基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

拉深模进气不畅导致制件变形的解决方案

针对顶盖或机盖外板因模具进气不畅造成制件变形的问题,对其产生原因进行分析并分类,归纳总结了此类问题常用的解决方案,在此基础上提出了2种针对模具结构的改进方法,采取在凸模与压边圈之间增加弹性元件或往下模和制件之间吹气的方法,解决了制件因模具进气不畅导致的变形问题。该方法简单易实现,对模具后期的生产和保养影响小,对制件的外观质量不产生其他不良影响。     

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％.     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。