基于机器视觉的带钢表面缺陷检测研究进展

热轧带钢是钢铁行业的主要原材料之一,其表面质量控制一直是生产过程智能检测的重点任务。针对带钢表面缺陷自动在线检测逐步取代人工检测的现状,概述带钢表面缺陷检测方法,着重阐述基于机器视觉的表面缺陷检测方法,比较分析传统机器视觉、深度学习方法在带钢表面缺陷检测的应用,探讨带钢表面缺陷检测中存在的关键技术问题,并对其未来发展趋...     

基于机器视觉的PCB板表面缺陷检测方法研究进展

基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用.对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,...     

基于机器视觉的钢轨磨耗检测系统的研究

钢轨磨耗是一个评价铁道钢轨质量的重要指标.采用光切形貌法,用机器视觉检测法取代传统检测法对钢轨磨耗进行检测.首先建立世界坐标系与图像坐标系的激光相机传感器校准模型并用黑白棋盘格对激光相机传感器进行标定.然后通过棋盘格实验标定所获得的300组校准数据,代入非线性最小二乘法计算模型,得到模型校正参数.并选取国内某地铁线路的现场数据进行试验,结果表明:采用该检测系统能使钢轨磨耗测量误差控制在0.3mm以内,能够较好地应用于钢轨磨耗测量中.     

基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望

鉴于基于机器视觉的太阳能电池片表面缺陷检测方法具有操作简便、检测精度高的优势,对此类方法所涉及的各个环节进行了综述.首先,对太阳能电池片表面的各种成像方式和常见缺陷类型进行了归纳总结;其次,对现有的检测方法按照数学建模思路的不同进行了分类介绍和对比分析;最后,对内容进行了小结并对太阳能电池片表面缺陷检测方法的后续研究进行了展望.可以看出:基于机器视觉的太阳能电池片表面缺陷检测方法已经取得了较大的发展,但在特征提取算法设计方面仍有改进空间,如基于深度神经网络的特征提取算法.     

基于机器视觉的螺纹缺陷检测方法

为了满足现代制造业自动化生产装配中在线检测要求,提出利用机器视觉的方法对螺纹缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、螺纹的边缘提取、螺纹的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编程实现.实验结果表明,基于这种螺纹缺陷检测方法的准确率能够达到99.5%,一个螺纹的检测时间在300 ms以内,达到既定要求与目标.     

基于机器视觉和LabVIEW的有机玻璃缺陷检测研究

采用机器视觉技术和LabVIEW Vision Assistant对玻璃缺陷进行检测分析,以亚克力玻璃常见的缺陷划痕、气泡为主,通过LabVIEW图像处理模块进行灰度变换、形态学处理、阈值分割,最后对图像进行颗粒分析。该研究用模板匹配的方式,对玻璃存在的缺陷进行识别。多次检测研究后表明,该方式较准确地检测到划痕、气泡的存在,并对缺陷的位置及数量做出判断,正确率达到94%。     

基于机器视觉的玻璃瓶表面缺陷检测

介绍了机器视觉应用到玻璃瓶在线检测生产流水线的一个具体案例和整个系统的构成框架.用图像预处理和分割算法对被测物进行识别以达到检测目的.     

基于多线程串行通讯的机器视觉瓶盖缺陷检测

该文针对串口通讯实时性和系统资源利用不足,结合多线程技术能很好地解决并发多任务问题,提高资源的利用率和系统的整体性能,并以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种基于多线程串行通讯的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案实现了PC机与西门子S7-200PLC的串行通讯,给出了瓶盖缺陷检测的设计思路及完整流程。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

基于机器视觉的苹果表面纹理检测方法

提出了一种基于机器视觉技术的苹果表面纹理检测分级方法。提取苹果目标,使用不同算法灰度化图像。根据纹理位于图像中灰度突变处的特点,采用典型梯度算法,对目标图像进行两次梯度锐化。对图像进行滤波去噪使纹理更加突出。利用绝对差分算法,计算图像的平均梯度,选取阈值55,将苹果分为纹理鲜明A级果和纹理不鲜明B级果。设计了由PC机、可编程逻辑控制器、摄像机、图像采集卡等组成的苹果视觉自动化分级系统。选取41个水晶富士苹果在该系统进行了分级试验,分级窜果率为4.9%,可以满足应用要求。     

基于机器视觉的铝镍钴磁性材料外观缺陷检测的研究

针对镍钴磁棒材料在线分拣中人工端面缺陷检测准确率低、分拣慢的问题,提出一种基于机器视觉的铝镍钴磁棒材料缺陷检测的方法,创新性地提出了一种以轮廓与拟合圆距离差为评价标准的检测边缘崩角和缺角的算法.首先,通过Canny算法获取检测图像的轮廓;然后,基于轮廓最大连通曲线拟合端面圆,轮询计算轮廓点与拟合的端面圆距离,由此精确获...     

基于机器视觉的织物疵点检测方法综述

对基于机器视觉的各种织物疵点检测方法进行综述,将检测系统分成3个层次:疵点判别、疵点分割和疵点分类,给出了对各个层次的要求和完成的目标,并将已经提出的大多数疵点检测方法按其特点归类到3个层次中,具体描述了各类方法的优缺点,分析其实用性,最后总结了该领域的发展趋势.     

基于机器视觉的瓷砖表面质量分析与检测

提出了基于平面ＣＣＤ的瓷砖产品的表面质量检测的准则与方法,首先对瓷砖产品的缺陷特征进行分类,得到两大类结构特征－班点结构和广义线性结构,针对这两种几何特征,本语文提出两种有针对的滤波器,结果表明这种滤波方案是有效的,本文也对各种照明与视觉条件及裣进行了详细的讨论．     

基于DSP的机器视觉系统设计与实现

针对机器人控制对视觉的实时性要求,设计了一种基于TMS320C6416图像处理平台的嵌入式机器人视觉系统.介绍了以VC 6.0开发的操作界面控制DSP对图像的采集、处理和目标识别,此后DSP把识别的结果传送给主机,从而为机器人手臂的轨迹规划提供目标物体信息.给出了系统的硬件、软件设计方案(包括PC机和DSP端的设计方法).     

一种用于汽车连杆检测的机器视觉系统研究

连杆作为汽车的主要部件之一,有时存在序列号不匹配的情况,目前多用肉眼检测,误判率高,检测效率低下。针对这一问题,设计了基于机器视觉的汽车连杆检测系统,它可实时采集连杆图像,并以Hu矩作为特征向量,采用BP神经网络算法训练分类器进行连杆字符识别,从而实现了对连杆产品的自动检测。研究结果表明,该系统字符识别准确率在97.50%以上,大大提高了工作效率,降低了劳动强度,具有较高的推广价值。     

基于机器视觉的垃圾自动分类系统设计

为了提高垃圾分类过程中前端收集的工作效率,基于机器视觉技术设计垃圾自动分类系统. 设计制作垃圾分类的硬件设备,主要包括可回收和不可回收2个箱体;针对垃圾数据集较少的问题,提出基于Inception v3网络特征提取模型和迁移学习相结合的垃圾种类识别方法,在自建的垃圾数据集上进行训练和测试. 结果显示,利用该方法可以准确地对垃圾种类进行识别,平均准确率达到0.99;将训练好的模型部署在树莓派3B+上,在制作的实物垃圾桶上进行测试,系统稳定后,平均完成一次分类回收的时间为0.95 s. 实验表明,该系统能够有效地进行垃圾种类的识别和完成垃圾的分类回收.     

基于机器视觉的零件颜色识别系统

以Visual C＋＋6.0作为软件开发平台,以开源的OpenCV作为辅助的图像处理库,组建系统的硬件系统,实现了对工业自动生产线上的零件图像的采集和处理.该系统能对不同颜色的零件进行识别,为后续零件的筛选和分类奠定了基础.实验证明,采用机器视觉对零件颜色进行在线识别,不但检测精度高,而且能够满足生产线上实时性的要求.     

溶液中微米级异物目标视觉检测技术

提出了一种利用机器视觉技术对溶液中μm级异物微粒进行检测并统计粒径信息的新方法。首先,建立溶液离心旋转急停后其中异物粒子的运动轨迹数学模型;然后,提取溶液视觉图像序列中每个可能目标的有效特征,通过特征匹配得到帧间若干可能目标的运动轨迹,根据异物目标与背景噪声等伪目标轨迹的差异进行甄别检测;最后,对视觉系统进行标定,确定检测到的异物目标粒径大小及各区间微粒数量。实验表明,该技术检测精度能够到达10μm,且具有较高的检测准确率。     

基于机器视觉的异性纤维检测系统

异性纤维杂质检测技术是近几年来国内外研究的热点,给出了基于机器视觉的异性纤维检测系统框架,并对系统各个模块关键技术进行了阐述. 为了有效清除异性纤维,提出了一种彩色聚色分割方法用于检测皮棉中的异性纤维. 实验结果表明,此方法可以有效的检测皮棉中的异性纤维.