蓝宝石衬底表面微观缺陷检测与深度估计

文中将线阵相机扫描技术与垂直扫描白光干涉技术相结合,对蓝宝石衬底表面的微缺陷进行定位和深度评估.首先,利用线阵相机测量设备进行全场扫描,获得全场图像;然后,通过提取质心坐标来检测微缺陷的位置坐标;最后,在白光干涉测量系统中重建微缺陷的三维形貌,识别缺陷类型,提取缺陷深度信息.结果表明:线阵相机测量系统扫描直径为10.16 cm的蓝宝石衬底表面只需10 s左右,而白光干涉测量系统检测一个微缺陷大约需要76 s,检测到的最深缺陷深度为7.09 μm,共发现13个缺陷(10个凹坑和3个裂纹或划痕)并定位在蓝宝石衬底表面.实验结果表明:该方法能准确定位蓝宝石衬底表面的微缺陷并提取其深度.     

蓝宝石衬底表面微观缺陷检测与深度估计（英文）

文中将线阵相机扫描技术与垂直扫描白光干涉技术相结合,对蓝宝石衬底表面的微缺陷进行定位和深度评估.首先,利用线阵相机测量设备进行全场扫描,获得全场图像;然后,通过提取质心坐标来检测微缺陷的位置坐标;最后,在白光干涉测量系统中重建微缺陷的三维形貌,识别缺陷类型,提取缺陷深度信息.结果表明:线阵相机测量系统扫描直径为10.16 cm的蓝宝石衬底表面只需10 s左右,而白光干涉测量系统检测一个微缺陷大约需要76 s,检测到的最深缺陷深度为7.09μm,共发现13个缺陷(10个凹坑和3个裂纹或划痕)并定位在蓝宝石衬底表面.实验结果表明:该方法能准确定位蓝宝石衬底表面的微缺陷并提取其深度.     

热态重轨表面缺陷在线检测方法及关键技术

针对热态重轨轧制时表面缺陷检测困难,研制了一种基于机器视觉的热态重轨表面缺陷实时检测系统。根据重轨辐射和光照特性进行了光学选型,利用多个线阵CCD相机并行多角度采集得到热态重轨全表面图像,通过图像自适应预处理得到满足缺陷检测要求的图像。针对重轨表面缺陷结构连续性引起的传统图像分割算法难以实现缺陷提取的情况,提出了图像像素线线间相关度互检验算法,并利用像素去差异化和方差统计运算提取完整缺陷,此方法在该类问题的识别效果上明显优于传统边缘识别算法。系统在某集团轨梁厂的实际应用中取得了良好的效果。     

基于图像处理的胶管缺陷在线检测系统开发

为实现胶管表面缺陷的在线检测,提出了一种基于图像处理技术的检测方法.采用图像剪切方法选中胶管区域,利用中值滤波和Canny边缘提取处理图像,清除与图像边界连接区,避免胶管边界的干扰,使用形态学膨胀方法对缺陷区域图像分割,根据缺陷特征完成缺陷分类.采用三台CMOS相机环胶管圆周布置,间隔120°,光源采用同轴光源.基架结构具有调节功能,保证胶管在三台相机的中心位置.通过检测系统在车间生产线上试用,测试结果表明缺陷检测正确率在96%以上,可实现胶管表面缺陷自动检测和及时报警.      

烟盒第六面外观检测装置的设计

为解决烟盒第六面外观缺陷剔除问题,设计一套由CCD工业相机、图像采集器、图像显示屏和IO电路等组成的烟盒第六面外观检测装置。该装置采用Micro Ⅱ系统GDL程序和Otsu阈值分割算法,对ZB45型包装机生产过程中的烟盒第六面外观图像进行识别,准确检测并有效剔除第六面存在条码、文字信息等外观缺陷的产品。实验结果表明:设计的烟盒第六面外观检测装置的剔除准确率达9971%,使用检测装置后烟盒外观缺陷检出率提高0034 6%。     

一种基于LED和线激光的钢轨表面缺陷检测系统

提出了一种二维视觉和三维视觉相结合的钢轨表面缺陷检测方法。钢轨踏面分别在LED板光源和激光线光源的照射下,由两台面阵相机单独采集图像。扫描钢轨表面并把图像传送回主机,通过特征提取和图像处理,分别获取表面缺陷的大小和形状,以及缺陷的深度信息。实现了视频和激光检测的融合与互补。实验表明,与单独使用可见光图像识别,或者单独使用线激光检测相比,系统检测效果更好。     

基于DSP的磨削表面粗糙度在线检测系统开发

为了解决磨削工件在线粗糙度等级识别速度慢和准确性不高的问题,开发了基于DSP的工件表面粗糙度在线检测系统.该系统基于光散射原理,通过工业相机采集光散射图像,运用DSP芯片对采集到的图像进行图像预处理以及特征参数的提取;最后利用建立的多分类支持向量机模型,对不同表面粗糙度等级的图像进行分类.实验结果表明,在该硬件平台上整个识别过程耗时约0.5s,识别率可达96%以上,说明该系统可有效识别工件表面粗糙度等级,有效实现工件表面粗糙度的在线检测.     

基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法

传统方法缺陷区域的轮廓边缘存在断续,缺陷定位区域封闭性较差,导致检测识别准确率较低。针对这一问题,提出基于稀疏成像与机器视觉的金属材料次表面缺陷检测方法。扫描采集材料次表面二维图像,采用均值滤波和高斯滤波,对图像进行去噪处理,分割次表面缺陷的预处理图像,利用机器视觉,定位并合并缺陷区域,提取灰度、形状、纹理缺陷特征,利用稀疏成像,修正特征参数,对参数进行BP神经网络训练,进而识别金属次表面缺陷类型。选取钢管的凹坑、划痕和擦伤次表面缺陷,进行对比实验,结果表明,此次方法提高了缺陷检测识别准确率,更加符合检测方面的要求。     

基于DSP的带钢表面缺陷实时检测系统的研究

为了有效地解决在线高速实时检测这个关键性问题,本研究主要从软、硬件两个方面进行,将制约系统实时性的缺陷图像的识别过程分离出来,交由DSP芯片进行专门的处理,同时采用了兼顾识别效率及识别准确性的支持向量机的二级分类器对带钢的缺陷图像进行识别.在该硬件检测系统下对缺陷图像的正确识别率达到98%,缺陷图像的识别时间可控制在10 ms以下.通过理论上的分析和试验的测试证明所搭建的先进的TMS320C6416 DSP图像处理平台能够很好地满足实际生产线上的带钢表面缺陷的实时检测系统在处理速度和精度上的要求.     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

钢轨表面图像冗余信息的模糊匹配算法

为了解决高速铁路轨道表面缺陷机器视觉检测系统中采集图像的冗余问题,本文提出一种钢轨表面图像冗余信息的模糊匹配算法.该种算法首先采用竖直投影法提取钢轨表面区域;之后对钢轨表面区域进行预处理并二值化,得到缺陷的位置信息;然后通过感知哈希算法,得到钢轨表面缺陷的形态信息;最后计算缺陷的位置误差和形态相似度,基于模糊匹配算法,得到匹配结果.通过实验验证,该算法能有效识别系统图像中的冗余部分,准确率达到97.5%.     

基于Matlab的图像处理技术识别硅太阳电池的缺陷

针对硅太阳电池缺陷的检测问题,利用非接触红外检测方法,通过CCD相机获取硅太阳电池的电致发光图像,利用Matlab软件对缺陷部位图像首先进行预处理,然后进行图像分割、特征提取和图像识别,最后判断检测的硅太阳电池的缺陷.结果表明,该方法能够有效识别硅太阳电池的缺陷.     

基于改进U-Net的透明件划痕检测方法

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。本文针对透明件表面划痕快速检测问题,提出了一种基于改进U^2-Net的缺陷检测方法。首先,论述直接应用U^2-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,在解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明：本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^2-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。     

基于线型激光的热轧带钢表面在线检测系统

针对基于面阵CCD摄像机的热轧带钢表面缺陷检测系统所存在的问题,提出采用线阵CCD摄像机作为热轧带钢的表面图像采集装置,将激光线光源作为照明光源,解决了高温环境下的远距离均匀照明问题.采用这种图像采集方式可以使系统的精度达到0.5mm以上.针对热轧带钢表面存在的氧化铁皮、水及光照不均等问题,提出了对于不同缺陷类型建立单独的缺陷检测算法的思想.目前已经建立了纵裂与边裂的检测算法,对这两类缺陷的检出率达95%以上.     

汽车伞齿轮多目视觉检测系统与算法

针对人工检测汽车伞齿轮表面缺陷与尺寸参数存在成本高、工作量大、检测速度慢且产品一致性差等问题,利用机器视觉技术进行研究,开发了一种集缺陷检测和尺寸测量于一体的伞齿轮多目视觉检测装置。通过构建的邻域均差缺陷提取、圆逼近和快速旋转定位3种高效图像处理算法,解决了伞齿轮齿面多、外形结构复杂、缺陷种类多样等复杂条件下的齿轮缺陷与尺寸检测难题。可检测缺陷包括磕碰伤、裂纹、充填不满、划痕、凹陷与凸起、麻点、花键重复拉削等,可检测最小缺陷尺寸为0.4mm×0.4mm,测量精度为40~50μm,单次检测耗时小于1.3s,检测精度与速度均满足伞齿轮高速自动化生产线的实时在线检测需求。     

连铸热坯表面缺陷图像清晰度控制算法

连铸热坯表面缺陷机器视觉检测系统中,获得清晰稳定信噪比高的图像是检测能否成功的前提条件。针对当前连铸坯表面缺陷获取图像质量及清晰度问题,提出一种基于聚焦平方梯度及CCD靶面照度参数的缺陷图像质量控制算法。选取连铸热坯表面上的一个标志点作为对象,首先采用聚焦窗口平方梯度函数获得系列离焦平面的清晰度最高图像对象,再通过识别该对象和分析对象的面积损失率获得CCD靶面照度参数,进而获得全局采集图像的质量最清晰点。该算法解决了连铸热坯表面缺陷成像系统中焦平面选择及CCD积分时间控制,具有很好的实用性。同时,该算法也为其他机器视觉工程的图像采集提供良好的指导作用。     

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.     

热轧板带表面缺陷检测系统设计与研究

针对热轧板带生产线相对恶劣的生产环境及表面缺陷检测精度低的问题,设计了一套热轧板带表面缺陷在线检测系统,深入研究了系统构成、图像去噪处理、缺陷的检测和分类、特征提取和缺陷识别。本文首先对图像进行形态滤波去噪处理,提出了一种基于融入熵的BING检测算法,采用P-relief特征检测和多分离器集成识别算法对热轧板带多种缺陷图像进行处理。实验证明本文算法能够有效地实现缺陷图像的检测和精确的分类。     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

一种轧制镁合金薄板表面缺陷检测系统

在镁合金薄板的轧制过程中,如关键工艺参数控制不当或因板坯质量、加工设备精度存在问题,薄板表面易出现边裂、褶皱、波纹等缺陷。这些缺陷如不能及时准确地检测,将严重影响薄板的表面质量和性能,极大地降低产品成材率。为此,本文采用计算机视觉技术对轧制镁合金薄板图像进行实时分析,提取其缺陷特征,并采用贝叶斯分类器进行缺陷识别,最终设计与实现了一个轧制镁合金薄板表面缺陷实时检测系统。实验结果表明,该系统综合缺陷准确识别率达到83.6%。