磁瓦表面缺陷的机器视觉检测方法

为了提高磁瓦表面缺陷在线检测准确率并降低检测时间,提出一种基于机器视觉的检测方法。离线训练时,对经过Gabor小波处理后的子图进行融合并提取纹理特征,使用改进的Relief算法提取与类别相关性强的特征子集,并去除冗余特征。为降低缺陷磁瓦的漏检率,先进行偏向性分类处理,再采用最小二乘支持向量机进行分类预测。实验表明,整体预测准确率96.89%,缺陷磁瓦分类准确率达到99.09%,且在线预测时间减少了近1/4,只需67.4ms。     

刹车片表面缺陷的图像检测方法

针对汽车刹车片表面纹理情况不一、种类繁多的问题，提出一种基于机器视觉的刹车片表面缺陷图像检测方法，该方法结合了灰度共生矩阵与密度聚类。首先提取刹车片的摩擦面，然后确定灰度共生矩阵的构造因子的选取，利用线性相关性选择特征参数。将每个摩擦面切分成若干小窗口，计算各个小窗口的特征值构造特征数据集，通过自适应密度聚类算法进行聚类分析，从而进一步判断是否存在缺陷区域。通过对58块不同型号的刹车片样本进行检测结果统计分析，实验表明，该方法误检率为8%，漏检率为6%，具有较高的检测精度，因此，该方法能够较好地检测刹车片样本是否存在缺陷，具有广泛的适用性。     

基于改进模板匹配及图像差分法的PCB板缺陷多级检测方法

针对目前应用于PCB缺陷检测系统的模板匹配方法及缺陷检测方法存在准确性不足的问题，提出一种基于改进模板匹配及图像差分法的PCB缺陷多级检测方法。提出基于多方向Sobel算子的改进模板匹配方法实现待测图像与模板图像的匹配，针对PCB板漏件缺陷，提出基于图像差分法的多级二值化检测法实现PCB图像的缺陷检测。结合实验平台测试发现，该方法能够准确地提取出缺陷区域。与现有方法相比，该方法的误检率仅5%，具有更好的稳定性以及更高的准确性。     

基于脉冲耦合神经网络的弹簧卡箍缺陷检测

传统的弹簧卡箍缺陷多为产后人工全检,存在漏检与缺陷率上升等现象,这不但会使成本上升、也对人力资源提出了考验。为此实现自动实时在线全检就成为急需解决的课题,设计了基于机器视觉的弹簧卡箍在线自动检测系统,该系统安装在弹簧卡箍流水线两侧,搭建特定光源,通过激光传感器外部触发工业相机对其表面进行图像捕获,送上位机进行缺陷判定与定位,最后通过RS485将判定结果送下位机来控制剔除机制。实验结果显示：该系统采用改进的脉冲神经网络(PCNN)能准确提取目标缺陷区域并对缺陷进行判定,可在0.348 s每个零件的速度下,检测出弹簧卡箍表面大于10像素的缺陷。通过对不同弹簧卡箍进行检测验证实验,证明了PCNN算法对缺陷分割的准确性和有效性。     

中药口服液中可见异物检测系统研究

针对目前生产线上中药口服液中可见异物检测系统存在的速度慢、精度低等问题,设计了一种可同时检测多个药瓶的基于机器视觉的异物快速检测系统。介绍了成像系统和机械系统。提出了一种基于边缘轮廓的图像配准算法,有效地消除了药瓶晃动的影响。提出了一种逐点阈值分割图像的二值化方法,能得到质量较好的二值化图像。实验结果表明,该系统能快速、有效地检测出可见异物,能较好地满足在线检测需求。     

轴类超声检测的波束扩散成像*

大型轴类工件安装完成后通常只能从其端面进行检测,危害性的裂纹类缺陷不易检出,针对上述问题,本文提出了轴类对象基于波束扩散的端面网格化超声检测层析成像方法,搭建了轴类超声检测试验平台,在端面对其内部的平底孔缺陷进行检测,基于波束扩散设计叠加算法进行数据处理,然后根据结果重构出代表每个深度内部信息的伪彩色横截面图像,以方便快速识别内部缺陷位置和范围。与常规方法对比得出,基于波束扩散的叠加算法处理数据成像质量更佳,提高缺陷检测灵敏度达到12dB以上。     

基于改进Faster RCNN的零件识别方法研究北大核心CSCD

针对传统机器视觉检测识别方法受到装配零件之间相互遮挡、零件不同位姿、外部光照强度、小目标漏检影响,检测准确率不高的问题,提出了一种改进的Faster RCNN(region-based convolutional neural networks)零件识别方法。首先使用提取特征更好的ResNet101网络代替原始Faster RCNN模型中的VGG16特征提取网络;其次针对原始候选区域网络,增加2个新的锚点并重新设置候选框的纵横比,以得到15种尺寸不同的锚点;然后针对传统非极大值抑制(non-maximum suppression,NMS)方法因删除交并比大于阈值的候选框而出现漏检问题,使用Soft-NMS方法替换传统的NMS方法,从而减少密集区域漏检的情况;最后在训练模型阶段采用多尺度训练策略,降低漏检率,提高模型准确率。对零件的识别实验结果表明:改进后的Faster RCNN模型能够达到96.1%的精度,较原始模型提升了4.6%,可以满足光照较强、存在水渍干扰等较为复杂环境中零件的识别检测。     

基于计算机视觉的切膜机薄膜表面缺陷检测系统的设计

在切膜机的生产线上,需要对薄膜进行不同大小的切割;然而,实际生产中的薄膜的表面会存在各种缺陷,需要对其进行缺陷检测,检测内容主要包括划痕、污渍等;针对传统人工检测方法的低效率性,提出基于计算机视觉的自动检测设计方案,同时给出一种改进的适用于缺陷检测的背景差法;实验验证了方法的有效性和检测算法的可行性,实现了薄膜缺陷的快速检测,提高了生产率。     

基于机器视觉的高精密轴承在线检测

高精密轴承是一种圆柱型零件,针对圆柱型零件高曲率表面缺陷及外形尺寸不能同时进行在线检测的问题,设计并实现了基于机器视觉的在线检测系统。检测时,为了解决金属件表面反光的问题,设计了专用的光源系统和照明方式,通过光学系统和机械旋转平台的配合,圆柱型零件在旋转的过程中被光学系统成像,从而可以采集到完整的圆柱面图像;经过快速的图像处理技术,可以检测到微米级的轴承表面缺陷及外形尺寸。检测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决高精密轴承表面缺陷及尺寸在线检测的问题。     

基于贝叶斯神经网络的近红外光谱实木地板表面缺陷检测

实木地板的表面缺陷直接影响其力学性能和产品等级,表面缺陷的快速检测对实木地板的在线分选具有重要的现实意义。针对视觉方法检测实木地板表面缺陷识别率低的问题,提出了一种基于近红外光谱分析技术的检测方法。首先,分别采集规格为200 mm×100 mm×20 mm的表面带有活节、死节以及无缺陷的实木地板的光谱数据各60份,其中30份作为训练样本,30份作为测试样本;其次,使用高斯滤波(GSF)、分段多元散射校正(PMSC)和去趋势法(DT)等方法对采集到的光谱数据进行预处理,降低光谱噪声、消除光谱的散射影响;然后,利用改进遗传算法从处理后的光谱中提取特征波长用于构建缺陷识别与分类模型;最后,使用基于贝叶斯理论改进的神经网络构建实木地板缺陷识别和分类模型。实验使用含有活节、死节以及无缺陷的实木地板样本对模型进行训练和测试,结果表明：通过贝叶斯神经网络构建的缺陷识别与分类模型能够准确识别活节、死节和无缺陷三类实木地板,识别率分别为92.20%, 94.47%和95.57%。证明了实木地板表面缺陷类型与其近红外吸收光谱密切相关,并为下一步实现实木地板表面缺陷的准确定位提供快速检测方法。     

基于智能视觉的透明液体可见异物检测软件设计

目前在国内的透明液体生产线上,液体通常采用人工检测。然而目前国内人工检测存在着诸如效率低、准确率低等不足,所以基于图形处理算法以及QT,我们设计了一套基于机器视觉的自动化可见异物检测智能检测软件,重点实现了软件与算法的改进优化。获取的连续图像经自适应中值滤波预处理去除图像噪声后,通过改进的序列图像二次差分算法提取出序列图中的细小的异物,然后根据通过SIFT特征度量的MeanShift目标跟踪算法,跟踪到到液体图像中的细小异物.并根据异物的运动轨迹及大小,检测到有无异物以及异物的类型,进而进一步判断透明药品质量是否合格。结果测试表明,软件的准确率达到95%以上,检测分辨率达到了44μm,基本可以替代透明液体生产线上的人工检测。     

相控阵超声检测成像技术在耐张线夹压接质量检测的应用研究

“三跨”线路耐张线夹压接质量影响着电网运行安全，目前耐张线夹压接质量检测均存在一定的局限性，提出了基于相控阵超声检测技术的耐张线夹检测方法。首先对耐张线夹相控阵超声检测图谱进行了信号分析，证明相控阵超声成像技术可直观有效地检测耐张线夹漏压和欠压等压接质量缺陷。此外，为提高相控阵超声检测成像质量，分析成像影响因素，采用控制变量法研究线阵探头频率、孔径和焦距对耐张线夹相控阵检测成像的影响规律。研究发现：低频探头检测时耐张线夹检测信号会发生重叠，探头频率增大时，分辨力提高，但声波衰减增大，频率选择时要综合考虑对分辨力和灵敏度的影响；随探头孔径的增大，近场区长度增加，系统分辨力和灵敏度提高，但孔径增加受到工件外形尺寸的限制，一般选择孔径时应保证铝中的近场区长度不小于铝套管厚度和单根铝导线直径之和；聚焦区域的成像质量明显优于非聚焦区域，孔径变小时，焦点位置对检测结果的影响增大，检测时将焦距设置为铝套管厚度时检测成像效果最佳。研究结果对于相控阵超声成像在耐张线夹压接质量检测上的工程应用具有重要的参考价值。     

针剂中异物的光电检测方法研究

针剂在实际生产过程中容易混入异物颗粒,异物颗粒影响人体健康,因此针剂在出厂前必须进行异物检测.本文提出了一种基于光阻法的针剂异物的检测方法,介绍了检测原理及其信号处理方法,单瓶静态实验表明,该方法与人工检测方法比较,符合率为96.30%.针对检测区域和测试时间过小所造成的漏检可能,提出了双光路检测方法,并通过实验论证了其可行性.     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

一种车用单刀双掷开关的质检仪器研发

介绍了一种车用单刀双掷开关质量检测仪器的研发,包括检测系统的硬件设计、检测原理以及算法软件开发。首先,根据单刀双掷开关的工作原理及质量检测要求,开发了检测手指触觉压力的机械装置,以及控制开关通道切换的继电器控制电路;在此基础上,开发了相应的检测算法,可实现对开关切换状态、电压差以及手指触觉压力进行自动化的数据采集、分析、检测和判断,从而挑选出合格的开关;最后,设计了触屏人机交互界面,可实时显示产品检测的参数。该检测设备在某自动化生产线上经过近一年时间的检测验证,证明系统运行平稳,检测效果良好、误检率低,可以完全取代传统的人工检测方式,提高了开关的检测效率,降低了检测人员的工作量。     

基于图像处理技术的电能表外观检测系统

为适应智能电能表自动化检定的要求,设计了由图像处理技术完成外观检测功能的系统,实现了外观检查的自动化,解决了人工检测方法工作量大、效果不佳的问题。系统采用高性能CCD相机完成图像采集,确保图像信息丰富完整。利用图像平滑去噪、形态学处理等技术完成图像的预处理,大幅降低后续比对的难度。运用基于高斯金字塔的混合配准算法完成图像配准,最终实现待检图像与模板图像之间匹配程度的检测。该方法检测时间短,正确率高,已成功应用于省级计量中心电能表自动化检定线,满足生产需求。     

非线性过程控制系统传感器故障检测新方法

针对电厂热力系统故障检测和定位准确性低的问题,提出了基于鲁棒输入训练网络(Robust Input-training Network, RITN)的传感器故障检测模型。采用带参数限制项的目标函数对网络进行训练,并在测试目标函数中引入影响因子,增加了模型训练精度,抑制了网络计算过程故障数据对正常值的影响,减小了残差污染,提高了模型准确性。以某300MW电厂热力系统20组测点为对象进行算例分析,通过反复的实验,结果表明,该模型能够更加准确的对非线性系统故障点进行检测和分离,并更加精确重构各变量真实值,验证了该模型用于非线性过程传感器故障检测的有效性和可靠性。     

基于改进梯度幅值的包装缺陷检测算法研究及应用

针对包装质量检测精度易受外界光照影响的问题，在已有基于梯度幅值相似性的缺陷检测算法基础上，将局部二值模式算子引入到该算法中，提出了一种基于改进梯度幅值相似性的缺陷检测算法。该算法利用局部二值模式算子的旋转不变性和灰度不变性的特点，并将其与图像的梯度幅值特征进行融合后用于包装的缺陷检测中，提升了缺陷检测算法对光照的鲁棒性。实验结果表明，相比传统梯度幅值缺陷检测算法，该算法具有更好的抗光照影响能力，并且对于不同光照情况下的包装缺陷，该算法的检测准确率可达96.57%。因而，该算法能够被广泛地用于包装缺陷检测中，提高缺陷检测的精度。     

球粉板表面缺陷在线检测

为快速准确检测球粉板表面缺陷,对球粉板表面光学特性不一致性和缺陷类型的多样性等关键问题进行了分析,以利于有效地解决关键问题;论文提出采用基于模板图片创建矫正模板来解决被测板材表面光学特性变动的均化问题、自适应萃取二值化阈值解决二值化阈值整定问题,以提高软件的执行鲁棒性;通过自定义算法实现了细线型缺陷修补,有效地提高了划痕类缺陷检测的精度和可靠性;提出了筛查模型实现了符合缺陷检测精度要求的噪点筛除;通过大量现场实验验证了本系统能够正确高效实现球粉板表面缺陷检测定位标识和面积测量功能,以及达到了目标检测精度;本系统能很好地胜任球粉板在线表面缺陷检测;实验证明检测系统非常高效精准,极大地提高了生产线自动化能力。