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。     

图像检测技术在皮革缺陷检测排样系统的应用研究

介绍一种计算机皮革缺陷检测与排样切割系统的构成原理与设计思想.该系统对皮革纹理图像采用小波包分解去噪,并用共生矩阵提取皮革图像的纹理特征向量,用改进模糊聚类方法对样本特征样本向量进行聚类分析.提出了一种基于类间方差和类内方差的自适应确定分割区域数的方法.该算法可以准确的检测出皮革表面缺陷信息,其在线缺陷检测结果与人工判断缺陷类别的一致性在89.1%以上,实现了对皮革缺陷的自动检测,优化排样.     

基于数字图像处理技术的印品在线检测系统

随着人们对印刷品的质量要求越米越高，印刷牛产工岂越来越复杂，同时，现代印刷机的速度不断提高，对印刷品的质量检测与控制提出了更高的要求。传统的印刷品质量检测控制手段已不能满足和保证现代印刷高质量、高效率、低成本的要求。传统的印品质量控制检测主要存在两方面的问题：第一，印品的质量由人的主观感觉来判断，印刷机的参数由手工调整，其间存在人为因素的影响；第二，传统印品质量检测是不在线的，检测控制周期长，生产效率低，材料的浪费严重。因此，采用印刷图像在线检测系统取代传统的印品质量控制方法势在必行。     

基于机器视觉的罗纹纸外观缺陷检测系统

介绍了一种利用机器视觉方法测定罗纹纸张外观缺陷的检测系统,采用H S V图像处理技术实现罗纹纸张背景上外观缺陷的提取,对于罗纹纸张色点检测有更高的色差敏感度和测量精度。     

基于画面的印刷品质量检测系统

介绍在Windows下使用Visual C++数字图像编程的方法,它是编程的基础;还介绍了本实验中用到的数字图像处理以及检测系统的组成。     

基于AI的缺陷检测技术在印刷生产中的应用

在印刷品缺陷检测工序环节,人工缺陷检测效率低,长时间的工作会导致误检率和漏检率增大。随着AI技术的持续发展,将人工智能技术应用于印刷生产中可大大提高生产效率。文章介绍了基于传统机器学习和基于人工智能算法的缺陷检测技术发展背景。论述了缺陷检测技术在印刷业中的应用,总结了当前缺陷检测技术存在的不足,展望未来可能的研究趋势。     

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YOLOv8的奶瓶缺陷检测系统的设计与实现

为了提高奶瓶回收环节的效率和准确性,本文设计并实现一套基于YOLOv8的奶瓶缺陷检测系统。该系统利用深度学习技术,特别是YOLOv8目标检测算法,通过对奶瓶图像进行自动化检测,实现对奶瓶缺陷的快速而准确的识别。本文详细介绍系统的设计思路、实现步骤以及实现结果。     

基于机器视觉+深度学习目标检测的皮革表面缺陷检测系统研究

针对皮革表面缺陷人工检测效率低、准确率低等问题,基于机器视觉和深度学习算法等构建了一种皮革表面缺陷检测系统.对该系统的主要框架及核心功能进行分析,以一般皮革表面光学检测系统为对象进行检测精度与检测效率对比.结果表明,基于机器视觉+深度学习的皮革表面缺陷检测系统检测精度更高,在应用初期的检测效率与一般检测系统较为接近,但随着应用时间的增长,系统检测效率优势也会逐渐显现.     

基于Blob分析的红枣表面缺陷在线检测技术

搭建一个基于机器视觉的红枣表面缺陷在线检测平台,实现红枣全表面信息的自动化在线实时测量。根据红枣及其表面缺陷的特征,提出在颜色空间模型中采用Blob分析算法进行红枣与背景的分离以及红枣表面缺陷的识别,给出不同缺陷特征种类的颜色空间模型和分割阈值,快速准确地实现破头果、霉变果、浆头果、虫蛀果等典型红枣表面缺陷的识别。试验结果表明,该方法检测结果稳健可靠,缺陷果识别的准确率可达到90%以上。     

基于彩色图像处理与EDLines的数码印花缺陷检测系统

针对数码印花生产过程中由于喷头堵塞、电机偏差引起的PASS道缺陷问题,课题组设计了一套基于彩色图像处理与EDLines的数码印花缺陷检测系统.首先构建颜色补偿矩阵覆盖无关背景花案,增强缺陷与主色间差异性;然后分别在HSI颜色空间3通道采用自定义线型滤波锐化感兴趣区域并基于EDLines实现缺陷配准,并将3通道缺陷匹配结...     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于敲击振动检测苹果内部缺陷的研究

为了能快速检测并剔除有内部缺陷的苹果,利用敲击振动的方法研究了红富士和金冠苹果共振频率的变化规律,发现苹果的硬度系数和腐烂面积有很好的相关性,提出了一种无损检测苹果内部缺陷的方法。红富士和金冠苹果的硬度系数与腐烂面积的相关系数R2分别为0.998和0.878。以苹果的硬度系数为自变量,建立了Logistic回归方程,其中第5d红富士和金冠苹果的预测值与实际值一致对比例为76.0%和78.9%,OR(比数比)值分别为76.0和79.0,建立的方程基本能够检测出内部有缺陷的苹果。      

基于敲击振动检测苹果内部缺陷的研究

为了能快速检测并剔除有内部缺陷的苹果,利用敲击振动的方法研究了红富士和金冠苹果共振频率的变化规律,发现苹果的硬度系数和腐烂面积有很好的相关性,提出了一种无损检测苹果内部缺陷的方法.红富士和金冠苹果的硬度系数与腐烂面积的相关系数R2分别为0.998和0.878.以苹果的硬度系数为自变量,建立了Logistic回归方程,其中第5d红富士和金冠苹果的预测值与实际值一致对比例为76.0%和78.9%,OR(比数比)值分别为76.0和79.0,建立的方程基本能够检测出内部有缺陷的苹果.     

基于情感化设计的日用陶瓷产品研究

在物质文明高度发展的今天,现代人已经越来越明显地被自己所制造的产品所包围,生活在一种人造的环境之中。尽管人为的环境,给予了人类有史以来最舒适、最有效的享受,但同时也带给人们最致命的"缺乏情感"缺陷。现代人对陶瓷产品的追求与消费已有别于过去,因此设计出充满热情、令人感动、能给人以精神享受的新的日用陶瓷产品,是我们不断追求的创新目标。     

用于皮革缺陷检测的方法研究

皮革缺陷检测是利用计算机视觉技术将皮革表面的异常区域即缺陷区域从背景中分割出来.对目前应用到皮革缺陷检测的方法按空域和频域两大类型进行了分析和阐述,指出各种方法的优缺点,并对各种方法的实验效果进行了综合评估.     

基于机器视觉的苹果缺陷快速检测方法研究

针对目前中国苹果分选大部分还是经由人工筛选的现状,提出一种基于机器视觉的苹果缺陷快速检测方法。采用亮度自动校正技术消除苹果表面亮度不均匀分布,根据缺陷候选区域的数量,完成对苹果的初步判断,并使用加权相关向量机进一步对有缺陷的苹果进行判断。通过试验对文中方法的有效性和准确性进行验证。试验结果表明,该检测方法对1 000个测试样本的识别准确率为99.1%,对各种缺陷的检测精度较高。     

基于网中网卷积神经网络的红枣缺陷检测

提出了一种基于网中网卷积神经网络对红枣进行缺陷检测的方法,在原有AlexNet卷积神经网络的基础上增加了1×1隐含感知层,增强了网络的非线性以提取更抽象的特征;并采用全局平均池化层的方式替换全连接层,减少大量参数的同时提升了识别准确率。对新疆骏枣进行了实测,可将红枣分为好枣、黑斑枣、皱枣、叠枣、脱皮枣、黄皮枣和裂枣7类,表明该方法与基于常规SVM的视觉检测方法和基于AlexNet网络的分类方法相比,分类效果得到了有效提升。     

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FPGA＋DSP的纸张缺陷视觉检测系统的设计

采用机器视觉技术,提出了对生产中的纸张进行图像识别及缺陷检测的FPGA＋DSP的视觉检测系统设计方案。该系统硬件用现场可编程门阵列FPGA对摄像头采集的视频图像进行预处理,并采用高性能的DSP处理器作为图像处理的核心部分,保证了系统要求的大数据量处理能力及实时性。本文详细介绍了系统的构成,并提出了基于SVM的纸张缺陷识别算法,实验结果表明该算法是有效的。