基于机器视觉的加工面缺陷检测方法

针对生产过程中对产品检测提出的新要求,介绍一种基于机器视觉的加工面缺陷检测方法。它利用小波变换对图像进行多尺度分析,然后对反映纹理特征的分量进行处理,达到增强非纹理性质的特征的目的,从而检测出掩埋于加工纹理背景中的细小裂纹和缺陷。此方法的研究与实现,可在线检测系统实施过程中有效提取掩埋于高强度纹理背景中的图像奇异特征,从而保证检测过程准确、高效地进行。     

基于机器视觉的纽扣缺陷检测技术研究

利用机器视觉和深度学习算法对纽扣缺陷进行检测。首先对纽扣图像滤波去噪处理,提取轮廓并获取图像特征;接着对图像阈值分割,对二值图像标记连通域,完成纽扣区域分割及轮廓提取,通过轮廓数目判断是否存在多孔、少孔和外形轮廓缺陷;最后使用YOLOv4算法训练纽扣缺陷类型,实现四眼塑料纽扣缺陷检测。验证结果表明纽扣缺陷检测精度达到了95.5%,单个纽扣平均检测时间为0.89s,满足工程应用需求。     

基于机器视觉的罗纹纸外观缺陷检测系统

介绍了一种利用机器视觉方法测定罗纹纸张外观缺陷的检测系统,采用H S V图像处理技术实现罗纹纸张背景上外观缺陷的提取,对于罗纹纸张色点检测有更高的色差敏感度和测量精度。     

基于机器视觉的织物色差检测方法研究进展

随着纺织品需求量的增加以及人们对购买衣物的色差要求越来越高,织物色差检测的需求也越来越高。为了解决目前传统色差检测方法速度慢、准确性差等问题,综述了使用基于机器视觉的织物色差检测方法。该方法相比于传统方法能够快速、准确的计算出被测织物与标准织物之间的色差。从色差产生的原因和两种传统色差检测方法出发,分析了传统色差检测方法的不足,总结了基于机器视觉色差检测的一般步骤,并具体评述了图像预处理、颜色空间转换、色差计算与色差评价等4个方面的技术,最后对全文进行总结并对当前研究面临的问题进行概述,清晰地呈现出该领域的发展脉络。     

基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于机器视觉的苹果缺陷快速检测方法研究

针对目前中国苹果分选大部分还是经由人工筛选的现状,提出一种基于机器视觉的苹果缺陷快速检测方法。采用亮度自动校正技术消除苹果表面亮度不均匀分布,根据缺陷候选区域的数量,完成对苹果的初步判断,并使用加权相关向量机进一步对有缺陷的苹果进行判断。通过试验对文中方法的有效性和准确性进行验证。试验结果表明,该检测方法对1 000个测试样本的识别准确率为99.1%,对各种缺陷的检测精度较高。     

基于机器视觉的食品内包装缺陷检测装置设计与实现

为解决食品包装机生产过程中内包装质量缺陷等问题,基于机器视觉原理设计食品内包装缺陷检测装置。该装置主要由图像采集、图像处理及判断与剔除等系统组成,使用超小型CCD相机对包装材料的内部缺陷进行扫描,通过PLC程序实现对缺陷包装的判别和剔除。以内衬纸为例,利用不同程度缺陷内衬纸及FLUKE热成像仪,对机器视觉装置进行内衬纸缺陷剔除率及机械部件运行情况的测试。结果表明:采用机器视觉的检测装置较好地解决了生产过程中缺陷内衬纸漏检及检测效率低等问题,各类型缺陷内衬纸检测准确率高达95%,研发后缺陷烟包白班减少了13.3包/月、前夜班减少了8.4包/月、后夜班减少了8.0包/月,降低了缺陷烟包量,提高了设备运行的稳定性,所有仪器均满足长期稳定运行的要求,实现了包装质量的闭环式自动检测技术。     

基于机器视觉的食品外包装缺陷检测算法研究进展

食品包装在生产过程中由于各种因素会导致缺陷产生,包装缺陷种类多,背景复杂。通过视觉成像和计算机信息处理完成包装的识别、检测和测量等任务的机器视觉检测,相比传统的人工检测,具有执行速度快、精度高等特点,可显著提高生产自动化程度。文章根据食品外包装常见缺陷,从缺陷检测算法的角度介绍传统机器视觉检测算法和深度学习相关算法在食品外包装缺陷检测中的研究应用,并对检测算法在食品外包装缺陷检测中的应用前景,以及存在的问题进行分析与展望。     

基于机器视觉的接装纸缺陷检测装置

为解决因接装纸质量缺陷造成卷接烟支废品率高等问题,基于机器视觉原理设计了接装纸缺陷检测装置。该装置主要由图像采集、图像处理、光源、报警及剔除等部分组成,在接装纸自动拼接器下方加装相机及照明系统对接装纸进行外观检测,并将检测结果输送至控制系统,完成对缺陷接装纸的剔除。利用定制的有缺陷标记的接装纸,测试机器视觉装置对刀丝缺陷和烫金缺陷的检测率,并与人工检测方式对比烟支外观不合格检出率。结果表明:采用机器视觉检测装置,较好地解决了卷烟生产中接装纸缺陷漏检、误检以及检测效率低等问题,刀丝缺陷检出率达100%,烫金缺陷检出率达96%,对不合格烟支的检出率显著高于人工检测水平,有效提升了卷烟产品品质。      

基于机器视觉的卷烟小盒商标纸表面缺陷在线检测技术

  目的  为检测卷烟小盒商标纸表面多种质量缺陷,提高缺陷检测准确率和检测速度。  方法  以标准图像的定位点通过偏移和相似度量实现快速定位配准,并改进图像差分算法进行实验。  结果  （1）待测图像与标准图像存在一定的偏移,其中最大偏移量为3.6 mm,最大偏移角度为2.1°,最快配准99张图像只需2.484 s。（2）传统差分算法检测图像速度为18.24 s,改进算法检测最快速度为15.62 s,改进后的平均准确率提高了15.23%。  结论  卷烟小盒商标纸表面缺陷在线检测技术速度快、准确率高,减轻了人工检测商标纸的工作量。      

基于机器视觉的碳纤维预浸料表面缺陷检测方法

针对碳纤维预浸料表面缺陷人工检测方法效率低、成本高、实时性差等问题,提出基于机器视觉的碳纤维预浸料表面缺陷自动检测方法。首先,在碳纤维预浸料生产线上,采用2台高分辨率线扫描相机快速连续采集图像,从中随机选择带有缺陷的图像1 000张;其次,基于大气光散射模型对图像进行去雾增强处理,以消除白色树脂的干扰;然后,改进具有19个卷积层和5个最大值池化层的YOLOv2目标检测算法,用于缺陷的检测;最后,对预处理后的图像进行网络训练提取图像特征,识别图像目标,并对训练好的网络进行实验验证。结果表明:该方法在复杂的工业环境下,具有较高的识别精度和鲁棒性,识别成功率达到94%以上,且每张图像的检测时间不超过 0.1 s,可满足工业生产中精度和实时性要求。     

基于机器视觉的空瓶图像检测系统

啤酒瓶在灌装前必须进行多种指标检验，针对实际生产的需要，本文设计了一套基于机器视觉的在线检测系统。系统采用了分布式高速多通道视频信号实时采集与处理方法，很好地解决了实时性与准确性要求的矛盾。系统核心是一种针对处理图像信息的可重构并行处理器，处理器的设计采用了DSP FIGA的混合计算结构，既具有制造完成后的可编程性，又能提供较高的计算性能，可适用多种实时图像信息处理应用的需要。     

基于机器视觉+深度学习目标检测的皮革表面缺陷检测系统研究

针对皮革表面缺陷人工检测效率低、准确率低等问题,基于机器视觉和深度学习算法等构建了一种皮革表面缺陷检测系统.对该系统的主要框架及核心功能进行分析,以一般皮革表面光学检测系统为对象进行检测精度与检测效率对比.结果表明,基于机器视觉+深度学习的皮革表面缺陷检测系统检测精度更高,在应用初期的检测效率与一般检测系统较为接近,但随着应用时间的增长,系统检测效率优势也会逐渐显现.     

印刷品缺陷检测中的图像匹配算法研究

<正>印刷品缺陷的自动检测,是利用机器视觉获取印刷品图像,通过图像去噪、矫正等预处理,经过与模板图像相配准,利用检测算法发现印刷缺陷的过程。当今社会印刷技术突飞猛进,印刷品缺陷自动检测技术越来越表现出广阔的应用前景和巨大的经济效益。     

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。     

基于机器视觉的纸张表面缺陷检测系统

介绍了一套在高档纸生产线上应用的纸张表面缺陷（纸病）检测系统——Fopesigh-PDI,该系统能够在线检测边损、孔洞、白斑、黑点、油斑、褶皱等纸张缺陷。介绍了该系统的功能和特点,探讨其在提高纸张生产效率和质量控制中的重要作用。     

基于机器视觉的折页错位检测应用探讨

为实时监测折页加工过程,用CMOS摄像头组装了一个简易的折页机视觉系统,进行折页错位误差的检测。为最大限度地利用现有摄像头的性能,提高检测的精度和速度,仅检测折页后幅面的一部分。同时,对软件检测折页错位,采用了基于特征点和直线相交两种方法,进行了折页错位检测实验。得到在计算机主频2.8GHz、内存2MB,摄像头分辨率640pixel×480pixel、帧率50f/s的条件下,两种方法的处理时间分别约为150ms和430ms。从实验效果看,该系统可分辨0.5mm的折页错位误差,表明机器视觉可用于折页错位实时检验,基于直线相交的方法抗干扰性好,但处理时间稍长,有进一步改进的余地。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。