提出夹杂物、铸坯表面裂纹、气泡是形成表面缺陷的主要原因.严格工艺操作可减少或消除缺陷.     

基于脉冲涡流技术的连铸坯表面缺陷检测

为了实现高温连铸坯表面及近表面缺陷在线检测和缺陷坯及时分拣,提出了连铸坯表面缺陷脉冲涡流检测方法并进行了实验研究。对连铸坯表面缺陷的脉冲涡流检测信号进行差分分析和时域分析,提取了连铸坯表面缺陷信号的电压峰值、峰值时间及过零时间等特征量,并分析得到点缺陷、线缺陷、星状裂纹等缺陷对脉冲涡流检测信号特征值的影响规律。研究表明,采用脉冲涡流技术实现高温连铸坯表面及近表面缺陷的无损在线检测技术是可行的,电压峰值、过零时间和峰值时间与缺陷种类及缺陷的形态密切相关,为进一步研究高温铸坯表面缺陷检测和重构奠定了基础。     

基于光度立体学的金属板带表面微小缺陷在线检测方法

高品质金属板带对于表面质量的要求非常严格,不允许存在一些微小的缺陷,现有的基于机器视觉的表面在线检测系统很难检测到微小缺陷.采用光度立体学的原理,利用两幅不同光照角度的灰度图像获得表面法向的方法检测表面微小缺陷.彩色三线阵电荷耦合元件(Charge-coupled device,CCD)摄像机安装在垂直于金属板带方向上,一台红光光源和一台蓝光光源对称安装在摄像机两侧.摄像机采集到的彩色图像可分离出R、G、B通道图像,其中R、B通道图像分别为红色、蓝色光源的反射光图像.表面倾角法可通过R、B通道图像计算表面倾角分布图,并根据表面倾角分布图检测微小缺陷.通过试验验证该方法可检测直径为0.1 mm的孔洞.讨论在一套检测装置中实现微小缺陷与常规缺陷同步检测的方案.在红光、蓝光两种光源基础上增加一台绿光光源,与摄像机形成介于明暗场的照明方式,可通过摄像机分离出的G通道图像检测金属板带表面的常规缺陷.     

双相钢铸坯表面孔状缺陷热轧过程演变规律

针对双相不锈钢在铸坯易出现因氮气上浮形成孔状缺陷的问题,在铸坯上进行热轧轧制,发现铸坯表面孔状缺陷随轧制过程的演变规律,确定可增加轧制道次,消除缺陷。     

基于DSP的轴承外观表面缺陷检测系统

针对滚动轴承外观表面缺陷依靠人工检测,提出了一种利用数字图像处理技术实现对滚动轴承外观表面缺陷的在线检测.以TMS320DM643为核心器件建立了实时数字图像处理的硬件系统,通过CCD摄像机获取轴承外观表面的视频图像,利用图像分割等算法对视频图像进行处理,提取轴承外观表面缺陷,实验结果表明,该系统可有效地检测出表面外观有缺陷的滚动轴承.     

激光聚焦线扫描法测量KDP晶体坯片的体缺陷

为了快速准确测量磷酸二氢钾(KDP)晶体坯片的体缺陷,提出了高速激光聚焦线扫描散射成像方法,并建立了相应的测量系统。研究了该系统的测量原理和图像采集、图像处理和体缺陷信息提取方法。基于激光散射技术,结合高速运动装置对晶体坯片内部进行三维扫描,用线阵CCD探测器接收气泡、包裹物等体缺陷产生的散射光。然后利用折射率匹配液消除粗糙表面带来的不利影响。最后结合数字图像处理技术,对采集的图像进行实时处理。通过去除背景后与设定阈值比较得到具有体缺陷特征的图像,再对其进行二值化处理,提取得到体缺陷的位置和尺寸信息。利用该检测装置对KDP晶体坯片体缺陷进行了测量,结果显示其检测分辨率优于40μm,能够为晶体坯片的精确切割和最大程度的利用提供依据,从而节省了大量成本。     

基于OpenCV的磁瓦表面缺陷视觉提取方法研究

针对磁瓦在加工过程中所产生的表面缺陷,提出了一种基于OpenCV的磁瓦表面缺陷机器视觉检测方法.通过计算图像的熵值初步判定磁瓦表面纹理是否均匀,进而对判定有缺陷的图像计算相应的灰度阈值,然后使用所得阈值对图像进行二值化处理,最后使用OpenCV勾勒出缺陷轮廓.实验表明该方法可以准确地在图像中提取出缺陷.     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

基于LVQ的带钢表面缺陷分类研究

简要介绍了带钢表面缺陷二级检测的方法.研究了基于缺陷图像直方图、纹理、投影和形状的特征提取.提出了用LvQ神经网络进行缺陷分类的方法.分类测试表明该方法有较好的分类识别性能.     

一种基于机器视觉的快速规则的表面缺陷检测方法

提出了一种基于机器视觉的产品表面缺陷快速检测和定位的方法。该方法引用Pearson(皮尔逊)相关系数的概念,通过待检测样本图像和模板图像皮尔逊相关系数阈值可以很好地确定图像中的产品是否有缺陷,再通过待检测图像和模板图像进行差运算得到差影图像,以实现缺陷的定位。实验结果表明本方法与Du-Ming缺陷检测方法相比具有优越性,并且在壁纸表面缺陷检测中得到了较好的效果。     

基于EMD和Snakes模型信息融合的表面缺陷检测方法

本文将具有自适应滤波特性的经验模式分解（EMD）方法与Snakes模型相结合，提出了适用于高噪声复杂背景下表面缺陷图像检测的新方法。首先采用改型EMD在整幅图上将缺陷的位置和大致范围从复杂背景下分离出来，然后在缺陷附近用向心搜索法缩小缺陷的检测区域，最后用Snakes模型迭代逼近缺陷边缘。该方法能自动、准确地完成球形金属表面的缺陷检测。实验结果表明，该方法是有效和可靠的。     

Detection of pinhole defects on chips and wafers using DCT enhancement in computer vision systems

This paper presents a global approach for the automatic inspection of tiny pinhole defects in randomly textured surfaces of surface barrier layer (SBL) chips. By means of a discrete cosine transform (DCT)-based image restoration scheme, the proposed method is independent of textural features and thus not confined by the limitations of feature extraction based methods. Through properly decomposing the frequency matrix of an image in the DCT domain and selecting the best radius of the sector filter for the high-pass filtering operation, we effectively attenuate the global random texture pattern and accentuate only tiny pinhole defects in the restored image. We also develop two accumulative sum detection procedures that automatically determine the best high-pass filtering parameters based on the abrupt changes of the frequency coefficients in the decomposed matrix. Experimental results show that the proposed method outperforms the traditional approach in reducing the Type I error by 70–80% and in decreasing the deviation of the defect areas by 95%. Moreover, the proposed method can be applied to various types of passive components in large-batch production because no precise positioning of the target chip or template matching is required.     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于机器视觉的浮空器囊体材料表面缺陷检测系统

在复杂气象环境下,浮空器囊体作为整机系统的直接受压面,其表面必须平整光滑,无褶皱损伤,以将其与空气的摩擦力降至最小。文中基于机器视觉对浮空器囊体材料表面缺陷检测进行系统设计。首先为了降低背景灰度变化对缺陷检测的影响,研究了一种同时具有噪声滤除与图像增强功能的预处理算法;其次利用图像二值化和中值滤波技术实现特征图像的预处理,并结合纹理特征提取技术（基于灰度共生矩阵）对囊体材料表面不同缺陷图像的特征参数进行仿真提取,通过分析不同特征参数,判断囊体材料的表面缺陷类型。该系统对采集到的200个囊体材料表面缺陷样本的分析表明,所用方法能识别浮空器囊体材料93.6%的表面缺陷,识别内容包括缺陷的类型、位置、大小等,并根据缺陷的类型加盖不同的标记。该系统具有较高的识别率和准确率,可对浮空器囊体材料表面缺陷进行快速检测。     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。     

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。     

基于主动式全景视觉的管道内部缺陷检测方法

针对管道内表面检测空间受限的约束以及同时需要检测管道内壁功能性缺陷和结构性缺陷等需求,基于主动式全景视觉检测原理提出了一种既能视觉检测管道横截面几何尺寸又能获取和分析管道内壁表面缺陷的管道内部全方位视觉检测方法。利用携带有主动式全景视觉传感器的爬行机器人进入管道内部,分别实时获取内壁全景图像及激光横断面扫描全景图像。本文重点介绍基于管道内壁全景图像的缺陷检测方法,对管道内壁全景图像进行展开、预处理并提取管道病害区域的几何特征,最后判定缺陷类别及危害程度。经本文方法获取的缺陷几何特征实验数据验证,管道内表面存在的较为普遍的裂缝、腐蚀缺陷几何特征差异明显：腐蚀缺陷的圆形度较大,而裂缝缺陷的圆形度趋于0;腐蚀缺陷的凸度普遍大于裂缝缺陷;裂缝缺陷由于弯曲程度不同其边界离心率变化率大,而腐蚀缺陷的边界离心率趋于1。实验结果表明：该系统能够有效提取疑似缺陷区域并计算各几何特征,可通过合适的阈值判定其所属类别,为管道内表面缺陷检测提供了一种新的手段。     

基于深度学习的铸件缺陷检测方法

针对铸件X射线图像获取困难、人工及传统识片方法效率低且漏判率高的问题,文中提出了一种基于深度学习的铸件缺陷检测方法。首先,采用Overlap切图（重叠切图）数据增广方法实现缺陷扩充,并基于简化Mosaic数据增广进一步提升图像的复杂度;然后,基于仅浏览一次（You Only Look Once, YOLO）的理念实现缺陷检测模型构建;最后,提出一种基于边界框抑制的测试图像缺陷检测方法,以子图迭代方式完成测试图像中的缺陷检测。实验结果表明,该方法能够有效实现多种铸件缺陷的自动检测,为铸件缺陷检测提供了基于深度学习的解决方案。     

基于图像特征统计分析的PCB焊点检测方法

提出了一种基于图像特征统计分析的炉后焊点检测方法,以提高在线自动光学检测系统的检测性能和可操作性.提出双阈值的AdaBoost算法用于设计分类器,在训练的同时进行最优特征选择和分类器的增强,实现了焊点图像特征的自动提取和检测参数的自动设定.采用分类和回归树方法将焊点缺陷决策方法优化为一棵二叉决策树,提高了检测速度.实验结果表明,该方法训练速度较快,可以满足实际生产需要.与目前已经实用化的图像对比算法和图像分析算法相比,在保持现有检测速度基本不变的情况下,该方法的检测精度更高.