基于轻量化重构网络的表面缺陷视觉检测

基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能, 然而大多数工业产品缺陷样本稀缺, 而且特征差异大, 导致这类需要大量缺陷样本训练的检测方法难以适用. 提出一种基于重构网络的无监督缺陷检测算法, 仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测. 提出的算法包括两个阶段: 图像重构网络训练阶段和表面缺陷区域检测阶段. 训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络, 仅使用少量正常样本进行训练, 使得重构网络能够生成无缺陷重构图像, 进一步提出一种结合结构性损失和L1损失的函数作为重构网络的损失函数, 解决自编码器检测算法对不规则纹理表面缺陷检测效果较差的问题; 缺陷检测阶段以重构图像与待测图像的残差作为缺陷的可能区域, 通过常规图像操作即可实现缺陷的定位. 对所提出的重构网络的无监督缺陷检测算法的网络结构、训练像素块大小、损失函数系数等影响因素进行了详细的实验分析, 并在多个缺陷图像样本集上与其他同类算法做了对比, 结果表明重构网络的无监督缺陷检测算法有较强的鲁棒性和准确性. 由于重构网络的无监督缺陷检测算法的轻量化结构, 检测1024 × 1024像素图像仅仅耗时2.82 ms, 适合工业在线检测.     

商业票证印刷缺陷检测方法的研究

商业票证印刷质量的在线控制对票证印刷工艺管理、剔废和提高票证质量至关重要.文中研究了一种利用多目视觉对高速票证印品进行在线缺陷检测的机器视觉系统.该系统结合线阵黑白CCD相机和面阵彩色CCD相机,捕捉高速票证印刷线上的细小缺陷和色彩变化;采用针对CPU运算性能优化的图像处理技术,检测速度更快;能清晰显示缺陷图像,对缺陷进行统计和分析,更有利于印刷生产的质量管理;具备网络连接功能,可以通过主站进行数据管理.     

图像传感型印刷套色控制方法的研究

套色控制是多色印刷过程中必备的工艺。设计了一种基于机器视觉的印刷套色控制方法。通过摄像头获取独特的色标图案,再建立一种快速查找表,确定各种色标颜色的范围,用行程长编码技术来进行图像重构,并以此来计算图案重心的位置,并与标准位置进行比较,判断套印是否有偏差。实验证明利用该方法能同时检测12种以上颜色,检测周期短,适应于高速印刷机的多色套准。     

基于多目视觉的高速印刷质量在线检测系统

印品质量的在线控制对印刷工艺管理、剔废和提高印品质量至关重要。研究了一种基于多面阵相机的对高速印品进行在线缺陷检测的机器视觉系统。通过独特的光学系统，可以消除闪光元素的眩光，检测到印品上的微小印刷缺陷；研究了快速缺陷查找算法；研究了纸张纠偏算法，避免了纸张蛇形造成的误检；通过C／S网络化并行结构，可以对图像数据进行分布式处理和集中统计管理。     

新型烟标计数装置的设计

烟标在销往香烟生产企业之前,需要对其进行计数。设计了一种基于机器视觉的烟标计数装置。采用特制扫描仪,将成叠的烟标侧面转换成图像信号,传送给专用的图像处理系统;图像系统通过去除图像背景和高斯滤波等操作,进行图像的预处理;采用Sobel算子进行图像边缘检测;逐行扫描,以此来计算烟标的数目。实验证明利用该装置,能实现精确计数,同时操作简单,计数迅速,实验中操作一次仅需5秒钟。