排序方式: 共有31条查询结果,搜索用时 46 毫秒
1.
基于数学形态学的灰度线形态识别研究与开发 总被引:10,自引:1,他引:10
灰度线形态特征识别是许多工程模式识别系统的重要部分,该文提出了一种采用CB形态滤波的算法来提取线形态,并结合结构元素分解的方法加快图像处理的运算速度,使识别算法在速度和效果方面都得到了较大提高。 相似文献
2.
3.
一种用于高速印刷品质量检测的预处理算法 总被引:1,自引:0,他引:1
论文提出了一种利用图像配准和数字差影的快速预处理算法。该算法通过区域模板匹配纵横向偏移,然后利用两次差影逐步消除背景和轮廓伪影。该方法运用在高速印刷品在线质量检测系统中,被证明是准确有效的,能满足实时性要求。 相似文献
4.
5.
6.
松德SAY820C8凹印机计米装置误差大,而且不具备自动换卷计米功能,对公司数据统计准确性造成困扰。我们利用设备上原有印刷质量在线检测系统,在上面增加高速数据采集器,通过软件和硬件的设计制作,实现了自动换卷的精确计米功能。 相似文献
7.
1 概述
近年来,国内烟包印刷竞争日趋激烈,精美烟包产品不断涌现,烟包设计和印刷工艺越来越复杂,所用材料也越来越讲究,凹印、胶印、柔印、丝印、UV印刷、UV上光、全息烫印、镭射铝箔纸等技术纷纷上阵,多种印刷技术组合的烟盒随处可见。随着印刷工艺的复杂化和多样化,对成品检验的要求也越来越高。各道工序出现缺陷产品(如飞墨、刀丝、套印不正等)后,最终流入到最后检验工序,若全部由人工完成,工作量极大,且依靠人的视力检测很难保持持久和稳定,容易产生疲劳和漏检现象,流入到烟厂或用户手中,将造成质量事故。 相似文献
8.
9.
10.
基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能, 然而大多数工业产品缺陷样本稀缺, 而且特征差异大, 导致这类需要大量缺陷样本训练的检测方法难以适用. 提出一种基于重构网络的无监督缺陷检测算法, 仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测. 提出的算法包括两个阶段: 图像重构网络训练阶段和表面缺陷区域检测阶段. 训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络, 仅使用少量正常样本进行训练, 使得重构网络能够生成无缺陷重构图像, 进一步提出一种结合结构性损失和L1损失的函数作为重构网络的损失函数, 解决自编码器检测算法对不规则纹理表面缺陷检测效果较差的问题; 缺陷检测阶段以重构图像与待测图像的残差作为缺陷的可能区域, 通过常规图像操作即可实现缺陷的定位. 对所提出的重构网络的无监督缺陷检测算法的网络结构、训练像素块大小、损失函数系数等影响因素进行了详细的实验分析, 并在多个缺陷图像样本集上与其他同类算法做了对比, 结果表明重构网络的无监督缺陷检测算法有较强的鲁棒性和准确性. 由于重构网络的无监督缺陷检测算法的轻量化结构, 检测1024 × 1024像素图像仅仅耗时2.82 ms, 适合工业在线检测. 相似文献