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.     

基于计算机视觉的微小轴承表面缺陷检测

提出了一种基于计算机视觉的轴承表面缺陷检测的新方法,采用A102fCCD数字摄像头作为图像传感器,利用数字图像处理技术对轴承表面缺陷进行检测,其主要步骤包括:图像的采集;采用边缘保持滤波器进行滤波、降噪;采用阈值法将图像二值化,并进行边缘检测;采用差影方法对有缺陷表面进行识别.试验证明,用该方法进行轴承表面缺陷检测是可行的,并具有方法简单、定位准确、抗噪能力强、计算速度快、实时性好等优点.     

基于视觉的薄壁金属管端部质量检测技术研究

针对一类薄壁金属管端部倒角后表面缺陷和尺寸检测要求,提出了一套基于视觉的检测方案,利用被测物体表面对光的反射特性,巧妙地获取倒角面清晰图像,运用MIL图像处理库中的不同函数,在VC6.0平台下开发了一套能够检测倒角面各种缺陷(凹坑、划痕、毛刺、切偏等)的视觉检测系统.     

基于LABVIEW的焊缝表面缺陷智能检测系统研究

利用LABVIEW软件,开发了焊缝表面缺陷采集以及感兴趣区域(ROI)截取、阈值分割、中值滤波、形态学处理以及图像的细化等程序。在此基础上,采用多模板几何匹配模式,对采集的图像进行了匹配和识别。该缺陷检测系统的开发为视觉检测技术替代人工检测奠定了基础。     

基于计算机视觉表面粗糙度的自动测量方法

提出了一种基于计算机视觉的机械加工表面粗糙度非接触测量的新方法,采用A102fCCD数字摄像头作为图像传感器,利用数字图像处理技术对机械加工表面粗糙度进行测量.分析了图像处理过程,根据处理后的图像推导出所对应的表面粗糙度.实验证明,该算法能正确识别不同的机械加工表面,并具有较高的精度.     

基于模式识别的零件表面瑕疵图像提取的设计与实现

针对精密零件表面瑕疵处理问题,将计算机视觉技术用于精密零件表面瑕疵图像的提取和分析,提高了生产中机械零件自动识别的实时性和分拣的准确率,并结合嵌入式系统进行控制。设计了一个基于机器视觉的零件表面瑕疵图像自动识别系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵图像的提取,为零件表面瑕疵的处理做好了准备工作,达到了对许多加工件和产品表面质量进行快速检测的目的。     

基于LabVIEW的墙地砖表面缺陷自动检测与等级分类

利用PXI总线控制器以及IEEE-1394接口的图像采集设备构建机器视觉系统，应用计算机视觉以及数字图像处理技术实现了墙地砖表面缺陷的自动检测及等级分类。在墙地砖自动检测应用程序的设计中，首先应用IMAQ Vision Assistant进行主要算法的开发，再在LabVIEW的开发环境下对算法程序进行更加柔性的配置，并开发出具有人性化的界面，便于控制和处理。所研究的系统能对墙地砖表面疵点、缺损、鼓泡和裂痕等缺陷进行实时检测及等级分类，并得出详细的缺陷检测报告以及实现数据库管理等功能。     

管屏拼焊焊缝表面缺陷的激光视觉检测方法

针对管屏多道焊缝表面缺陷存在焊缝定位困难、计算量过大的问题,文中提出一种管屏拼焊焊缝表面缺陷激光视觉检测方法,建立基于激光视觉的管屏焊缝检测系统,并基于激光视觉相机拍摄管屏图像。分析管屏特征并结合形态学操作定位焊缝,使用高维多项式拟合解决焊缝缺陷快速检测问题,实现了对管屏拼焊表面缺陷的快速检测。结果表明,该检测方案能识别的最小缺陷为1 mm2,检测速度为0.438 m/s,提升了管屏焊缝表面缺陷的检测效率,解决了曲面焊缝定位难、数据量大的难题,实现快速对大量焊缝轮廓进行检测,并符合应用要求。 创新点： (1)提出了一种管屏拼焊焊缝表面缺陷激光视觉检测方案,提升管屏焊缝表面缺陷检测效率。 (2)提出了基于高阶曲面的焊缝缺陷检测方法,实现快速对大量焊缝轮廓进行检测。 (3)管屏拼焊焊缝表面缺陷激光视觉检测方法经过数据集验证,效率和精度均满足应用要求。     

基于机器视觉的轴承生产中的表面质量在线检测与研究

数字图像处理技术与模式识别技术结合,可广泛应用于工业产品的分类识别。针对轴承在线装配生产中存在的缺陷检测识别的需求,研究基于机器视觉的自动检测系统,采用面阵相机对不同表面进行对比测量,对采集的图像进行二值化处理,为后续的图像预处理、模式识别、特征提取及特征值对比做了分析和准备,以实现产品的在线表面缺陷检测识别。     

基于视觉的MAG焊气孔缺陷图像特征初步探讨

针对MAG焊特点,利用被动式熔池视觉传感系统,采集到清晰的熔池图像;通过同步对比试验方法,系统地对焊接气孔缺陷与熔池图像特征信息之间的关系进行了研究,提取了表面气孔、内部气孔(夹渣)对应的熔池图像特征,并从灰度均值和标准差的角度研究了焊接气孔缺陷产生过程中熔池图像变化情况及奇异特征.试验表明,通过熔池视觉图像特征判断气孔焊接缺陷,具有良好的可行性,为基于视觉传感的焊接缺陷自动识别提供了技术依据;一种图像特征可能预示有多种焊接缺陷产生的可能,一种焊接缺陷可能有多种图像特征显示.     

带钢表面缺陷计算机视觉在线检测系统的设计

介绍一种带钢表面缺陷计算机视觉在线检测系统。系统采用DSP(数字信号处理器)和FPGA(现场可编程逻辑门阵列)相结合的技术，实现对钢板内气泡、夹杂物、结疤、划伤和压痕等缺陷的自动识别和检测。模块化的设计方法使系统在硬件和软件上有足够的可扩展能力。     

一种基于图像展开与拼接的精密轴承表面缺陷光学检测方法

建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像,在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明:采用该方法能够快速、高效地检测出微小精密轴承表面大于10μm的缺陷形貌;能够准确地对凹坑、裂纹和划痕缺陷进行分类。     

钢板表面缺陷的无损检测技术与应用

介绍国内外钢板表面缺陷的无损检测技术与应用的研究现状,分析目前研究中需要解决的问题,并指出随着当今计算机技术和人工智能理论的发展,机器视觉技术是解决钢板表面缺陷自动检测问题的一个发展方向。     

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。     

基于激光视觉传感的焊后检测技术研究综述

人工视觉检测是到目前为止最为广泛利用的焊缝检测方法,该方法可提供对焊缝表面外观、表面几何形状以及存在的表面不连续性或缺陷的质量分析.缺点是该方法检测周期长、可靠性低、劳动强度高以及依赖人的主观判断性强.而利用激光视觉传感的方法,可实现焊后的在线实时自动检测,避免了传统视觉检测方法所带来的局限性.首先介绍了焊后视觉检测技术,对激光视觉传感焊后检测技术的工作原理进行了阐述,并概述了目前该技术的研究成果以及所做的研究工作,最后对其应用前景进行了展望.     

A vision system for surface roughness characterization using the gray level co-occurrence matrix

Computer vision technology has maintained tremendous vitality in many fields. Several investigations have been performed to inspect surface roughness based on computer vision technology. This work presents a new approach for surface roughness characterization using computer vision and image processing techniques. A vision system has been introduced to capture images for surfaces to be characterized and a software has been developed to analyze the captured images based on the gray level co-occurrence matrix (GLCM).Three standard specimens and 10 machined samples with different roughness values have been characterized by the presented approach. Three-dimensional plots of the GLCMs for various captured images have been introduced, compared and discussed. In addition, some statistical parameters (maximum occurrence of the matrix, maximum occurrence position and standard deviation of the matrix) have been calculated from the GLCMs and compared with the arithmetic average roughness R_a. Furthermore, a new parameter called maximum width of the matrix is introduced to be used as an indicator for surface roughness.     

大型钢坯低倍试样加工与缺陷检测的新装备、新技术

以公司研发的重型超精密镜面铣磨一体化数控机床和金属表面综合检验仪为基础,介绍对钢坯低倍试样进行镜面加工、表面缺陷及纯净度检测的新技术、新装备,如大型钢坯全端面镜面加工技术与装备;利用机器视觉检测技术,通过高像素扫描相机获取全端面图像;通过图像识别技术查找疑似缺陷,再通过高倍显微镜对疑似缺陷进行甄别。通过对低倍与高倍检测合二为一检验方法的介绍,证明这种在试样镜面状态下的机器视觉检测将成为钢铁材料表面检验的关键技术,理化检测将逐渐前移到钢坯检验。     

Development of an automatic weld surface appearance inspection system using machine vision

In this paper, an automatic inspection system for weld surface appearance using machine vision has been developed to recognize weld surface defects such as porosities, cracks, etc. It can replace conventional manual visual inspection method, which is tedious, time-consuming, subjective, experience-depended, and sometimes biased. The system consists of a CCD camera, a self-designed annular light source, a sensor controller, a frame grabbing card, a computer and so on. After acquiring weld surface appearance images using CCD, the images are preprocessed using median filtering and a series of image enhancement algorithms. Then a dynamic threshold and morphology algorithms are applied to segment defect object. Finally, defect features information is obtained by eight neighborhoods boundary chain code algorithm. Experimental results show that the developed system is capable of inspecting most surface defects such as porosities, cracks with high reliability and accuracy.     

Assessment of welding defects for gas pipeline radiographs using computer vision

In this paper, a novel automated vision system is introduced to detect and assess the welding defects of gas pipelines from the radiographic films. The proposed vision system was used to capture images for the radiographic films and apply various image processing and computer vision algorithms to detect the welding defects and to calculate necessary information such as length, width, area and perimeter of the defects. A developed software, named AutoWDA, has been fully written in lab using Microsoft Visual C++6 to perform the analysis process. The proposed system offers many advantages such as enhancing the captured images so that the defects appear much clear and eliminating the loss of image details, which occurs due to film deterioration by the time, by transferring the radiographic films into digitized images, which could be saved on magnetic mass storage media. The proposed system is considered quite cheap compared with commercial radiographic image enhancement systems.