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.     

圆钢表面缺陷视觉检测技术研究现状与展望

随着工业上对原材料质量要求的提高,圆钢表面缺陷检测成了工业生产中必不可少的组成环节。表面缺陷检测技术主要分为传统无损检测方法和机器视觉检测方法两类,机器视觉检测方法由于高实时性和高准确性而使用更加广泛。文章介绍了基于机器视觉的圆钢表面缺陷检测技术特点以及国内外最新研究进展,分析了视觉检测技术工作原理和几个关键问题,指出该领域内同仁应该积极吸收国内外先进技术并推陈出新,共同促进机器视觉检测技术的进步。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

一种基于Halcon的美标电源线缺陷检测方法

美标电源线是国内电线电缆企业生产的产品之一,因布局合理、电气安全设计规范等优势,在美国、加拿大、巴西等国家和地区广泛使用。目前多数国内生产企业使用的检测方法是人工离线检测和工具检测(如显微镜,投影检测仪等传统设备),这类方法耗费较大人工成本,且精度低,效率不高,并不适用于大规模生产过程。因此急需一种测量精度高、测量速度快的产品检测方法,以满足高质量生产和高效率检测的要求。以美标电源线为研究对象,利用图像处理和机器视觉相关知识,设计一种基于Halcon的美标电源线缺陷检测方法,该方法可以对美标电源线进行较完整的检测,对其各种缺陷有较好的检测效果。     

机器视觉与钢板表面缺陷的无损检测

通过分析几种具有代表性的机器视觉检测系统的结构、原理和性能,论述了钢板表面缺陷的在线机器视觉检测技术的特点及现状,探讨了目前研究中的关键技术、难点及其解决方法,指出机器视觉检测技术必将在今后钢板表面质量控制系统的研究中发挥重大作用。     

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.     

基于光学原理的轴承球体表面缺陷检测方法研究

目的 实现球体表面微小缺陷的非接触式检测。方法 基于激光散射和剪切干涉的光学原理,设计了适用于微小缺陷检测的光路系统,搭建了可适用于不同直径球体检测的精密可调节检测光路系统平台,通过对标定板的检测及重复性实验,确定光路系统的检测精度。采用高精度气浮主轴搭建了精密可调节的球体运动平台,通过对直径20 mm的G5级高精度氮化硅陶瓷球的检测实验,以及通过对一半抛光一半未抛光直径20 mm轴承钢球体的检测对比实验,验证光路实验平台对于球体表面微小缺陷检测的可行性。 结果 标定板上4 μm宽、63 nm高的条纹的剪切干涉信噪比为8∶1,具有相对较高的信噪比。G5级高精度氮化硅陶瓷球的检测试验以及一半抛光一半未抛光轴承钢球体检测的对比实验,验证了该光路实验平台中,激光散射可灵敏地检测较深的微米级缺陷,剪切干涉可灵敏地检测较浅的微米级缺陷。结论 基于光学原理搭建的球体表面微小缺陷检测平台,可以实现对球体表面微米级别缺陷的检测。     

基于机器视觉的柱形电子元件表面缺陷检测

针对柱形电子元件经常出现的表面缺陷,设计一套基于机器视觉的在线检测系统。在Visual C++平台下,对采集到的图像进行预处理、二值化、位置和角度校正以及差影技术等一系列运算,达到高效地检测零件缺陷的目的。实验结果证明:该系统安全可靠,具有一定的经济效益和发展前景。     

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。     

一种用于轴承缺陷图像的改进FCM聚类检测算法

传统的FCM算法对原始图像进行分割,既没有考虑像素间相关性,又没有考虑像素的空间信息,因而对噪声十分敏感而且速度慢。为了克服上述问题,提出了一种新的基于改进的FCM图像分割算法。该方法以轴承缺陷图像为研究对象,对改进的FCM算法进行了分析和研究;通过先对采得的图像进行K-L滤波消除图像像素分量间的相关性,然后对所得图像进行二维向量小波变换,对滤波后的图像提取特征得出图像每一个像素点都有含9个纹理特性来描述的结论,最后运用FCM算法的思想,对其提出进行改进方案得出分割后的图像,使其精度和速度都有改善。其结果证明了改进算法的有效。     

基于BP神经网络的表面缺陷检测分类

精密轴承应用广泛,精度要求高,轴承表面缺陷对其使用影响很大。因此,对轴承缺陷的检测很有必要。目前的检测以人工为主,但当缺陷小于0.075 mm时人眼就很难识别。以CCD摄像机为视觉结合图像处理技术,设计一种轴承在线检测方法,能够在很大程度上提高检测效率和检测精度,最后利用BP神经网络进行缺陷分类,实验结果表明:分类正确率可达92.7%,符合工业要求。     

一种用于轴承缺陷图像分割的改进k-means聚类算法

为了实现轴承缺陷无损检测自动化,研究了轴承表面缺陷图像的分割方法。在数字图像处理技术的基础上,提出一种改进的k-means的图像分割算法。先利用二维向量小波变换对图像提取特征,根据表面缺陷特征,运用k-means算法的思想,对其进行改进。试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值。     

基于机器视觉的线缆表面缺陷检测系统设计与算法研究

针对相关行业对线缆表面质量检测的需求和人工检测方法的不足,提出一套基于机器视觉的线缆表面缺陷实时检测系统的设计方案。设计了满足工业生产线条件的视觉硬件设备,用于采集优质的线缆图像。在图像处理算法中,改进行灰度均值法实现了复杂环境下图像线缆区域的提取;改进双边滤波建立背景并与原缺陷图像差分实现了缺陷信息的分割。通过对300张存在小孔、划痕、绝缘皮破损等线缆缺陷图像进行检测试验,结果表明:该算法检测准确率高于96.3%。     

机器视觉在轴承检测中的研究现状及发展趋势

随着我国制造业的快速发展,传统的检测方法已经不能满足市场的需要。机器视觉在轴承检测中发挥着不可估量的作用,它具有非接触性、精确性、客观性、重复性、实时性及自动化等优点,有着广阔的应用前景和研究价值。在阅读大量文献的基础上,从尺寸检测、表面缺陷检测、图像处理3个方面着手,对前人的研究进行归纳总结,综合性地阐述了机器视觉在轴承检测中的研究现状及发展趋势,可为后期的相关研究提供参考。     

小样本磨削表面粗糙度测量方法研究

基于机器视觉的表面粗糙度测量方法主要通过图像特征信息与粗糙度的关联指标建立预测模型,但是样本量不足往往难以训练出有效的模型,导致测量准确率较低。针对以上问题,提出一种小样本磨削表面粗糙度测量方法。建立图像采集系统,采集不同粗糙度等级磨削表面图像作为原始样本;通过虚拟样本生成算法扩充样本量,采用灰度共生矩阵提取样本纹理特征;最后,通过神经网络建立预测模型。试验结果表明：样本量扩充后,表面粗糙度测量的准确率从80.4%提升到97.2%,证明了此方法的可行性,为小样本磨削表面粗糙度在机检测提供理论基础。     

基于2D投影的BGA焊点X射线检测缺陷图像处理方法

讨论了BGA封装器件焊接的特点,并对BGA封装器件焊点检测方法进行了阐述。采用X射线检测法,通过图像处理技术检测每个焊点的面积、质心和圆度,以此来判断焊点是否有漏焊、焊锡球、桥连、焊球过大或过小、偏移以及焊球变形等缺陷。试验证明,所用系统可以快速、准确地检测出BGA封装器件中常见的焊点缺陷,为BGA封装器件焊点的质量提供保障。