特种头型微钻视觉检测方法研究

微钻的生产制造过程中,检测是一个至关重要的环节。面对市场对于特种头型微钻日益增长的需求,提出一种针对特种头型微钻的视觉检测方法。该方法通过拟合直线和拟合圆对刃面直径和芯厚的尺寸进行了测量,同时通过一种改进的直线拟合方法和NURBS样条曲线拟合方法,拟合出了刃面的标准轮廓,从而实现对微钻缺陷有无判断以及大小的计算,最后设计了可视化的软件进行实验。实验结果表明：各种头型微钻的尺寸参数测量重复误差在0.02%以内,缺陷参数测量重复误差在2%以内;提出的方法具有可行,可靠,精确的特点,能快速且有效的满足特种头型微钻的视觉检测。     

视觉注意力网络在工件表面缺陷检测中的应用

工件表面缺陷检测是现代化工业生产中不可缺少的环节,利用卷积神经网络实现工件表面缺陷检测能有效地提升检测效果.当工件表面出现微小缺陷时,缺陷部分的特征容易被其他区域的特征所掩盖,影响检测的准确率.针对这一问题,提出了每级由3个卷积模块和一个视觉注意力模块构成的3级视觉注意力网络.通过注意力模块生成软注意力模板,为卷积模块构成的主干网络的特征图加权,增强缺陷区域特征并抑制背景区域特征,提升缺陷检测的准确率.实验采用具有明显缺陷和微小缺陷的5类工件图像进行对比测试,结果表明,软注意力模板在容易出现缺陷的区域具有更高的权值;加入视觉注意力模块能将缺陷检测的准确率从90.9%提升至98.1%.     

机器视觉在钢球表面缺陷检测中的应用

提出一种基于机器视觉钢球表面缺陷识别方法, 利用计算机图像技术采集钢球表面图像信号, 采用图像比对法对图像信号进行缺陷识别分析.实践表明使用本文方法能够实现钢球表面缺陷的自动检测,具有可靠、高效的特点.     

轴尖表面缺陷检测及尺寸测量系统研究

针对陀螺轴尖加工生产中对表面缺陷进行在线检测和关键几何尺寸进行高精度在线测量问题,设计并实现了基于显微机器视觉技术和快速图像处理技术的在线非接触检测测量系统,检测时,待检轴尖安装在精密位移台上,采用专用光源系统照明,通过显微成像系统成像;图像经采集,预处理、分割、特征提取,参数测量、结果统计等处理步骤,得到轴尖表面缺陷数量及几何尺寸.实测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决轴尖表面缺陷检测及尺寸在线测量问题.     

基于YOLO算法与深度学习的证件质量检测系统

针对证件生产过程中表面人工质检时存在的易疲劳、易漏检、检测效率低等难题,提出一种基于深度学习结合机器视觉的证件质量检测方法.首先采用摄像头采集证件表面图像,对证件照片图像进行仿射变换、滤波、特征提取等处理,然后根据个人信息生成打印标准图像,与证件表面图像进行图像配准、形态学相减和模版匹配操作,检测出证件表面的文字不正确、文字打印不完整、重影等缺陷,最后通过改进的YOLO目标检测网络检测出照片打印不完整、覆膜不完整、杂质、黑边等缺陷.     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于机器视觉的灯头产品质量在线检验系统研究

详细研究并实现了一种基于机器视觉技术的灯头产品质量在线检测系统;根据灯头产品生产中存在的4种主要质量缺陷,论文提出了灯头产品质量在线视觉检验系统的结构及其工作流程,提出了运用图像特征提取技术识别好坏灯头的方法,详细分析了系统设计中采用的几种重要的图像特征提取算法;试验表明这些方法简单实用,能准确高效地识别出目前灯头产品中存在的主要质量缺陷。     

基于机器视觉的发动机包覆层表面缺陷检测技术

固体火箭发动机包覆层表面的缺陷检测是保证其使用安全性的重要手段.本文应用机器视觉技术实现发动机包覆层表面缺陷的自动检测.用工业相机采集发动机包覆层表面的图像,结合图像特点,通过多次实验分析,选择中值滤波方法进行滤波,采用图像模式匹配技术将缺陷从图像背景中分割出来,并将以上功能进行整合,设计缺陷自动检测系统.实验结果表明...     

基于机器视觉的铸件缺陷动态检测方法

针对数字化X射线实时成像系统自动化检测问题,提出了一种基于机器视觉的铸件缺陷动态检测方法.首先,通过计算射线图像的行灰度曲线的波峰波谷快速检测出缺陷帧;然后,利用帧间差分法获得前景区域即缺陷区域,融合边缘检测算法与形态学方法在缺陷区域中准确分割出缺陷;最后,使用卡尔曼滤波器与匈牙利算法获得缺陷在连续多帧图像中的位置,通过挖掘缺陷在多帧图像中的位置关联关系修正抑制错检并修正漏检,提升了正确率.实验结果表明,与人工检测和基于单幅图像的缺陷检测方法相比,所提方法显著提高了缺陷检测的正确率与效率.     

基于机器视觉的螺纹钢表面缺陷检测方法

螺纹钢是一种广泛应用的建筑材料,在轧制过程中如果不能及时发现其尺寸和表面缺陷,就会生产出大量废品,给企业带来损失.本文设计了一种基于视觉的螺纹钢表面缺陷检测方法.先利用仿射变换对图像中歪斜的螺纹钢进行校正,然后基于霍夫变换检测纵肋边缘直线位置的方法对螺纹钢正面、侧面图像进行区分.最后针对正面、侧面图像分别进行缺陷检测,快速准确地判别表面是否存在缺陷.实验表明所设计的方法具有较好的稳定性和实用性,能有效地解决人工检测过程中效率低、误检率高等问题.     

关于新型螺旋面钻尖和平面钻尖的对比研究

微小钻头钻孔方法广泛应用于精密微小孔的加工领域。根据新型螺旋面钻头和平面钻头的数学模型,在微小钻头CAD系统的基础上,为提高钻削性能开发了新型螺旋面钻尖微小钻头,与平面钻尖微小钻头对比,利用系统仿真分析了两种微小钻头钻尖的几何特性,包括主切削刃上刀具角度,横刃上刀具角度,以及后刀面上尾隙角的分布情况对比。仿真结果表明,新型螺旋面钻尖微小钻头比平面钻尖微小钻头具有更好的钻削性能。     

Automatic optical phase identification of micro-drill bits based on improved ASM and bag of shape segment in PCB production

This paper addresses the problem of automatic optical phase identification of micro-drill bits for micro-drilling tool inspection in printed circuit board production. To overcome the limitations of conventional active shape model (ASM) on shape modeling of micro-drill bits, six key landmarks are defined for the initialization and optimization of ASM, and a novel method based on projection profiles is also proposed for these key landmarks detection. In addition, to involve the local shape feature, a bag of shape segment (BoSS) model is developed. Based on the improved ASM and BoSS, a new shape representation of micro-drill bits is proposed for phase identification. Experimental results show that the proposed method outperforms the conventional ASM and can improve the phase identification accuracy of micro-drill bits.     

基于视觉感知的双层次阈值边缘连接方法

边缘是图像目标的重要特征，但通常边缘检测得到的边缘存在不连续现象，为此在分析传统边缘连接方法的基础上，利用人类视觉系统对边缘连接的多层次感知机理，提出了一种基于视觉感知的双层次边缘连接方法。该方法首先利用大、小阈值产生相应的大、小阈值图像计算其差值以确定模糊边缘点;然后利用人类视觉系统对边缘连接的感知特性系数判别模糊边缘点中真正的边缘点，并将真正的边缘点添加到大阈值图像，使大部分重要的区域边缘能够形成完整的封闭轮廓。仿真实验结果表明，该方法能够有效地改善边缘检测后的边缘不连续现象，相比一些传统的边缘连接方法，运算速度较快，连接效果较好，能满足边缘检测的轮廓封闭性要求。     

Optimal path planning for automated dimensional inspection of free-form surfaces

Structural dimensional inspection is vital for the process monitoring, quality control, and fault diagnosis in the mass production of auto bodies. Comparing with the non-contact measurement, the high-precision five-axis measuring machine with the touch-trigger probe is a preferred choice for data collection. It can assist manufacturers in making accurate inspection quickly. As the increase of free-form surfaces and diverse surface orientations in product design, existing inspection approaches cannot capture some new critical features in the curvature of products in an efficient way. Therefore, we need to develop new path planning methods for automated dimensional inspection of free-form surfaces. This paper proposes an optimal path planning system for automated programming of measuring point inspection by incorporating probe rotations and effective collision detection. Specifically, the methodological contributions include: (i) a dynamic searching volume-based algorithm is developed to detect potential collisions in the local path between measurement points; (ii) a local path generation method is proposed with the integration of the probe trajectory and the stylus rotation. Then, the inspection time matrix is proposed to quantify the measuring time of diverse local paths; (iii) an optimization approach of the global inspection path for all critical points on the product is developed to minimize the total inspection time. A case study has been conducted on an auto body to verify the performance of the proposed method. Results show that the collision-free path for the free-form auto body could be generated automatically with off-line programming, and the proposed method produces about 40% fewer dummy points and needs 32% less movement time in the auto body inspection process.     

基于反向P-M扩散的钢轨表面缺陷视觉检测

研制了一种基于反向P-M（Perona-Malik）扩散的钢轨表面缺陷视觉检测装置,该装置可 自动获取钢轨表面图像,并实现实时检测与定位钢轨表面缺陷. 钢轨图像具有光 照变化、反射不均、特征少等特点,为了在运动过程中 从复杂的钢轨表面图像提取缺陷,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进 行差分,从而减小了上述因素的影响,最后将差分图像进行二值化操作,根据 缺陷边缘特性和面积进行滤波,分割出缺陷图像. 实验仿真和现场测试结果表明,该方法能很好地识别块状缺陷和线状缺陷,并且检测速度、精度、识别 率和误检率都能很好地满足要求.     

Wavelet based methods on patterned fabric defect detection

The wavelet transform (WT) has been developed over 20 years and successfully applied in defect detection on plain (unpatterned) fabric. This paper is on the use of the wavelet transform to develop an automated visual inspection method for defect detection on patterned fabric. A method called direct thresholding (DT) based on WT detailed subimages has been developed. The golden image subtraction method (GIS) is also introduced. GIS is an efficient and fast method, which can segment out the defective regions on patterned fabric effectively. In this paper, the method of wavelet preprocessed golden image subtraction (WGIS) has been developed for defect detection on patterned fabric or repetitive patterned texture. This paper also presents a comparison of the three methods. It can be concluded that the WGIS method provides the best detection result. The overall detection success rate is 96.7% with 30 defect-free images and 30 defective patterned images for one common kind of patterned Jacquard fabric.     

基于边缘检测的生产线手机膜缺陷识别方法

目前国内手机保护膜的产量和销量巨大,但手机膜生产线上的缺陷检验仍采用目检法,检测效率与准确率较低.针对生产线上手机膜缺陷检测的4个关键问题(正常与缺陷类别不平衡、高信噪比去噪、边缘特征提取以及缺陷样本检测效率)进行研究.采用RST和图像剪切方法实现缺陷样本扩充,解决缺陷样本少,缺陷位置和形式不足问题;提出自适应小波阈值及新的阈值函数,实现传统小波阈值去噪方法的改进,获得优异的去噪效果;在图像边缘检测技术中,引入改进小波阈值去噪方法及Otsu阈值设置方法,提高传统Canny算子的边缘检测性能,实现图像特征有效提取;利用具有旋转、平移及尺度不变性的Zernike矩对边缘检测结果进行特征表达,提高模式识别的效率及准确率.采用支持向量机(SVM)对正常手机膜和缺陷手机膜的边缘Zernike矩特征进行识别,实验结果表明所提方法准确率高、检测速度快,满足生产线上手机膜的缺陷检测要求.     

一种细化边缘的轻量级边缘检测神经网络

针对目前边缘检测模型复杂度高、参数量大、识别边缘精度及效率不高的问题,提出了一种轻量级边缘检测神经网络。首先,通过MP模块将原图像分成同等维度的小块并进行位置编码,以增强边缘像素点之间的联系;再经过MGC中的多组卷积操作提取图像不同区域特征进行融合,减少冗余信息;最后通过多次的反卷积上采样调整输出图片的分辨率尺寸,输出预测边缘图。最终的网络只有125 KB的参数,在BIPED和MDBD数据集上进行实验,验证模型检测边缘的综合能力。相比于当前最先进的轻量级边缘检测方法LDC,在BIPED数据集上的测试结果表明,指标ODS（optimal dataset scale）仅低了0.9%,模型参数量则降低了81.5%,FPS提高了89.0%。在保持细粒度识别边缘的同时,可以满足实际任务中的需求。     

Automated visual inspection in the semiconductor industry: A survey

Automated visual inspection is an image-processing technique for quality control and production line automation. This paper reviews various optical inspection approaches in the semiconductor industry and categorize the previous literatures by the inspection algorithm and inspected products. The vision-based algorithms that had been adopted in the visual inspection systems include projection methods, filtering-based approaches, learning-based approaches, and hybrid methods. To discuss about the practical applications, the semiconductor industry covers the manufacturing and production of wafer, thin-film transistor liquid crystal displays, and light-emitting diodes. To improve the yield rate and reduce manufacturing costs, the inspection devices are widely installed in the design, layout, fabrication, assembly, and testing processes of production lines. To achieve a high robustness and computational efficiency of automated visual inspection, interdisciplinary knowledge between precision manufacturing and advanced image-processing techniques is required in the novel system design. This paper reviews multiple defect types of various inspected products which can be referenced for further implementations and improvements.