用于识别一类缺陷字符的过筛连通模板匹配法

针对一类发生切割的缺陷字符,传统的模板匹配法难以对其进行正确识别,基于连通域的改进算法也存在一定的误识率。文章提""出了一种基于过筛连通的模板匹配法较好地解决了这一问题。算法对基于连通域的模板匹配法进行了进一步改进,其基本思路是对缺陷字符采用先过筛,再连通,最后匹配识别的办法,最大程度地保留了笔道上的黑像素,屏蔽了笔道外的干扰黑像素,从而实现字符的识别。该算法构思新颖、计算简洁,大量实验表明其识别率也是可以保证的。

基于深度学习的锂电池表面字符识别和缺陷检测

该文针对在锂电池的生产过程中,软包锂电池表面喷码字符识别和缺陷检测,由于人工检测耗时长、成本高等缺点,提出了基于CnOCR的字符识别方法和基于改进YOLOv8模型的字符缺陷检测方法 。该方法首先利用CnStd算法对字符区域进行了定位,利用YOLOv8模型对字符进行训练,检测出有缺陷的字符。根据字符区域特点进行图像增强、二值化和字符分割等处理,采用CnOCR模型进行字符的识别。深度学习方法提高了字符识别和缺陷检测的准确率,并且保证了整个检测系统的识别和检测速度。实验结果表明,字符识别率在96%以上,字符缺陷检测率在94%以上,符合锂电池自动化生产线的生产需要。

基于秩正则几何变换的无监督字符缺陷检测

针对基于几何变换(GT)的异常检测忽略了特征紧凑性,难以准确区分高度相似的合格与缺陷字符的问题,定义秩正则损失鼓励紧凑特征表达,提出基于秩正则几何变换(RRGT)的字符缺陷检测算法。无监督异常检测仅使用正常样本(合格字符)作为训练集,RRGT对训练样本进行不同类型的几何变换。定义秩正则损失训练网络模型识别正常样本的变换类型。秩正则迫使同类变换的特征矩阵具有较小的秩,从而鼓励特征紧凑性。推理阶段使用网络预测施加在新样本上的变换类型。由于网络未使用异常样本(缺陷字符)训练,网络对异常样本的预测不确定性高,由不确定性可以检出异常样本。在旺旺牛奶盒喷点字符上的实验表明:相比GT,RRGT大幅提升了网络对缺陷字符预测不确定性的识别能力,缺陷检测的AUC值提高了4.8%。

基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.

基于深度学习的汽车手柄字符缺陷检测

汽车手柄字符常采用人工检测方法进行缺陷检测,当人眼出现视觉疲劳时,会出现误检、漏检的现象。针对检测准确率低的问题,提出一种基于改进LeNet-5的深度学习字符缺陷检测算法。该算法首先对图像进行预处理和字符分割,然后调整分割后的字符大小并进行分类,制作成数据集。再调整LeNet-5网络的输入图像大小,增加输入的特征信息;引入批量归一化操作,提高网络的泛化能力;在反向传播过程中引入Adam优化器,提高参数更新的结果。最后使用改进网络训练模型进行实验。实验结果表明:在迭代2000次的条件下,准确率为98.89%,和LeNet-5卷积神经网络相比准确率得到了提高。

基于halcon的字符缺陷检测系统

产品上的字符标识是人们了解产品的重要途径,产品字符的错印,漏印将影响产品信息的正确性,因此字符缺陷检测是产品生产的重要环节。相比于效率低,主观性强的人工检测方式,机器视觉检测方式具有检测速度快,精度高,稳定性强的特点。提出基于halcon的字符缺陷检测系统,主要研究内容如下:1)研究了基于halcon编程平台的图像采集方法;2)研究了图像的预处理算法;3)研究了基于halcon的字符缺陷检测方法;4)研究了基于halcon与C#软件设计。实验结果证明,基于halcon的字符缺陷检测系统能检测出字符中细小的缺陷,可用于生产中对产品的字符检测。

基于机器视觉的液晶屏字符缺陷检测系统设计

针对目前液晶屏字符显示缺陷检测主要依靠人工方式,效率低,主观性强,设计了一套基于机器视觉的自动化在线检测装置。文章介绍了整个装置的总体框架和检测方法,对采集的图像进行校正、阈值分割等预处理,然后进行图像匹配,最终作出是否存在缺陷的判定。通过实验,该装置能够准确实现对8片液晶屏不同状态的同时检测,并显示缺陷所在位置。

C语言字符串类型缺陷及影响分析

二本院校计算机专业学生普遍感觉C语言难学,学习效果差,不能为后续语言学习奠定基础。本文从数据类型角度分析这种状况产生的原因,提出C语言的数据类型存在的缺陷,其中字符串部分尤其突出,并提出相关解决方案,旨在为相关研究提供借鉴。

基于机器视觉的重轨表面缺陷检测系统的研究

针对目前几种常用的重轨缺陷检测方法检测速度慢、精度低等问题,提出一种基于机器视觉的重轨表面缺陷检测系统的设计方法。针对重轨表面常见缺陷种类,根据实验情况对该检测系统的硬件系统进行详细设计。并分别对重轨表面字符和缺陷采用信息定位和模式识别实现图像识别,使重轨缺陷和重轨号等字符信息的相应关系达到自动判别,从而实现缺陷检测的目的。

基于骨架特征点的汽车多功能面板缺陷检测

针对福特汽车多功能显示面板字符的细微缺陷难以识别的特点,提出一种基于字符骨架特征点的缺陷检测算法。根据缺陷的不同特征,先对缺陷进行分类,通过形态学骨架法,分析字符骨架化后的端点和交叉点数量变化,判断字符上是否存在缺陷,该算法具有较好的稳定性和准确性,能够很好地实现对福特汽车面板字符的细微缺陷检测。