环保型体育用品合成革的制备工艺与性能优势研究

简单介绍了目前我国环保型合成革的分类和特点,并针对传统合成革制备工艺中排污量大、污染严重等问题,提出了一种环保型合成革制备工艺,同时探究了每种环保型合成革应用于运动服装、运动鞋、篮球、足球等体育用品中的性能优势,以期促进环保型合成革在体育用品中的应用,为制革工艺的清洁化发展探索可行的工艺路线。     

体育用品用合成革材料的制备研究

由于运动员剧烈运动时会产生热量与汗液,所以体育用品需具备良好的透气性、吸水性与机械性能。而随着各式各样合成革材料的衍生,以及制备工艺的不断改进,超细纤维合成革逐渐拥有了天然皮革的耐磨性、耐折性与舒适性等优势,还可为运动员提供轻质舒适的使用感。所以它逐步取代天然皮革成为体育用品制备领域用最新、最佳材料。本文以体育用品领域用超细纤维合成革材料为例,以改性纳米TiO₂与水性聚氨酯等为主要材料对其进行了改性制备,并测试分析了其卫生性能与力学性能。结果发现,添加改性纳米TiO₂的超细纤维合成革材料贮存稳定性整体表现良好;改性纳米TiO₂的掺加在很大程度上提升了超细纤维合成革材料的透气性与透水汽性、耐水解性、耐磨性与耐折性,而掺加量为3%时材料性能表现最优。     

基于计算机视觉的十字线检测算法

为检测四色印刷套印是否准确,提出一种基于计算机视觉的十字线检测算法.通过对印刷品的黄、品、青、黑四色十字线进行图像分割,得到四色十字线;分别对四色十字线进行图形定位,得到四个十字线的中心;根据四个中心的位置关系判断四色套印是否准确.实验证明,该算法能正确检测套印是否准确,并且容易实现.     

基于机器视觉的纽扣缺陷检测技术研究

利用机器视觉和深度学习算法对纽扣缺陷进行检测。首先对纽扣图像滤波去噪处理,提取轮廓并获取图像特征;接着对图像阈值分割,对二值图像标记连通域,完成纽扣区域分割及轮廓提取,通过轮廓数目判断是否存在多孔、少孔和外形轮廓缺陷;最后使用YOLOv4算法训练纽扣缺陷类型,实现四眼塑料纽扣缺陷检测。验证结果表明纽扣缺陷检测精度达到了95.5%,单个纽扣平均检测时间为0.89s,满足工程应用需求。     

基于机器视觉的印刷品缺陷检测的改进

<正>一、引言在印刷过程中,由于印刷工艺及机械精度等原因,印刷品往往会出现色差、套印不准现象,还会出现一些飞墨、墨点、刮擦以及包装品凹陷、残缺之类的外观缺陷,从而导致印刷次品的产生。传统的印刷品表面缺陷检测一般有主观目测法、密度检测法和色度测量法三种测量方法。主观目测法主要通过肉眼直接将印刷品和标准原稿进行比对,同时还借用其他辅助设备来寻     

体育用品复合材料的超声无损检测技术

在竞技体育越来越受重视的今天,体育用品在对自身装备的改进与研究上也提出了更高的要求。复合材料以比重小、比强度和比模量大的特点运用到体育用品中的比例越来越大。由于复合材料的非均质性和各项异性,在制造过程中工艺不稳定,极易产生缺陷,而超声检测以灵敏度高、穿透性强和成本低等优点广泛应用于复合材料的无损检测中,且通过纵波脉冲反射法的超声无损检测可以清楚的发现各种缺陷并能进行分析。因此,超声无损检测技术会广泛的应用在体育用品复合材料上。     

基于OpenCV的食品包装缺陷分割方法

针对现有食品包装表面印刷缺陷分割算法中分割速度慢、精度低的问题,提出基于OpenCV实现图像差分与形态学处理结合的表面缺陷分割方法。分别对模版图像和待测图像进行高斯低通滤波运算;将预处理后的两幅图像作差分运算,得到其差分结果;采用形态学开运算来去除差分图像的噪声并标出目标缺陷位置。选取污点、飞墨、漏印3类缺陷样本各30组进行试验,结果表明:该法能够达到的平均准确率为91.51%,93.41%,94.14%,平均的分割时间仅为46.6ms。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。     

基于显著性检测的害虫图像自动分割算法研究

图像分割技术应用于农田检测中能够区分不同种类及程度的虫害,极大程度的节省时间并提高劳动效率.首先建立了害虫显著性图像的分割模型,从DCT系数中提取颜色、亮度、纹理和深度的特征,并基于图像块之间存在空间距离,采用高斯模型加权来估计图像显著性,然后设计了 一种融合算法,对这些选定的图像特征进行检测分类.研究结果表明,所提的...     

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。     

基于机器视觉的病虫害检测综述

作物病虫害直接影响作物的代谢过程,是降低作物的产量和品质的主要威胁之一,给农民造成了大量的经济损失。实现快速、准确的病虫害检测和分类识别,对农民及时采取有效的防治措施具有重要意义。目前,利用机器视觉技术实现农作物病虫害检测具有很好的前景,可以有效的克服人工识别速度慢、误判率高的不足,对于加快农业产业智能化,以及病虫害防治的智能化水平的提高都有很好的借鉴价值。结合近年来国内外学者研究进展情况,本文就病虫害检测方面的应用进展进行综述,并展望了未来的研究方向,以期为后续研究工作提供参考。     

基于机器视觉的透明包装袋真空封口纹理缺陷检测方法

目的:解决由于目前在食品包装领域采用人工抽检方式导致的真空封口质检难以长时间连续作业，易发生漏检、错检，检测准确率稳定性不可靠等问题。方法:提出了一种基于机器视觉的透明包装袋真空封口纹理检测方法代替人工检测。利用ROI区域提取、仿射变换和局部二值化模式等算法进行图像预处理，凸显出纹理特征。在此基础之上，利用灰度共生矩阵分析“良好”和“缺陷”封口纹理图像特征设置灰度共生矩阵参数，将纹理特征的均匀性与共生灰度矩阵特征量相关联。最后，以灰度共生矩阵特征量作为SVM分类器的输入量，通过计算对封口缺陷进行识别与分类。结果:该在线检测方法对透明包装袋真空封口的缺陷检测结果与人工质量结果对比同一性高达97.5%。结论:该方法具备较高的检测准确率和较好的实用性，可满足在线检测的需求。     

基于机器视觉的空瓶图像检测系统

啤酒瓶在灌装前必须进行多种指标检验，针对实际生产的需要，本文设计了一套基于机器视觉的在线检测系统。系统采用了分布式高速多通道视频信号实时采集与处理方法，很好地解决了实时性与准确性要求的矛盾。系统核心是一种针对处理图像信息的可重构并行处理器，处理器的设计采用了DSP FIGA的混合计算结构，既具有制造完成后的可编程性，又能提供较高的计算性能，可适用多种实时图像信息处理应用的需要。     

基于机械臂的食物储藏室热缺陷检测系统

目的：提高食物储藏室围护结构的缺陷检测效率。方法：提出了一种基于机械臂搭载热红外相机履带式行走机构为一体的检测机构，根据围护结构的面积规划采集路径，采用改进Ostu图像分割方法对采集的热红外图像进行分析并输出其“缺陷”部位的大小及位置坐标。结果：“缺陷”的检测率和误检率分别为92%和6.6%。结论：检测机构能完整扫描并采集食物储藏室围护结构热红外图像，图像分割法能较为清楚地表述出热源的大小，符合机械视觉检测的实际应用要求。     

基于计算机视觉技术的稻米检测研究

综述了计算机视觉技术在稻米品种、外形轮廓、垩白度、加工精度、留胚率、整精米率、黄粒米和稻米化学成分等检测中的应用。     

基于视觉显著度的篮球用天然皮革缺陷可视化检测研究

针对篮球使用的天然皮革质量检测,提出了一种基于视觉显著度的皮革表面缺陷可视化检测框架,利用视觉显著度模型对球皮皮革图像的颜色和亮度特征等进行提取,在计算皮革颜色和亮度特征显著图以后,利用区域生长方法对篮球球皮表面的瑕疵进行定位。与传统皮革表面缺陷检测方法对比后发现,该方法能够有效解决皮革自然纹路对缺陷检测的影响,检测精度与检测速度都能够得到有效保障。     

基于机器视觉技术的皮革材料缺陷可视化研究

由于原材料的特殊性,皮革材料在进行深度加工以前都需要对材料表面的缺陷,如虫蛀、裂痕等进行筛查。基于机器视觉、数字图像处理技术等,对皮革材料缺陷的可视化检测进行分析,对皮革材料缺陷图像采集与处理、图像缺陷特征分析与提取、缺陷检测分类等关键技术进行总结。本文认为,对于皮革产业材料缺陷检测工艺而言,机器视觉能够大幅提升相关领域检测精度和检测效率,有利于皮革产业实现智能化发展。     

基于机器视觉的纸张表面缺陷检测系统

介绍了一套在高档纸生产线上应用的纸张表面缺陷（纸病）检测系统——Fopesigh-PDI,该系统能够在线检测边损、孔洞、白斑、黑点、油斑、褶皱等纸张缺陷。介绍了该系统的功能和特点,探讨其在提高纸张生产效率和质量控制中的重要作用。     

基于机器视觉的卷烟小盒商标纸表面缺陷在线检测技术

  目的  为检测卷烟小盒商标纸表面多种质量缺陷,提高缺陷检测准确率和检测速度。  方法  以标准图像的定位点通过偏移和相似度量实现快速定位配准,并改进图像差分算法进行实验。  结果  （1）待测图像与标准图像存在一定的偏移,其中最大偏移量为3.6 mm,最大偏移角度为2.1°,最快配准99张图像只需2.484 s。（2）传统差分算法检测图像速度为18.24 s,改进算法检测最快速度为15.62 s,改进后的平均准确率提高了15.23%。  结论  卷烟小盒商标纸表面缺陷在线检测技术速度快、准确率高,减轻了人工检测商标纸的工作量。      

基于机器视觉的折页错位检测应用探讨

为实时监测折页加工过程,用CMOS摄像头组装了一个简易的折页机视觉系统,进行折页错位误差的检测。为最大限度地利用现有摄像头的性能,提高检测的精度和速度,仅检测折页后幅面的一部分。同时,对软件检测折页错位,采用了基于特征点和直线相交两种方法,进行了折页错位检测实验。得到在计算机主频2.8GHz、内存2MB,摄像头分辨率640pixel×480pixel、帧率50f/s的条件下,两种方法的处理时间分别约为150ms和430ms。从实验效果看,该系统可分辨0.5mm的折页错位误差,表明机器视觉可用于折页错位实时检验,基于直线相交的方法抗干扰性好,但处理时间稍长,有进一步改进的余地。