基于机器视觉的食品外包装缺陷检测算法研究进展

食品包装在生产过程中由于各种因素会导致缺陷产生,包装缺陷种类多,背景复杂。通过视觉成像和计算机信息处理完成包装的识别、检测和测量等任务的机器视觉检测,相比传统的人工检测,具有执行速度快、精度高等特点,可显著提高生产自动化程度。文章根据食品外包装常见缺陷,从缺陷检测算法的角度介绍传统机器视觉检测算法和深度学习相关算法在食品外包装缺陷检测中的研究应用,并对检测算法在食品外包装缺陷检测中的应用前景,以及存在的问题进行分析与展望。

基于图像处理的BGA封装器件缺陷检测算法

提出了一种BGA焊球缺陷检测算法 ,通过图像处理技术 ,检测BGA器件各焊球的中心位置、焊点直径、各行列坐标等参数 ,以检测是否发生焊球丢失、移位、焊球过大或过小以及桥连等缺陷 ,从而保证BGA器件的质量。

基于小波变换的金属表面缺陷检测算法

小波变换可以通过对频域或时域进行局部化观测而观察到观察对象的任意细节,因此基于小波变换并结合分形边缘检测方法和形态学方法,提出了一种新的金属表面缺陷检测算法。对新的金属表面缺陷检测算法的原理和流程进行设计,并通过设立实验组和对比组进行仿真实验,通过实验结果的对比可以得出基于小波变换设计的新的金属表面缺陷检测算法可以有效保障图像增强效果,从而加强金属表面缺陷检测效率的结论。

基于支持向量机的胶片缺陷检测算法

提出了一种基于支持向量机的胶片缺陷检测算法,该算法把胶片中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,应用机器学习理论的年轻分支———支持向量机对两类不同的样本采样学习,然后进行分类判断。实验结果表明,这种算法能够较好地实现胶片缺陷的检测分类,有着深入研究的价值。文中使用了两种不同的方法进行图像的特征提取,它们是主元分析法和离散余弦变换法,结果显示,不同的特征提取方法对训练分类的结果会产生一定影响。

基于计算机图像处理的电路印刷板缺陷检测

针对人工目检等传统PCB检测方法高成本、低效率问题,通过提出一种基于计算机图像处理的PCB板计算机视觉混合检测方法,完成了实现快速稳定可靠的PCB缺陷智能在线检测的目的;建立了系统的软硬件结构,研究出结合图像分模块处理,改进的极小值分割、快速模板匹配、图像对比、形态后处理等措施的混合智能检测算法;实验结果证明,该方法解决了海量数据与实时性处理的矛盾以及噪声干扰等问题,能准确检测PCB常规缺陷,并保证了自动在线检测的实时性、可靠性和低成本。

一种基于像素点TFT-LCD的点线缺陷的检测方法

在目前大多数的液晶显示器(Liquid crystal display,LCD)制造过程中,很多都是基于人眼的缺陷检测,有很多的人工检测的弊端,研究目前基于TFT-LCD的点、线缺陷的机器视觉的自动检测方法。基于SEMI标准中点、线缺陷的测量规范和LCD视觉检测试验平台,针对点、线缺陷的灰度变化值,来研究基于图形值方根值、灰度分割、灰尘去除、基于像素点的图形识别来进行的缺陷量化的方法,综合几个方面的研究,建立点线缺陷自动检测流程。试验证明,所提出的方法能较好地检测做到灰度增强、抑制背景、确定灰度差异,准确分割和识别出点线的缺陷,并给予相应的量化标准。该方法适用于点线缺陷的自动检测,检测方式和人眼相似,有很好的鲁棒性能。对于100片LCD样本做分析,有98片能成功检测。

纺织业智能化改造,从疵点实时检测开始

本文针对纺织生产过程中对布料瑕疵进行实时检测,以及缺陷种类和数量记录的需求,海康威视结合大圆机给出设计的视觉系统疵点实时检测方案。该方案采用固定式检测方式,该系统可以应对高速、高精度的检测要求,而且可以对不同缺陷类型进行分类计数,与上位机系统互联,在提高生产效率的同时,帮助企业实时监控质量情况,优化生产工艺。

基于机器学习的虚拟网络感知数据缺陷自动检测

针对基于数据挖掘以及模式匹配的两种缺陷感知数据检测算法交并比(IOU)小,导致检测效果差的问题,在机器学习的基础上研究一种新的虚拟网络感知数据缺陷自动检测算法。该算法主要分为两个阶段内容:前一阶段采集和处理感知数据,准备好后续BP神经网络模型的学习样本;后一阶段构建和训练神经网络模型,并将前一阶段得到的学习样本作为输入数据输入到训练好的BP神经网络模型当中,实现缺陷数据与正常数据的区分,完成感知数据缺陷自动检测。结果表明:基于机器学习的虚拟网络感知数据缺陷自动检测算法交并比(IOU)为0.9588,与基于数据挖掘以及模式匹配的两种缺陷感知数据检测算法相比,更接近1,说明本文算法检测效果更好。