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.     

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.     

基于机器视觉的O型密封圈外观缺陷检测

针对O型密封圈表面细微缺陷检测困难的问题,提出了一种基于6光度立体法和图像综合特征分析的密封圈缺陷检测方法。首先采集6个不同光源角度的图片,利用光度立体法重构表面梯度图和反射率图。然后将表面梯度图先转化为平均曲率和高斯曲率图像,再转化为灰度图并使用固定阈值分割出缺陷区域。将反射率图经高斯滤波后,采用局部的均值和方差阈值分割缺陷区域。最后,对得到的缺陷区域连通域特征分析并准确选择出缺陷。实验测试结果表明,该方法对密封圈表面存在熔痕、凹凸、流痕等细微缺陷有较好的效果。在所设计的密封圈质量检测系统的应用中,检测准确度大于98.4%,能解决目前工业中存在的密封圈缺陷检测识别率不高的问题。     

基于机器视觉的玻璃磨边缺陷检测

玻璃边部的磨削质量的快速检测是保证玻璃品质的重要措施,本文对现有的玻璃磨边缺陷进行了分类与成因分析,选用了一套合理的玻璃磨边缺陷检测光源,设计了一套基于机器视觉的玻璃边部缺陷检测装置,提出一种结合了快速傅立叶变换、高斯滤波、亚像素边缘阈值分割、数学形态学运算、频域处理和最小二乘法的检测方法,实验证明所提出的检测方法能够快速有效地检测出亮斑、白线和爆边3种缺陷.     

基于机器视觉的太阳能电池缺陷检测实验设计

随着煤、石油等不可再生资源的过度消耗,人类面临着越来越严重的能源紧缺危机和环境问题。太阳能作为绿色、无污染的可再生能源受到日益广泛的关注与应用。太阳能电池是太阳能发电的关键,其质量的好坏直接影响了能量转换效率、使用寿命和器件稳定性。为了帮助学生理解太阳能电池制备工艺、缺陷、性能三者之间的关系,寻找改善太阳能电池性能的方法,该文设计了基于机器视觉的太阳能电池缺陷检测实验系统,介绍了电致发光缺陷检测方法、检测系统的构成及各模块之间的作用和相互联系。以单晶硅太阳能电池为例,对太阳能电池片的各种缺陷问题进行了检测研究,探讨了检测过程中的问题。实践表明,设计的实验系统加深了学生对太阳能电池相关理论知识的理解;培养了学生发现问题、解决问题的实践能力。     

基于机器视觉的晶圆表面缺陷检测

为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。     

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.     

基于机器视觉的太阳能网版缺陷检测

为了解决传统太阳能网版缺陷检测法效率低、检测速度慢和准确率低的问题,本文提出一种硬件与软件相结合的基于机器视觉的太阳能网版检测方法。根据测量精度的要求,本文还设计了一台适合太阳能网版图像采集的移动平台,软件部分主要包括缺陷检测、栅线宽度测量。利用质心检测和直线拟合测量栅线的宽度,在此基础上,通过支持向量机(SVM)图像分类法检测太阳能网版缺陷,利用已经分类好的样本进行训练生成一个分类器。经过实验验证,缺陷检测的准确率超过95%,栅线宽度测量误差为1μm左右,证明该方法不仅具有检测成本低、可靠性高、检测效率高等特点,而且具有实用推广价值。     

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。     

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。     

基于机器视觉的胶囊缺陷检测装置设计

针对单一角度采集的图像检测样本存在的高误检率、错误率等问题,文章提出一种特殊的打光方案及相机安装方案,实现对胶囊360°全方位的缺陷检测,利用彩色相机填补了胶囊异色点、黑点,印字、小切口以及混批等缺陷不能检测的空白。在胶囊有序传送的前提下,提出"隔组间排"原理,以更多时间和空间使电磁铁伸缩杆完成踢废动作,平衡"传送效率""检测效率""踢废效率"三者之间的矛盾,提高设备的处理能力,实现胶囊的缺陷检测。     

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。     

机器视觉油炸鱼豆腐外观缺陷识别与剔除系统

设计了外观缺陷识别与剔除试验系统,利用产品图像的颜色特征和形状特征,可实现油炸鱼豆腐外观质量的在线检测、识别与自动剔除.在产品外观颜色检测中利用RGB颜色空间中的B分量阈值作为特征;在产品外形缺陷检测中采用目标面积和边缘形状矩形度实现特征识别.经排序机构将产品有序排列后,根据各列缺陷识别结果,由单片机控制剔除装置完成相应动作,剔除不合格品.实验表明:该试验系统可有效完成油炸鱼豆腐产品的在线外观检测及残次品的剔除,提升生产线成套装备的技术水平.     

一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

基于机器视觉缺陷检测的实践教学平台研究

目的构建一个能够模拟工业现实环境的机器视觉缺陷检测软件平台,用于工业自动化和计算机图像学的教学工作,便于学生掌握工业机器视觉系统的基本原理及处理流程,掌握数字图像的各种算法及其应用场景。方法在对机器视觉缺陷检测系统需求进行分析的基础上,使用Python 2.75和Opencv 2.4构建系统的软件模块。结果与结论该平台能够实现相机配制、图像获取、图像标定、图像处理、分析统计等工业缺陷检测全过程,并将计算机图像的相关理论教学融于实践教学过程,对于提高学生课堂的互动性、激发学习兴趣、掌握各种图像处理算法有着重要意义。     

基于机器视觉的SOP芯片引脚缺陷检测研究

随着微电子元器件向着微小化发展,传统的人眼目检较之于在线机器视觉检测技术对于芯片缺陷的识别而言,精度低、效率低且成本高,无法满足当今芯片检测行业的高精度、高速度的要求。针对SOP芯片引脚缺陷进行基于机器视觉的检测识别方法的研究,通过一系列图像处理算法的运用,以模板匹配思想为主,以连通像素区域标记法为主要算法,采用MATLAB进行运算研究,可清晰地识别、提取出SOP芯片的各区域的特征,达到检测目的。     

基于机器视觉的珐琅搪瓷盘缺陷检测方法

【目的】为实现珐琅搪瓷盘表面缺陷的自动化检测并提高检测效率与准确率,提出一种珐琅搪瓷盘缺陷机器视觉检测方法。【方法】首先对灰度图像阈值分割,采用最小二乘拟合法提取出感兴趣区域来消除背景干扰;然后根据缺陷图像的特点设计基于图像融合的迭代算法,并提出一种改进的去伪影算法以消除伪影影响,进而提高检测准确率;最后通过搭建的硬件平台对本方法的检测性能进行验证。【结果】采用本方法对缺陷珐琅搪瓷盘的检测准确率能达到92%,对缺陷的平均漏检率仅为8.8%,且对伪影的去除能力也优于传统方法。【结论】本研究方法检测准确率高,为珐琅搪瓷盘缺陷的自动化检测提供了一种可行方案。     

基于机器视觉的脱绒棉种外观质量检测装置的研究

为实现基于脱绒棉种外观特性对红种、破碎棉种的分选,搭建了脱绒棉种外观质量检测的硬件装置,并基于Visual C＋＋6．0开发了检测的软件系统。提取了适合脱绒棉种分级的3个关键的特征参数：颜色、圆形度、粒型;基于BP神经网络实现了脱绒棉种的分级,通过试验验证,该神经网络的拟合性较好。