基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

基于机器视觉的电枢缺陷检测系统

为解决现阶段依靠肉眼进行电枢缺陷检测的效率低下和因为判断标准具有很大的主观性导致判别结果不稳定等问题,研究出了一种基于机器视觉的电枢缺陷检测系统.该系统可以采集到电枢不同角度的图像,并根据检测难度把每张电枢图像分为三个区域,分别由传统机器视觉算法、MobileNet-V3以及DenseNet神经网络模型对不同类型的缺陷...     

基于机器视觉的网络变压器模块缺陷检测系统研究

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统.针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对...     

基于机器视觉的压铸模缺陷检测概述

首先介绍了压铸模较为常见的缺陷,即凹陷、型芯塑性变形、磨损、断裂、热疲劳裂纹、粘模和溶蚀缺陷等,其次对机器视觉技术在模具缺陷检测与应用方面进行了介绍,并从定义、结构、用途等方面对机器视觉技术中用于缺陷检测的常用基本算法进行了阐述,最后对基于机器视觉的压铸模缺陷检测与应用研究前景进行了总结与展望。     

基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.     

基于机器视觉的滚抛磨块缺陷检测方法

为检测烧结型球状滚抛磨块的圆度和黑心缺陷,提出基于机器视觉的滚抛磨块缺陷检测方法。首先利用单片机、步进电机、采样圆盘、数字显微镜和上位机搭建磨块图像采集系统,实现磨块图像的连续采集;后利用图像灰度化、阈值分割、形态学处理提取磨块区域和黑心缺陷区域;再计算磨块区域的圆度和黑心缺陷尺寸;最后通过磨块缺陷检测试验确定磨块缺陷的检测阈值。结果表明:该方法能够对烧结型球状磨块的圆度和黑心缺陷进行数字化检测,分析磨块制备过程中存在的问题,为磨块制备方法改进提供反馈依据。      

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

基于机器视觉的异形弹簧快速缺陷检测方法研究

为实现异形弹簧的尺寸和变形缺陷在线检测,基于机器视觉设计一套零件快速定位、测量和缺陷检测的方法.详细论述图像处理算法,即图像预处理、图像定位、尺寸测量和变形缺陷检测算法等.基于形状的模板匹配对零件进行定位,通过创建测量矩形完成对零件的尺寸测量.基于微分和自身对照的思想,对零件易变形区域进行微分,通过对比微分的小区域,实...     

基于机器视觉的汽车安全带的表面缺陷检测系统

表面缺陷检测是汽车安全带质量检测中的关键环节之一,目前人工检测方法存在效率低、稳定性差的问题,无法满足实际检测需求。搭建一个汽车安全带表面缺陷检测平台,构建基于机器视觉的表面缺陷检测系统。针对汽车安全带的表面缺陷特征,提出一种基于频谱分析的特征提取方法,并讨论频域滤波器的选择和参数的计算。实验结果表明:频谱分析法同Bob特征分析法、直方图法等相比,能更好地满足汽车安全带表面缺陷检测的准确率和实时性要求。     

基于机器视觉的热转印胶片缺陷检测

为了解决热转印胶片在生产中存在的若干种缺陷问题,并替换当前较为低效且可靠性低的人工检测方法,提出了一种基于机器视觉的热转印胶片的缺陷检测方法。首先介绍缺陷检测系统的整体构成,然后重点研究了其中的视觉算法流程,包括了通过仿射变换、图像配准等方式进行的目标区域定位,通过改进的ViBe算法、形态学处理等方法进行的图像缺陷检测。最后用包含了合格品胶片与各种缺陷的不合格品胶片样本集合进行实验检测,实验表明,算法缺陷检测能力良好,达到0.5%的漏检率和0.6%的误检率,平均检测耗时为663ms,满足检测速度需求。     

基于机器视觉的线缆表面缺陷检测系统设计与算法研究

针对相关行业对线缆表面质量检测的需求和人工检测方法的不足,提出一套基于机器视觉的线缆表面缺陷实时检测系统的设计方案。设计了满足工业生产线条件的视觉硬件设备,用于采集优质的线缆图像。在图像处理算法中,改进行灰度均值法实现了复杂环境下图像线缆区域的提取;改进双边滤波建立背景并与原缺陷图像差分实现了缺陷信息的分割。通过对300张存在小孔、划痕、绝缘皮破损等线缆缺陷图像进行检测试验,结果表明:该算法检测准确率高于96.3%。     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

基于机器视觉的刹车衬芯缺陷检测系统设计

由于人工检测刹车衬芯缺陷存在效率低下、标准不一致等问题,开发一套基于机器视觉的刹车衬芯缺陷检测系统,实现衬芯法兰面的缺陷检测。设计光学方案获取衬芯法兰面图像,首先利用并行中值滤波对原图像去噪,然后使用改进的Otsu方法提取出法兰面区域,最后通过傅里叶变换与反傅里叶变换相结合的方法获取缺陷信息并进行判别。实验结果表明：该系统检测准确率为98.9%,漏检率为0,对于单个衬芯零件的平均检测时间为0.232 s。该系统测量精度高,运行速度快,可以有效地取代工业检测中的人工测量。     

基于机器视觉的硬质合金微型喷嘴缺陷检测

针对现有人工目检方法对精加工硬质合金微型喷嘴产品表面检测存在速度慢、缺陷漏检率和误检率高等问题,提出一种基于机器视觉的喷嘴图像缺陷检测方法.分析了喷嘴缺陷图像类型和喷嘴结构,重点研究了喷嘴缺损圆边缘拟合、疤料边缘增强、极坐标变换和缺陷灰度值差异统计等.该方法避免了喷嘴的复杂结构对缺陷定位和检测造成的大量计算.通过对合格...     

基于机器识别的带钢表面缺陷检测研究

针对传统带钢表面缺陷检测技术落后、效率不高及小目标识别能力不足等问题,提出一种改进的YOLOv5s-Tiny目标检测模型,在保持模型较小计算量的同时提升检测速度和识别精度。通过将主干网络GSP-Darknet53替换为轻量级GhostNet网络,减少模型参数的数量,提高推理速度。在主干网络加入CBAM注意力机制,通过通道注意力机制和空间注意力机制对特征信息进行融合增强,提高小目标检测精度,并将损失函数GIoU改进为EIoU,提高检测框定位能力。最后将改善后的训练模型格式转换后安装到手机安卓端验证优化的有效性。结果表明：在东北大学数据集中,改进后模型检测精度提高1.5%的同时,召回率提升了1.5%,参数量减少12.3%;安卓端检测速度约为120 ms,完成带钢缺陷的实时检测。     

基于机器视觉的PET瓶口快速缺陷检测

为提高PET瓶口缺陷检测精度和检测速度,提出了一种基于机器视觉的PET瓶口自模板快速缺陷检测法。首先在全局阈值分割的基础上,对ROI区域(瓶口端面)构造自模板圆环,并且确保自模板图像和阈值分割图像坐标的对应关系不变。然后在ROI区域上,将自模板图像和阈值分割图像灰度做差进行缺陷检测,避免图像定位和缺陷定位对检测带来的大量复杂计算。通过实验验证,该方法缺陷检测精度达到99.9%,检测时间在50ms以内,有效提高了PET瓶口缺陷检测精度和速度,可以满足工业生产线上对PET瓶口缺陷检测准确性和实时性的要求。