基于机器视觉的啤酒金属盖表面缺陷检测方法

目的 为了提高啤酒金属盖表面缺陷检测的精度和准确率,提出一种基于机器视觉的金属盖表面缺陷检测方法。方法 以不同类型的啤酒金属盖表面缺陷为研究对象,利用滤波抑噪和高反差保留算法对图像进行处理,运用YOLO–v5网络完成瓶盖的缺陷检测。通过添加注意力机制SE模块、改进模型损失函数和预测框筛选方式等技术手段对原YOLO–v5模型作出优化,抑制图像中的不重要特征,提升小目标检测的准确率和模型的特征提取能力。结果 改进后的YOLO–v5模型与常用的检测模型的对比结果表明,改进YOLO–v5模型在测试集上的mPA指标为93.10%,检测速度达到了294张/min,优势较为明显。结论 针对不同类型的金属盖表面缺陷,基于机器视觉的检测模型均有较高的检测精度和识别准确率,小目标缺陷的漏检率和误检率情况较少,满足生产线实时、高精度的检测要求。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于机器视觉的罐盖缺陷检测

根据金属材质罐盖制造中生产线上的工作环境和检测要求,针对目前生产线上人工检测的速度慢、效率低、准确率不高等缺点,提出了一种基于计算机视觉的罐盖缺陷检测算法,可快速准确地实现生产线上的金属罐盖的缺陷检测.具体做法是综合一系列图像处理算法,对罐盖罐口、注胶区域、内圆区域等三个主要区域进行检测.结果表明,缺陷检测的速度可达到每秒10个,从而为罐盖的缺陷生产线在线检测提供了很好的支持.     

金属板材表面缺陷检测发展现状

针对目前国内外金属板材表面缺陷检测技术的进展，通过分析板材中常见的缺陷形式，介绍了金属板材表面缺陷检测的常用技术。主要论述了机器视觉表面检测技术中在线检测的应用及发展，并展望了检测技术的发展动向。     

基于机器视觉的透明光学镜片缺陷检测技术研究进展

随着信息化时代的到来及智能电子行业的高速发展,相关行业对透明光学镜片的需求量逐渐增多并对其提出了更高的质量要求。本文从运用机器视觉进行产品缺陷检测的几个关键环节展开探究,包括：对各类镜片的图像采集方法进行研究、对缺陷图像的图像处理算法进行分析、以及对提取出的缺陷的识别分类方法进行归纳总结。从而探究目前运用机器视觉对透明光学镜片进行缺陷检测的发展现状,同时进一步对未来的研究趋势进行了展望和预测,以期对后续工作提供参考。     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

基于机器视觉的丝印样板表面缺陷检测方法研究

针对丝印样板表面缺陷检测采用人工目测法其检测效率低且漏检率高等问题,提出了一种基于机器视觉的丝印样板表面缺陷检测方法。对于边缘断裂缺陷,首先采用基于图像金字塔和归一化互相关(NCC)函数相结合的算法定位可能产生缺陷的边缘区域,然后在边缘区域生成一条灰度值扫描线,根据扫描线上的灰度值判断是否存在边缘断裂缺陷。对于圆度不完整缺陷,首先按照种子搜索、曲线追踪、曲线连接和轮廓选择的步骤提取出圆形轮廓,然后基于轮廓像素点拟合得到理想的圆形轮廓曲线,最后逐点比较提取的轮廓与拟合圆形曲线上对应点之间的距离,并根据设定的距离范围来判断被测目标轮廓是否存在圆度不完整的缺陷。实验结果表明,该方法实现了对丝印样板表面边缘断裂缺陷和圆度不完整缺陷的检测,提高了检测效率和准确率,缺陷检测的综合准确率达到94.6%。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

磁瓦表面缺陷机器视觉检测与识别方法

针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视觉的磁瓦表面缺陷自动检测与识别方法.为解决磁瓦表面缺陷种类多、对比度低、图像中存在磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提高了分类器的准确性和有效性.实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的各类缺陷,检出率可达到96％以上,识别率超过91％.     

芯片载带缺陷的机器视觉检测方法

目的 针对芯片包装载带在生产过程中经常出现的型腔底部和边缘变形、穿孔等缺陷的检测问题,提出一种机器视觉检测方法。方法 首先离线准备配准模板及标准模板图像,然后根据模板在生产过程中进行在线检测。在检测过程中由传感器触发采集待检测型腔图像,然后通过模板匹配方法配准模板图像和待检测图像,并进行异或运算检测两图像差异从而定位缺陷。结果 实验证明边缘变形检测最大错误率为0.45%,底部变形检测最大错误率为0.50%,穿孔检测最大错误率为0.35%,每帧图像检测平均耗时为0.22 s,满足用户错误率不超过1%和每帧耗时不超过0.5 s的要求。结论 该方法能够实时检测芯片载带边缘变形、穿孔等缺陷,有效地实现载带加工生产过程中的质量监控。     

基于机器视觉的编织袋表面缺陷检测系统设计与实现

目的 针对编织袋生产中表面缺陷检测效率和精度低等问题,应用机器视觉技术于编织袋表面缺陷检测,进而提高编织袋的生产效率。方法 基于机器视觉设计编织袋表面缺陷检测系统:首先为了降低背景灰度变化对缺陷检测的影响,研究一种同时具有噪声滤除与图像增强功能的预处理算法;其次选取二维最大熵值法对预处理后的编织袋图进行分割,并采用改进遗传算法对它进行优化以增强算法的收敛速度和效果;然后利用特征提取结合形态学处理的方法实现了编织袋表面缺陷的识别与分类;最后应用连通域进行分析,对分类出的缺陷进行统计与定位以获取缺陷的尺寸以及位置信息。结果 采集了200个编织袋缺陷样本,采用文中编织袋表面缺陷检测系统对编织袋样本进行缺陷识别,平均识别准确率为94.0%,处理一幅编织袋图像的时间约为600 ms。结论 该系统具有较高的识别效率和正确率,可实现编织袋表面缺陷的快速检测,满足工业生产的需求。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于机器视觉的工业炸药包装缺陷在线检测系统

针对炸药药卷包装缺陷,开发了药卷包装缺陷在线视觉检测系统。对系统结构、视觉成像系统进行了描述,并详细介绍了检测方法。采用该方法对获取的药卷图像预处理,并计算药卷轮廓特征,将得到的药卷特征参数与预先建立的药卷标准模板进行对比。试验和应用表明,该方法对3类常见包装缺陷检测准确率不低于96%,所开发的系统可以快速、准确地检测药卷缺陷,能满足实际炸药包装生产过程在线检测的需要。     

机器视觉在药品包装缺陷检测中的应用研究

该文提出了一种基于机器视觉的检测方法,用于药品包装图像的缺陷检测。此方法中包括两个关键技术,一是药品包装图像的预处理,二是药品包装图像的区域分割。药品包装图像的预处理,采用均值滤波去除包装图像上的随机噪声,采用中值滤波去除包装图像上的椒盐噪声,采用高斯滤波去除包装图像上的高斯噪声。药品包装图像的区域分割,采用大律法自动设定阈值并完成包装单元和背景之间的区域分割。分别针对胶囊包装和片状包装进行缺陷检测试验,试验结果证实了该文方法的有效性,可以用于药品包装的缺陷检测。     

ABS齿圈表面缺陷视觉检测方法

针对目前汽车零部件制造行业采用人工目测法进行ABS齿圈出厂检测引起的效率低、速度慢等问题,该文提出一种ABS齿圈表面缺陷视觉检测方法。首先提取齿圈表面缺陷图像的几何特征、灰度特征和纹理特征,构建特征向量,运用主成分分析法对测试样本特征数据进行降维处理,获得新的主成分,再利用自适应粒子群算法对SVM模型的关键参数进行优化,最后采用多项式核函数的SVM模型作为最佳分类模型对968型号的ABS齿圈进行检测实验,并与BP神经元网络模型检测结果进行对比。实验结果表明,采用多项式核函数的SVM齿圈表面缺陷检测模型实验效果最佳,检测正确准确率高达99.4%。     

基于机器视觉、百度AI与深度学习的晶圆缺陷检测方法研究

针对晶圆制造过程中的缺陷对芯片的影响越来越严重,缺陷检测技术在整个半导体工艺流程中至关重要。本文研究了晶圆片在检测速度、检测环境克服能力和检测模型等方面的缺陷检测分析,通过采用机器视觉、百度AI和深度学习技术,以寻找最优技术为检测设备开发奠定基础。实验结果表明,机器视觉技术只能针对特定的应用场景,对特征复杂的晶圆和缺陷检测困难;基于AI技术的检测模型识别准确率可达预期值,但检测置信度较低,无法满足设备开发需求;而基于深度学习技术能有效检测出各种缺陷,算法效果好,检测速度快,符合检测设备开发要求。     

石化储罐缺陷的漏磁检测系统

首先分析了漏磁检测的原理和漏磁检测技术的适用范围,然后探讨了石化储罐漏磁检测系统总体结构及其漏磁检测程序,并对其广阔前景进行了展望。     

基于HALCON的医疗袋缺陷检测

目的 针对现有医疗袋质量检测过程中存在的检测速度慢和检测精度低等问题, 提出一种新的基于 HALCON 的医疗袋印刷图案缺陷检测方案。方法 根据不同医疗袋图案的区域特征进行手动定位, 通过基于形状的模板匹配算法实现目标区域的快速匹配, 利用灰度值差影匹配算法进行缺陷检测。结果 检测出的缺陷与实际存在的缺陷基本吻合, 且检测速度和检测精度均满足要求。结论 该方案能够快速、 准确、 有效地检测出医疗袋图案缺陷, 达到了一般生产线质量要求。     

基于机器视觉的推力轴承垫圈缺陷检测系统研究

为实现推力轴承垫圈表面缺陷自动检测,解决检测过程人工效率低、准确性波动大的问题,设计一套推力轴承垫圈表面缺陷检测及分类系统.针对垫圈表面图像背景复杂,干扰较多难以提取缺陷等问题,用最小二乘法圆拟合提取圆环形感兴趣区域,通过傅里叶变换、低通滤波器和傅里叶逆变换对图像卷积滤波从而抑制干扰;然后基于多个形状指标和多个阈值提出...