一种商标印刷缺陷特征提取算法的研究

针对商标印刷过程中产生的白点、漏印、飞墨等缺陷,提出了一种基于数学形态学的彩色商标印刷缺陷特征提取算法。通过选择合适的结构元素,对彩色图像的分量差影图进行多种形态学运算,提取和识别彩色商标高精度印刷产生的特定缺陷的形状、边界轮廓、数量、大小以及位置等信息;并以MATLAB编写程序对本缺陷提取算法进行了仿真验证,结果表明该算法可以对彩色商标印刷生产中存在的几类缺陷信息进行快速有效的提取。

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法.对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像.建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性.实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.

基于计算机视觉的嵌入式数字IC芯片引脚缺陷检测方法

针对芯片引脚缺陷故障难以精准检测的现状,提出基于计算机视觉的嵌入式数字IC芯片引脚缺陷检测方法。采用计算机视觉技术计算相机水平方向的像素,采集嵌入式数字IC芯片引脚图像;对引脚图像进行图像预处理、引脚缺陷特征提取及缺陷定位处理;计算芯片引脚长度均值,以引脚长度均值为依据进行缺陷检测。试验结果表明:该检测方法在芯片引脚缺失、歪脚、不合格等方面检测结果的准确率得到了显著提高。

一种结合直方图均衡化和MSRCR的图像增强新算法

为便于集成电路(IC)真实缺陷形貌图的缺陷特征提取,提出了一种结合直方图均衡化(HE)和多尺度Retinex彩色恢复(MSRCR)算法的彩色图像增强新算法.用直方图均衡化对彩色图像进行增强,可以显著提高对比度,但会降低原图的信息熵;用Retinex算法对彩色图像进行增强,可以显著提高暗区域的细节,但会产生泛白、颜色失真和对比度低的现象.新算法根据两种算法处理结果的特点,将图像先分别进行HE增强和MSRCR增强,然后按照一定的图像融合规则进行加权融合,经过大量的测试统计,得到了一个最佳权重.实验证明,改进的算法使图像的亮度、对比度、细节等都有很大的增强,不仅改善了图像的整体视觉效果,而且得到了最大的信息熵,能更好地刻画IC缺陷细节,有利于后续的目标检测和缺陷特征提取,并验证了算法的通用性.

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD(computer aided design,计算机辅助设计)机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷(如划伤、磨损、边缘缺料及锈蚀等),在图像预处理(灰度化、图像增强、高斯降噪和二值化)的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析(principal component analysis, PCA)对零件的四维特征数据集进行降维处理,并利用K最近邻(K-nearest neighbor, KNN)算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100μs时,该系统的图像处理速度达到45.2帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。

Intelligent detection method for workpiece defect based on industrial CT image

In order to solve the problem of internal defect detection in industry, an intelligent detection method for workpiece defect based on industrial computed tomography (CT) images is proposed. The industrial CT slice image is preprocessed first with the combination of adaptive median filtering and adaptive weighted average filtering by analyzing the characteristics of the industrial CT slice images. Then an image segmentation algorithm based on gray change rate is used to segment low contrast information in industrial CT images, and the feature of workpiece defect is extracted by using Hu invariant moment. On this basis, the radial basis function (RBF) neural network model is established and the firefly algorithm is used for optimization, and the intelligent identification of the internal defects of the workpiece is completed. Simulation results show that this method can effectively improve the accuracy of defect identification and provide a theoretical basis for the detection of internal defects in industry.

涡流阵列检测技术的发展及应用

介绍了涡流阵列检测技术的检测原理，针对涡流阵列几项关键技术的国内外发展现状进行了深入研究，如涡流阵列探头设计、激励检测模式、多路复用技术与处理技术、缺陷特征提取、分类识别和成像技术、阵列检测技术与其他检测方法的集成等，并详细阐述了阵列检测技术的发展及重要应用。