基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

活塞包胶组件表面缺陷的机器视觉检测研究

活塞包胶组件是摩托车减震器的重要组成部分,其表面缺陷的人工目测精度低、速度慢。在借鉴国内外研究的基础上,提出了一种基于机器视觉的活塞包胶组件表面缺陷检测系统。硬件方面,设计了光学照明方式,完成了机器视觉系统的研制。软件方面,提出了缺陷检测算法。端面以目标连通域面积为依据判定缺陷,侧面图像则结合组件侧面轮廓分析和连通域特性分析来检测缺陷。实验表明,该系统能够有效的检测出活塞包胶组件的表面缺陷。     

机器视觉玻壳缺陷检测方法的研究

研究了利用机器视觉检测技术识别玻壳缺陷的方法.针对玻壳图像中缺陷的特征,采用Kirsch梯度算子法对图像进行处理,取得了理想的效果,可识别出玻壳缺陷.     

基于机器视觉的食品缺陷检测系统研究

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;最后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。     

基于机器视觉的金属罐内壁缺陷检测

对金属罐内壁质量检测进行研究,以Visual Studio 2010为开发平台研制了基于机器视觉的金属罐内壁缺陷检测系统,可实现对金属罐内壁缺陷的自动检测.针对金属罐内壁的特殊性,在图像采集时选择了合适的光源和相机;检测过程包括图像采集、图像处理、检测区域定位及缺陷检测;通过图像处理算法分别对金属罐罐口、内壁和焊缝3部分进行检测;并用多线程技术对检测速度进行优化.实验表明:对于选用的金属罐,缺陷检测系统的检测速度可达到600个/min,能够满足生产线的高速度需求.     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。     

采用机器视觉的铝压铸件表面缺陷检测

对铝压铸件常见的缺陷形态进行分析,提出适用于铝压铸件表面缺陷的检测算法.首先,采用阈值分割与形态学相结合的方法分割出可疑区域;然后,根据基于面积、亮度均值、亮度均值差、灰度曲线分析的4个剔除原则,剔除伪缺陷的干扰.试验结果表明:文中的检测方法具有低成本、高精度、可操作性强等优点,能有效提高铝压铸件生产过程中的检测效率.     

DIP外观缺陷机器视觉检测系统

设计简单光学成像系统实现单个面阵CCD的三维机器视觉检测,利用图像顺序形态学以及基于知识的阈值选择算法对双列直插式芯片DIP（Dual Inl i ne Package）管脚图像进行预处理,检测过程引入质量控制图方法分析系统误差对系统稳定性的影响,采用时间序列建模预测系统检测误差并调整检测结果.实验结果表明系统检测精度高,实时性好,满足多种DIP在线检测的要求.     

图象处理和计算机视觉检测技术在美国

在大规模生产条件下,人们总希望能使产品质量达到100％合格,其中,最困难的任务之一就是检测问题.本文综述了美国近年来图象处理及计算机视觉检测技术在工业界的应用状况.图象处理及计算机视觉检测技术在美国工业生产和质量控制中起着愈来愈重要的作用.它具有快速、准确、无损、高效等优点,因此,它被广泛应用于电子工业、汽车工业、木材工业、纺织工业、食品加工及包装工业.在电子工业中尤为活跃,并已取得了极大的成功.     

基于机器视觉的桥梁裂缝检测应用及发展综述

桥梁裂缝是影响桥梁服役性能的关键因素之一,裂缝检测对桥梁养护至关重要。目前大部分检测为人工检测,检测人员通过目视检查裂缝,手动记录裂缝,检测的时间成本高昂。基于机器视觉的桥梁裂缝检测系统利用桥梁表面图像进行裂缝识别,近年来借助人工智能技术使裂缝自动化识别的精度和效率大大提升。详细介绍了基于机器视觉的桥梁裂缝检测系统及其应用,总结了该技术在桥梁裂缝检测中的优势及改进方向。     

一种基于机器视觉的图像采集系统设计

一种采用STC89C516和K9F2808UOC来实现基于机器视觉的图像采集系统改进存储算法,可以实现8Kbit/s的无错采集速率,成本低廉实用.     

基于机器视觉的零件自动装配系统

针对工业装配生产线的削刀架自动装配问题，基于机器视觉技术，构建了一套在线机器视觉系统．采用特征值方法识别零件，并通过质心法结合特征点及最小二阶矩进行定位．利用带有透镜径向一阶畸变的小孔摄像机模型，采用径向排列约束（RAC）2步标定法对摄像机进行了标定，并在线验证．实验结果表明，该方法可获得很好的识别效果，识别零件正确率100％，系统工作时间约300ms，满足装配作业的实时性和精度要求．     

基于机器视觉的齿轮产品外观缺陷检测

提出应用机器视觉技术对齿轮外观缺陷进行检测.首先对齿轮产品实物图像进行预处理,提取齿轮边缘图像,对其实物图像和设计图像进行分割和缩放处理,得到相同大小的实物;其次,采用互信息方法对两幅图像进行配准,通过不断旋转实物图像,计算它与设计图像的互信息,找出实物图像的最佳旋转配准角度;在此基础上将两幅图像进行小波融合,即自动对齐叠加在一起,根据重合效果,检测人员可以判断生产出的齿轮产品是否合格.通过实例验证了该方法的可行性和有效性,检测效果直观.     

无纺布成品表面污渍机器视觉检测系统的设计

无纺布成品表面污渍机器视觉检测系统在保证可靠性、易用性的同时,还要有较低的成本、较高的检测速度和精度.根据此需求,文中设计了一种嵌入式机器视觉检测系统,该系统集成了人机界面,能避免因依赖计算机而造成的易用性问题.文中介绍了该系统的硬件结构,设计了基于动态阈值的污渍判断方法,以保证图像运算的实时性与检测的精度,降低误判率,提高检测的可靠性.实际应用表明,该系统在线速度为300m/min的无纺布成品生产中,能够检测出1mm2的污渍.     

基于深度学习的光纤收卷机器视觉自动检测技术

已有的光纤收卷检测方法的泛化能力和环境适应性均较差,无法应用于工业生产.提出基于深度学习的机器视觉方法对收卷过程中的收卷图像进行分类来解决光纤收卷问题.通过考虑光纤收卷时光纤间力的作用,建立了光纤收卷模型,提出了光纤收卷时排线机构的速度表达式.使用相机采集大量光纤收卷图片形成数据集,搭建并训练神经网络模型用于对收卷情况进行分类.通过实验验证,该方法对间隙状态的识别正确率在94.67%以上,叠线状态识别正确率为100%,检测速度高于实际生产绕线速度,是一种可以和控制系统相结合替代人工收卷并实现自动精密绕线的良好方法.