一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.     

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；     

一种基于机器视觉的浮法玻璃质量在线检测系统

人眼对浮法玻璃上畸变小的缺陷并不敏感，漏检的缺陷会给玻璃深加工带来极大的困难。快速、可靠和准确的机器视觉检测技术是解决玻璃生产中质量控制问题的重要的技术手段。本文介绍了一种基于机器视觉的浮法玻璃质量在线检测系统。该系统利用分布式视觉处理技术、采用模块化的图像处理系统设计，能够实现缺陷的精确提取，能实现对缺陷的智能分类和分级，能根据缺陷数据对玻璃进行分级打标，满足了浮法玻璃生产中缺陷在线检测的需要。     

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。     

基于机器视觉的斜齿轮参数检测

为了实现斜齿轮参数的非接触式快速检测,提出了一种斜齿轮参数视觉检测方法。对于斜齿圆柱齿轮该方法可以实现齿顶圆直径、齿根圆直径、分度圆直径、齿数、模数、螺旋角和旋向的检测。通过预处理对斜齿轮端面画面进行图像增强,使用阀值分割和边缘检测获取斜齿轮端面轮廓,基于最小二乘法拟合齿顶齿根圆对斜齿轮的主要特征参数进行检测,在齿轮侧面使用SVM对斜齿轮的旋向进行分类检测,并计算齿顶区域的倾斜角度换算得螺旋角。经实验,该方法对不同规格斜齿轮的参数检测均有效,具有良好的稳定性、精确性。     

基于机器视觉的PCB焊接缺陷检测系统研究

针对中小型企业在焊接缺陷检测领域中存在人工成本高、检测精度低、实时性差等问题，提出了基于机器视觉的焊接缺陷检测系统，在生产线上安装多套图像采集装置。根据现场情况，设计了多套打光方案，实现连锡、焊点偏位、芯线断开等缺陷的高清成像；基于HALCON软件，采用图像定位、图像预处理、图像分割、形态学处理及焊接缺陷识别算法，完成了USB接口缺陷的精确检测，并将结果显示在上位机界面。测试生产线上实际采集的402幅缺陷图像，结果表明，系统成功检出率达86%,基本满足实际生产需要。该检测系统用于中小型企业生产，有利于大幅度提高检测效率和缺陷检测智能化水平，同时降低检测成本。     

机器视觉检测滚子表面缺陷

介绍利用机器视觉检测滚子表面缺陷的实验装置。该装置采用512位SSPD列阵作为摄景器件。藉助专门机械装置实现滚子表面全扫描展开,把获得的二维图象信息送PC/AT微机进行图象处理。文中提出了三种图象处理算法:多段平均法、二次背景处理法和局部算子处理法。用上述算法较好地解决了不同精度滚子的表面缺陷检测。附图16幅,参考文献5篇。     

基于机器视觉石英晶片外观的缺陷检测方法

针对石英晶片的外观缺陷检测技术的不足,提出一种基于机器视觉开发软件对石英晶片外观缺陷检测方法,对石英晶片生产过程中出现的外观缺陷进行了分析,提出了缺陷检测的流程,建立了基于几何特征的模板定位算法和基于Blob算法的缺陷分析算法,实现了对图像的获取、边缘检测、定位、识别和斑点分析,在C#环境下对其图像处理技术利用机器视觉软件进行了开发,搭建了石英晶片的外观缺陷检测实验平台,通过摄像机实现了石英晶片的外观图像的捕获,利用视觉软件获得石英晶片的外观质量,最后对此系统进行了测试。实验表明:该石英晶片外观缺陷检测方法具有检测速度快、精确度达到99.7%、匹配误差小于0.3等优点,可满足现场使用的要求。     

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。     

基于机器视觉的表面缺陷检测方法研究进展

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中,尤其随着深度学习技术的快速发展,视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先,将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测,并对各种方法进一步细分归类和对比分析,总结了每种方法的优缺点和适用场景;然后,对目前常用的缺陷检测结果评价方法做出了描述,进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题,重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势;最后,从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。     

基于机器视觉的螺纹在线检测方法

针对汽车制动管螺纹联接零件在线检测需求,提出了一种基于机器视觉的螺纹参数在线检测方法.基于图像矩、仿射变换、双线性插值法对螺纹图像进行倾斜校正,利用中值滤波抑制螺纹边缘区域颗粒化现象.在Canny算法提取的像素边缘基础上,用二次曲线拟合法得到了螺纹图像亚像素边缘,用三次B样条曲线对亚像素边缘进行拟合,根据拟合曲线的曲率检测螺纹角点,最后基于最小二乘法计算出螺纹各尺寸参数.实验结果表明,本文所提出的螺纹检测方法具有效率高、精度高等特点,可以满足在线检测需求.     

基于机器视觉的螺纹在线检测方法

针对汽车制动管螺纹联接零件在线检测需求,提出了一种基于机器视觉的螺纹参数在线检测方法.基于图像矩、仿射变换、双线性插值法对螺纹图像进行倾斜校正,利用中值滤波抑制螺纹边缘区域颗粒化现象.在Canny算法提取的像素边缘基础上,用二次曲线拟合法得到了螺纹图像亚像素边缘,用三次B样条曲线对亚像素边缘进行拟合,根据拟合曲线的曲率检测螺纹角点,最后基于最小二乘法计算出螺纹各尺寸参数.实验结果表明,本文所提出的螺纹检测方法具有效率高、精度高等特点,可以满足在线检测需求.     

钢球表面缺陷的机器视觉检测方法

针对钢球表面缺陷的在线检测要求,提出了一种基于机器视觉的钢球表面缺陷轨道自动检测方法。该方法采用6个CCD摄像头,保证摄取到整个钢球的表面;采用自行设计的碗状红色LED圆顶漫射光源,克服了钢球表面易反光的难题,得到了真实清晰的钢球表面图像;并通过图像缺陷识别、球形表面重构等技术,准确地识别出了钢球表面所存在的缺陷。     

基于机器视觉的螺栓几何形状检测方法研究

螺栓的外形对保证其质量有着极其重要的作用,针对螺栓的外形结构特点,本文设计了螺栓的检测流程,并使用VC6.0开发了检测程序.根据螺栓的几何特征,选取面积、周长、质心、圆形度等判定参数,然后,介绍了螺栓头部,螺纹外径、中径的测量方法.经验证,这些特征参数和检测算法能很好的辨别出螺栓的外形缺陷.     

基于机器视觉的零件毛刺检测

针对人工检测毛刺效率低下等问题,提出一种基于机器视觉的零件毛刺检测方法.对获取的零件图像和样品图像首先采用改进的中值滤波和双边滤波相结合的方式进行降噪,对降噪后的图像进行阈值分割得到二值化图像,再将零件图像与样品图像进行比对从而得到毛刺图像,通过对毛刺进行标记区分出不同的毛刺,利用面积和最大长度等几何特征对毛刺进行定量...     

一种基于机器视觉的机器人标定方法

机器人标定是离线编程技术实用化的关键技术之一.提出了一种基于机器视觉的机器人标定方法,利用双目视觉测量机器人上的目标点,通过目标点位置的测量撮出机器人的关节轴线,根据相应的运动学模型求出机器人的几何参数,并解决了在测量过程中摄像机视野小的问题.实验结果表明该方法能够实现机器人几何参数的标定,提高了机器人的绝对精度.     

基于机器视觉的铲斗目标检测

为实现挖掘机器人在挖掘工作中能够对挖掘轨迹进行自我认知,结合了机器视觉中比较常见的运动目标检测算法-帧差法和背景差分法,对挖掘机铲斗目标检测展开了研究。对帧差法中的二帧差法和三帧差法以及背景差分法中的混合高斯建模法进行了研究,基于这些算法对铲斗目标进行检测。基于Open CV进行程序设计,对挖掘机模型的铲斗进行检测,验证算法的可行性。通过实验结果对比分析,结合三帧差法以及高斯混合建模法能够更好地实现铲斗目标检测。     

基于机器视觉的烟箱缺条检测系统

在卷烟装箱过程中可能出现缺条现象,为了防止缺条烟箱流入市场给烟草企业造成不良影响,对烟厂条烟装箱时出现的缺条现象进行了研究,并对现有的检测系统进行了分析。介绍了利用机器视觉原理进行烟箱缺条检测的方法,详细介绍了系统的结构,以及各个结构的功能;对图像处理方法进行了详细介绍说明;用VC++编写了应用与检测系统的软件,并对其进行了简要的介绍。系统对装箱作业过程进行在线检测,能够准确的检测烟箱缺条现象。