基于多度量多模型图像投票的织物表面瑕疵检测方法

为解决自动化生产线上织物表面瑕疵检测准确率低和计算速度慢的问题,利用织物表面具有周期纹理的特性提出了一种改进的RANSac检测方法,即多度量多模型图像投票。首先将输入图像裁剪为尺寸一致的子图,计算出子图多维度量的输出值矩阵;然后与改进RANSac计算出的无瑕疵背景的多维度量标准值分别对应作差,采用投票得出每张子图的基础分;再将其在4个记数模型下得到的综合评分排序,根据顺序和偏移量在输出端得到外点所代表的瑕疵子图。实验结果表明:在自采样的织物瑕疵数据集上,选择单度量和单模型的预测精度平均可达到90.9%,平均预测时间达到0.139 s,综合多度量多模型投票的平均预测精度可达到92.7%。该算法不需要大量前期数据进行训练,适用于纯色和条纹状织物的实时表面缺陷检测。

基于轻量型深度神经网络的小零件表面瑕疵检测机

习近平总书记在党的二十大报告中指出,要加快建设制造强国,大力推动制造业智能化转型。小零件应用广泛,在制造业中扮演着至关重要的角色。对小零件进行表面瑕疵检测对于提升中国制造业智能化水平具有重要意义。设计出了小零件表面瑕疵检测机,用于检测长宽高在50 mm×50 mm×30 mm以内的统一规格生产的标准件。该检测机首先通过振动筛上料,其次由PLC控制开槽微型波纹传送带导向传送待检零件,再次使用工业相机采集图片,然后应用基于空洞卷积和特征支路的YOLOv4-tiny算法识别瑕疵,最后将识别结果为“NG”的次品用高压气泵吹走。实验比较结果显示,识别相同的零件,改进后的瑕疵识别算法准确率为98.73%,漏检率为0.01%,检测速度为360个/min,满足小零件企业生产流水线实时检测需求,每年为企业降低人力成本200万元,为制造业智能化转型作出了贡献。

基于深度学习算法的尿素泵体用铝型材表面瑕疵检测

尿素泵为机动车尾气后处理系统的核心设备,泵体材料一般为铝型材,在铝型材生产过程中,受工艺等因素的影响会产生各种瑕疵,影响铝型材的质量。传统人工检测,质检的效率和准确率难以满足生产需要。本文将深度学习算法引入到缺陷检测中,结合迁移学习原理,使用小批量数据集,利用改进的YOLO模型进行训练,预测铝型材表面瑕疵。试验结果显示,尽管在小批量训练的条件下,验证集mAP值为87.43%,仍取得了98.2%的准确率,比拟人工检测的准确率,并可以快速、准确的定位缺陷部位。此技术有望革新现有质检流程,自动完成质检任务,保证产品的质量;另外,基于深度学习算法表面缺陷检测方法,鲁棒性好,具有一定的普适性,可以推广到相关的其他应用领域。

复杂背景下基于多阈值的光滑工件表面瑕疵检测

由于光滑物体表面的反光引入的强噪声,光滑物体表面的瑕疵检测一直是工件检测难点。针对复杂环境下的光滑工件,提出了一种基于多阈值的瑕疵检测算法。针对反光物体表面曝光过度的问题,使用去雾算法减轻曝光影响;针于单一值阈值分割很难将瑕疵检测出来的问题,提出一种连续多阈值的确定方法,来分别得到前景图和背景图。为了完善背景图,减少检测误差,根据金属反射光线的颜色,融合光晕区域得到较为全面的背景图,再将两图相减得到瑕疵的区域。该方法不需要严苛的光照条件,算法简单便捷。实验结果表明,该方法可以有效识别瑕疵,提高检测效率。

基于BRDPSO算法的织物表面瑕疵检测

针对织物表面瑕疵检测准确率和效率都偏低的问题,提出一种基于二进制随机漂移粒子群算法(BRDPSO)的同步特征选择与参数优化方法。该算法在原始特征集上进行特征选择,同时优化随机森林分类器(RF)的参数,并以随机森林分类准确率指导BRDPSO算法的搜索。最后用最优参数构建的RF对挑选出的特征子集进行织物表面瑕疵检测。结果表明,同步特征选择与参数优化的BRDPSO算法可以更有效地提高织物表面瑕疵检测准确率和效率,并与已提出的优化算法进行比较,其检测效果更优。

表面弱边缘瑕疵检测算法及应用

工业环境中,产品表面质量是产品质量的重要组成部分,也是商品商业价值的重要保障。产品表面瑕疵由于受到光源、光照方式等因素的影响,容易形成灰度变化相对缓慢的过渡边缘即弱边缘。在工业生产中,弱边缘瑕疵由于其灰度缓慢变化,所以相对强边缘瑕疵较难被检测出。针对这一问题,提出了一种有效检测弱边缘瑕疵的方法。该方法利用Scharr算子能突出弱边缘的优势,结合形态学开闭滤波,从而达到强化弱边缘的效果。根据形成的弱边缘增强图像,利用最大熵阈值对图像进行分割得到瑕疵。对光缆生产流水线上采集的图像利用该方法进行测试分析。实验结果表明,使用改进的弱边缘瑕疵检测算法能更好地检测出弱边缘,从而更加有效地识别表面瑕疵,提高了产品质量。

抛光金属弧状面瑕疵实时检测

提出了一种基于机器视觉对抛光金属弧状面进行实时快速检测的方法。在离线情况下,对不同光强下的样本工件进行学习分析,构造图像的背景亮度分量与灰度水平的关系函数,提取样本工件反射分量的统计特征。在线检测时,先分析图像的灰度水平,并计算图像所对应的亮度分量;然后从图像中提取出灰度均匀的反射分量,最后对反射分量进行阈值分割并做出决策判断。实验表明,本文提出的方法能通过一次学习,适应变化的采集环境,系统具有较高的鲁棒性;检测一帧图像平均时间为40ms,准确率达98%以上,具有较高的实时性和准确性。

机器视觉研究进展及工业应用综述

机器视觉应用广泛,近年来随着相关技术和研究的不断发展,机器视觉发展迅猛。文章总结了国内外机器视觉的研究现状,首先介绍了机器视觉系统的组成和工作原理,然后讨论了机器视觉在表面瑕疵检测、智能装配和家居板件尺寸测量方面的应用,最后对现阶段机器视觉所面临的问题进行介绍并对其未来工业发展方向进行展望。