基于机器视觉的板材表面缺陷检测方法

基于机器视觉技术对板材表面缺陷检测进行研究,设计了在线检测的硬件系统和软件处理流程,介绍了图像预处理、图像分割和目标提取等处理方法并对缺陷图像进行相应处理。利用C#软件对板材缺陷在线检测进行人机交互界面设计和在线调试及在线检测。实验结果表明,本检测方法可行,误检率低,可很好地应用于木材自动化生产过程的在线检测。     

基于机器视觉技术的物体表面缺陷检测

本文对物体表面缺陷进行研究和检测.而检测的方法是采用LED环形灯光直接暗视场正面照明方式来提取插座面板划痕图像.具体过程是使用动态阈值分割图像,并采用放射变换、区域特征处理及连通区域提取等技术来检测出插座面板划痕.     

基于机器视觉的刹车盘表面缺陷检测技术研究

汽车刹车盘是汽车制动系统的关键部件之一,刹车盘在铸造过程中由于生产工艺、生产环境、人工操作等因素会导致刹车盘存在砂眼、气孔、缩孔、裂纹等多种表面缺陷,从而影响其使用寿命和驾乘安全。随着人工智能技术的发展,机器视觉技术因其鲁棒性强、效率高、致错率低等诸多优点,已被逐步应用于刹车盘表面缺陷检测工序中,刹车盘检测技术也逐步与整个生产过程各工序的设备连接和数据兼容,高集成化的工业控制模式正在实现。随着图像处理技术的进步,相机、工业机器人等硬件设施的不断完善,未来将会逐步实现刹车盘流水线自动检测和缺陷件自动筛选,这将有助于提升刹车盘的生产质量,最大程度地保证车辆及驾乘人员的安全。     

基于Faster R-CNN的圆柱形金属工件表面缺陷检测

为有效进行圆柱形金属工件表面缺陷检测,设计一套利用深度学习框架——Faster R-CNN的表面缺陷检测系统。该系统算法利用Resnet网络进行特征提取,采用RPN方法提取缺陷的候选目标矩形区域,再利用Fast R-CNN在候选区域基础上进行缺陷检测。此外,为克服金属表面反光并获得高质量图片,设计一套合适的图像采集系统。实验表明,该检测系统能有效克服光滑金属表面的强反射,从而获取高质量图片;同时利用基于Faster R-CNN框架的方法进行缺陷检测,较好地解决了圆柱形金属表面缺陷检测能力弱的问题,在置信度阈值为0.9时,其查全率为95.0%,查准率为96.0%,检测速度为65ms/幅。     

基于机器视觉的日用瓷表面缺陷检测

为了检测釉面陶瓷表面的斑点、划痕、崩角等常见缺陷,提出了一种采用同轴光照方式和CCD为图像获取工具的数字图像实时在线检测系统.该系统根据地方企业生产的白釉面陶瓷的特点,通过边界提取和图像形态学闭运算获得图片的ROI（感兴趣区域）,再与经过分离中值滤波算法处理过的ROI进行对比,从而确定陶瓷的缺陷信息.实验表明：该方法不像传统的神经网络和SVM算法需要建模,所以检测速度较快,且准确度高,检测效率超过3个熟练工人,可以满足当地企业生产陶瓷种类多且外形不定的检测要求.     

基于机器视觉的带钢表面缺陷检测系统

带钢的表面质量对材料刚度、强度以及稳定性等力学性能有重要影响,是影响产品良率的关键因素,因此在生产过程中对带钢表面进行缺陷检测意义重大。采用传统人工肉眼检测方式易受到人为主观因素影响,检测速度慢、精度低。文章以开源视觉软件Open CV为基础,搭建基于机器视觉的带钢表面缺陷检测系统,提升自动化水平,具有重要的工程价值。     

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。     

基于机器视觉的药瓶缺陷检测系统设计

随着当今社会医药行业的发展,对药瓶缺陷精准检测尤为重要.系统采用S7-1200PLC作为核心控制器,完成了基于机器视觉的缺陷检测系统设计,包括机械结构设计、电气控制系统设计、图像处理设计、上位机软件系统设计四大部分.在分析现有缺陷检测问题的基础上,对四大模块进行设计及对内部原理进行剖析,形成以机械、电气、视觉、软件为一...     

基于数字图像处理的圆锥度检测研 究

圆锥零件由于优异的安装和使用性能而在机械T业中应用广泛,但生产中圆锥度的检测并不精确．为了对零件的网锥度进行精确的检测,通过CCD摄像头采集锥形零件的图像,然后分别使用去背景法和阈值法对图像处理后进行拟合计算,从而得到锥形零件的圆锥度值．检测结果表明：采用的两种方法均得到零件较高精度的网锥度值,而采用阈值法处理后所得的图像较清晰,检测误差较小．     

视觉测量技术在数字图像处理课程设计中的应用

为了配合数字图像处理课程的教学,开设了名为"基于VC++的典型零件尺寸视觉测量"的数字图像处理课程设计.给定具有典型特征的工件,在视觉测量实验台上,用VC++编制程序,实现图像采集、处理及视觉测量系统的调焦、标定等过程,最终求出工件的被测参数.通过课程设计,使学生进一步理解数字图像处理的理论知识,并提高了解决问题与编程设计的能力.     

基于机器视觉的软包锂电池表面缺陷检测

针对软包锂电池表面缺陷检测,基于机器视觉技术提出了一种改进的自动检测方法。 对图像进行预处理后,将Canny 算子检测法和Close_Edges 算子检测法相结合,分割出软包锂电池表面的缺陷?最后以最小外接矩形法计算出划痕的长度和宽度,以累加法计算出针孔的直径。 实验结果表明该方法能够有效分割出软包锂电池表面的划痕和针孔,缺陷尺寸计算的误差低于5%。     

基于数字图像处理的应变测量

基于数字图像处理技术,提出了一种新的用模板匹配进行定位测量应变的方法,建立了相应的实验和数据处理系统。实验结果表明：应用数字图像处理技术实时测量应变是可行的。     

基于机器视觉的激光雕刻缺陷检测实践教学设计

根据苏州大学新工科专业建设的要求,结合智能制造中视觉缺陷检测的应用场景,对计算机类专业的机器视觉综合实践课程进行了教学设计。设计的课程体系融合了图像处理、自动控制、模式识别等内容,包括系统搭建、系统集成、图像处理和视觉检测等实践环节,强化了综合性、系统性和创新性的教学要求,增强了学生的参与度和体验感,提高了学生综合应用基础理论知识解决实际问题的能力,促进了本科实践教学课程的建设。     

基于统计特征的微型轴承端面倒角缺陷检测

随着人力成本的提高,传统轴承行业检测逐渐向着高速化、网络化、信息化和系统化的方向发展。面向传统轴承产业大规模生产与检测,实现一种基于机器视觉的端面倒角缺陷检测算法,通过端面轮廓二次定位和比较,能有效检测轴承上下端面的厚度与均匀度,诊断其倒角是否符合规范。该算法快速有效,鲁棒性强,能满足工业实时检测需求。〖JP〗     

基于案例的数字图像处理教学方法改革

针对数字图像处理课程的特点,将案例教学引入课堂,注重理论联系实际。根据教学要求的核心知识点,设计了相应的案例问题、解决问题的相应程序及案例教学方法,注重培养学生解决实际问题的能力,提高教学质量。     

基于实践的数字图像处理课程研究

探讨了从实践教学出发的数字图像处理课程建设的基本思路,内容涉及了以下三个方面：将MATLAB仿真演示引入课堂;在课堂教学中注重引导学生利用该门课程所学到的知识,解决自己身边感兴趣的问题,从而激发学生的创新能力;选择该门课程的核心知识点并且与现实生活中的应用联系密切部分作为实验内容,同时学生也可以自己提出问题,自己设计实验内容．实验结果表明,这种改革方法加强了学生理论知识的学习,突出了学生的创新意识与综合设计能力．     

基于图像的线路缺陷检测

运用图像处理技术,设计PCB板线路检测系统。采用Labview语言编写图像预处理、阈值分割、形态学滤波、缺陷识别等程序模块,并针对PCB图像特点,根据线路缺陷的特征,构建一个能够分析和识别PCB线路断路、短路、缺损和毛刺等缺陷的PCB板线路检测系统。实验结果表明,该检测系统能够比较好地识别PCB板线路缺陷,且算法操作简单,有广泛的应用前景。     

基于机器视觉的O型圈质量检测智能系统开发

针对人工检测耗时多、误差率大的问题,设计了O型圈图像处理步骤,在半径检测、侧面厚度检测、缺陷检测时分别进行了图像分割,并设计出一套基于机器视觉的O型圈智能分拣系统。实验表明,该系统能对不同规格O型圈的尺寸以及表面缺陷进行全面检测,最终实现高效率的检验及分拣。     

基于机器视觉的螺纹缺陷检测方法

针对目前螺纹缺陷检测方法效率低,在线检测较难实现等问题,提出了一种基于机器视觉的螺纹缺陷检测方法。通过工业CCD相机来采集螺纹的缺陷图像,对图像进行灰度化、增强、二值化和去噪处理。去噪方法选择的是数学形态学运算。数学形态学的腐蚀、膨胀、开运算和闭运算操作能够有效地保留螺纹形状特性,并且有效地保留螺纹的边缘信息。通过投影的方式定位螺纹主要部位,将螺纹的顶部和底部去掉,减少误操作。该算法通过使用减法运算定位螺纹的缺陷,从而检测出螺纹缺陷位置。实验结果表明,该算法具有较强的识别和检测缺陷的能力,满足了基本的设计需求。     

基于MATLAB面向课题的数字图像处理实践教学

根据数字图像处理课程的特点和培养创新型人才的需要，本文提出了一种基于MATLAB面向课题的实践教学方法，并针对教学组织、实践等内容做了介绍，以期对培养创新型人才教学起到一定的参考作用。