机器视觉自动检测纸张表面缺陷质量分析研究

针对传统的纸张表面缺陷检测算法容易受复杂背景干扰的问题,提出一种机器视觉自动检测纸张间相对均匀的表面缺陷检测方法。主要分析了纸张表面各个环节中可能会出现的缺陷识别分类与缺陷类型等算法。根据目前的机器视觉自动检测技术,对已有的表面识别算法进行了分析。将通道注意力信息与空间注意力机制进行融合,设计出新的注意力机制模型,对纸张表面缺陷进行分类,此方法提升了模型算法的缺陷识别准确率,在纸张表面缺陷检测上,用过分析和总结机器视觉自动检测在纸张表面缺陷的应用,提高了纸张检测的准确率和效率,所述方法具有较强工程可行性和推广价值。     

基于去噪卷积自编码器的色织衬衫裁片缺陷检测

有监督框架的色织衬衫裁片缺陷检测算法依赖大量标注样本且建模成本高,为此提出一种基于无监督去噪卷积自编码器的色织物缺陷自动检测与定位方法。构建色织衬衫裁片图像数据库;对无缺陷样本加入高斯噪声,利用深度去噪卷积自编码器建立色织衬衫裁片图像的去噪重构模型,对噪声干扰进行重构性修复。计算待测色织衬衫裁片图像和其重构图像的残差,并使用数学形态学算法检测和定位裁片缺陷区域。实验结果表明,在不依赖标注样本的条件下,基于去噪卷积自编码器的色织衬衫裁片图像重构模型和残差图像分析算法可以有效检测色织衬衫裁片的缺陷区域。     

基于电感传感器的钢珠直径分选器设计

系统中用AD698高精度线性差动式电感传感器,并且把它检测到的细微位移量经过相敏检波、比较放大等信号处理电路,将其转换为相应的电压信号,选择了合适的电气控制电路,最后经过电磁驱动器等把信号传输到计算机,实现了显示、打印、存储功能。最终完成对钢珠尺寸的检测与计数,是对电感式传感器的典型应用。     

基于MSP430的便携式脉搏测试仪系统的设计与实现

本便携式脉搏测试仪基于光电脉搏检测原理,采用MSP430单片机板作为核心控制器。该设计通过红外发光二极管发射红外光,红外光透过率的改变反映手指血液容量的周期性变化,由光敏三极管接收受调制的光信号,经过滤波、放大等处理后,通过单片机AD采样获取脉搏信号。测试仪采用128×64点阵型LCD液晶显示器,实现了实时显示每分钟的脉搏数以及光电脉搏信号波形动态图。在此基础上该系统还实现了自启动测量、自动待机、数据回放及脉搏报警等功能。     

非接触检测技术在造纸工业测距系统中的应用

在造纸行业,对位移或距离等信息检测至关重要.由于大多数设备疲劳变形或部件位移改变是在运行中产生的,因此,需要利用非接触检测技术来实现对设备疲劳变形或部件位移改变的检测.利用超声波、红外光传感器技术,单片机技术,调制解调技术等设计了一套在线检测系统.通过脉冲发射接收,信号选通、温度补偿等手段,使测距精度有了显著提高,检测误差不超过±1%.详细介绍了检测系统的设计原理及部分软硬件的设计方法.     

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%。     

基于动态阈值的线划地图印刷质量自动检测算法

本文分析了传统线划地图印刷质量检测弊端,指出了其不能满足当今地图数字化、标准化生产要求。通过分析线划地图的图面要素构成特点,提出了线划地图印刷质量自动检测理论模型和基于动态阈值的检测算法,并对模型主要模块即标准地图图像制作、图像配准,缺陷提取方法进行了分析研究。实验表明,基于动态阈值的自动检测算法,具有检测精度高,能够避免轮廓干扰点对印刷缺陷的判别的影响。该方案具有可行性,对提高纸质地图生产速度有重要意义。     

ROLAND 700前规、侧规电眼分析

ROLAND 700的前规、侧规电眼主要用于检查纸张平行度、前后位置.该传感器在设备上的数量较多,时有损坏. 工作原理:由调制电路产生一定频率的调制信号,调制发光二极管发出非可见频率光源,此光源被纸张反射后由光敏器件接受,产生相应频率的信号,解调后产生检测信号.工作原理图如图1所示.     

改进的YOLOv5蛋类缺陷自动检测模型

目的:解决现有蛋类缺陷图像自动检测方法存在的检测效率低、精度差等问题。方法:在蛋类检测系统的基础上,提出一种改进的YOLOv5自动检测模型。将轻量级网络MobileNetv3添加到YOLOv5模型中,以降低模型复杂度,删除颈部网络和输出端小目标检测。结果:与传统的控制方法相比,该方法能够更准确、高效地实现蛋类目标表面缺陷检测,复杂度降低了35%以上,单幅图像的检测时间为14.25 ms,检测准确率＞95%,满足食品缺陷检测的需要。结论:改进的YOLOv5检测模型可以有效提高蛋类缺陷检测效率。     

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.