基于改进的RetinaNet医药空瓶表面气泡检测

医药空瓶在生产过程中瓶身表面会产生大量的气泡缺陷,但现有的方法对医药空瓶表面气泡检测存在各种问题,例如对复杂场景变化的鲁棒性不强,抗噪声干扰能力弱等.针对现有医药空瓶表面的气泡缺陷,提出了一种改进的深度学习目标检测算法RetinaNet对瓶身气泡进行检测.对原始RetinaNet算法中的特征金字塔网络结构进行了优化,在特征融合过程中引入了特征增强模块,用来提高网路对图像语义特征的提取,增强网络特征提取能力.为了减少模型的参数数目和计算时间,考虑到空瓶表面气泡均为小目标缺陷,去掉原始特征金字塔网络中用于检测大目标的网络结构,提高了算法检测速度.通过对标准的ResNet50网络进行重新组合,并引进了膨胀卷积模块,扩大特征图感受野,提高了模型检测的精度.通过在注塑空瓶数据集上对本文的方法进行了验证,其准确率为99.72%,漏检率为0.12%,误检率为0.16%,mAP为99.49%,相比原始的RetinaNet的mAP提高了接近2.4%.

基于ARM的PET瓶分离控制系统设计

针对PET透明塑料瓶瓶身外表面的印刷、划痕、色差等缺陷不宜被工作人员检测且容易被漏检的问题,设计了一种基于ARM-Cortex-M3内核的用于瓶身表面缺陷检测的控制系统。该系统通过利用PWM的捕获功能、定时器中断、线性队列等控制过程,实现倒瓶检测、检测量控制和缺陷瓶剔除等控制。通过在工厂的运行测试,该控制系统能够实现稳定的控制功能。

基于字符识别的图像处理方法研究

随着机器视觉技术的不断发展,在工业、交通、安防等众多领域都得到广泛应用,如缺陷检测、智能识别、尺寸测量和条码阅读等都会用到图像处理技术。基于此,笔者对图像处理算法设计过程进行了详细分析,包括图像预处理、图像ROI提取、图像矫正以及字符分割等步骤,能够得到很好的字符分割效果。