基于机器视觉的导光板漆面缺陷检测方法及实现

针对导光板在生产过程中人工检测效率低的问题,提出了一种基于机器视觉的导光板漆面缺陷检测方法。根据划痕、起泡、暗点、色差等各类典型缺陷的特点设计了对应的检测流程。改进了对比度调整算法,提出了一种以Sigmoid函数为映射曲线的自适应灰度变换方法增强起泡、划痕等点状、线状缺陷特征,采用局部自适应直方图均衡化算法突出色差缺陷轮廓,最后结合形态学处理、边缘检测等算法实现了对应缺陷的检测。实验结果表明该方法对各类点状、线性、色差缺陷的检出率达到90%。

基于改进YOLOv5s的大尺寸导光板缺陷检测

导光板(LGP)是液晶显示器(LCD)背光模组的主要部件.导光板的缺陷将直接影响液晶显示器的显示效果.针对导光板图像纹理背景复杂、低对比度、缺陷尺寸小等问题,本文提出了一种用于大尺寸导光板缺陷检测的AYOLOv5s网络.首先,将导光板图像进行分图处理,然后在主干部分和特征融合部分集成Transformer和注意力机制coordinate attention,并选择Meta-ACON激活函数.最后,基于自建数据集LGPDD进行了大量实验.实验结果表明,LGP缺陷检测算法的平均精度(mAP)可以达到99.20%,并且FPS可达77,可以实现在12 s/pcs内对尺寸为17英寸的导光板中的亮点、划伤、异物、磕碰伤、脏污等缺陷具有较好的实际检测效果.

基于群速度校准的超声导波技术及在复合材料缺陷检测中的应用

由于在复合材料板中传播的超声导波具有偏斜效应,使得理论群速度与试验测得的群速度不一致,因此需要对群速度幅值和传播方向进行校准。数值计算复合材料板中超声导波频散方程得到S0模态各个方向的理论相速度频散曲线。运用群速度校准法则对S0模态群速度幅度和传播方向进行修正。校准后的理论群速度与试验测得的群速度较为吻合。试验中采用频率200 kHz的S0模态对碳纤维复合材料板中的模拟缺陷进行检测。结果显示采用校准后群速度和试验测得的群速度可准确定位缺陷,且具有很好的一致性。因此,采用群速度校准法则可有效提高各向异性复合材料结构中超声导波的缺陷定位和识别能力。

可连续调节亮度均匀照明光源设计及在表面缺陷检测中的应用

生产过程中对表面缺陷的检测非常需要。介绍了一种用于生产现场的有金属镀层小工件表面缺陷的检测技术。通过应用MAX1698芯片,设计了具有亮度可连续调节并且照度均匀的照明光源,解决强反射复杂表面反射光极强导致CCD成像画面亮度失真并将所要检测缺陷信息淹没的难题。实验表明,该照明光源有效地解决了电镀工件表面的强反射光给图像处理和检测带来的困难,提高了CCD采集到的图像质量的同时也减轻了后续的图像处理的难度和提高了检测的正确性。可用于外观缺陷自动检测系统的照明系统。

导光板模具微结构阵列孔加工与检测研究

导光板模具是加工导光板的核心部件,微结构阵列孔的加工精度对导光板模具至关重要。通过精密撞点机床在导光板模具钢上加工微结构阵列孔和在白光干涉仪下检测微结构阵列孔的孔径和圆心距,分析检测数据找出影响导光板模具微结构阵列孔的加工精度的因素。利用激光干涉仪的线性测长模块验证精密撞点机床的定位和重复定位对微结构阵列孔的中心距的影响,利用激光干涉仪的动态测量模块验证微振动对导光板模具加工的影响。通过实验,找出影响导光板模具微结构阵列孔的加工精度因素并提出提高加工精度的方法。

采用硅橡胶导板对儿童前牙冠缺损进行光固化复合树脂修复的疗效评价

目的探析儿童前牙冠缺损在采用光固化复合树脂修复技术下的临床效果。方法方便选取2013年7月—2016年7月于该院门诊接受前牙冠缺损修复的50例(55颗牙)儿童为观察研究的对象,按患儿于接受修复时的单双数记录形式将其均分为两组,分别为对照组与观察组,其中对照组采用复合树脂进行传统修复,观察组则采用硅橡胶导板进行光固化复合树脂修复,比较分析两组患儿在不同修复技术下的修复成功率以及患儿及其家属的满意度、修复保留率等。结果在该研究的实际结果中表明,观察组患儿的牙冠缺损修复成功率(92.00%)大幅度优于对照组(68.00%)(χ~2=4.50,P<0.05),且其获得患儿及其家属的满意度(96.00%)亦优于对照组(76.00%)(χ~2=4.15,P<0.05),两组的指标之间对比差异有统计学意义(P<0.05),但其修复保留率(88.00%)与对照组(68.00%)相差不大,差异无统计学意义(χ~2=2.91,P>0.05)。结论对于前牙冠出现缺损的患儿,采用树脂导板修复技术进行治疗不仅可以成功修复患儿缺损的牙齿,而且可以满足患儿及其家属对其牙齿的美观需求,值得推广以及应用。

超声导波缺陷检测仿真分析

针对超声导波检测中零件缺陷信息表征不足的问题,对板类零件进行超声导波检测有限元仿真.仿真采用瞬态动力学方法,单面激励并提取检测信号,推算出一维缺陷位置,并使用圆弧定位方法确定了二维缺陷位置.通过不同缺陷检测的仿真分析,明确了Lamb波的反对称模式(A0波)和对称模式(S0波)与缺陷尺寸和深度的关系.

基于电磁超声导波的铝合金板材缺陷自动检测装置

针对目前国内外普遍采用的压电超声技术在铝合金板材检测中的不足,研制了基于电磁超声导波的铝合金板材自动检测装置。设计了激发和接收导波的电磁超声换能器(EMAT),由FPGA完成电磁超声发射接收电路控制和数据采集。利用LabW indows CVI软件编写上位机程序,通过USB总线实现FPGA与上位机的数据交换,并在上位机完成数据分析和处理。研制了机械装置控制探头在铝合金板材表面折线形运动,实现整个铝合金板材缺陷的检测,并为板材在线检测装置的研制打下基础。基于电磁超声导波的铝合金板材缺陷自动检测装置,可对厚度为10 mm以下的整个铝合金板材进行快速检测,并能在上位机实现缺陷的自动判别。

基于深度学习语义分割的导光板缺陷检测方法

当前导光板表面缺陷仍主要由人工肉眼观察进行检测,仅有少数生产厂家利用传统的图像处理方法进行检测.由于导光板缺陷在高分辨率工业相机拍摄的图像成像下仍极其微小,且不同缺陷的特征各异,以及整张导光板自身的导光点分布密集、不均匀等纹理特点,导致传统的图像处理检测方法需要经验丰富的视觉工程师进行大量的特征提取算法编程工作和昂贵的代码维护成本,准确率低且稳定性差,为此提出一种基于深度学习语义分割的缺陷检测方法.该方法通过训练神经网络的方式来自主学习提取导光板缺陷特征从而避免繁杂的特征提取算法编程工作.首先,对搜集的导光板缺陷进行缺陷标记,制作样本集;其次,利用迁移学习将预先训练好的金字塔场景解析网络(PSPNet)对标记样本进行再训练;进而,利用训练好的模型实现对导光板缺陷的检测;由于单独的深度学习语义分割缺陷检测方法通常无法满足工业实际应用需求,最后还需结合简单的机器视觉方法,对深度学习语义分割方法检出的所有疑似缺陷区域进行二次判断筛选.实验结果表明,该方法针对亮点、暗点和划痕3种缺陷的检出率高达96%,基本可以满足工业检测要求.

单边侧入光式导光板质量可视化检测方法

导光板是液晶显示屏背光模组的重要组成部分,在其生产过程中不可避免会出现亮点、划伤、压伤、暗影等缺陷,直接影响显示效果.针对这种问题,根据网点的排列特征、缺陷的成像效果,本文提出了一种基于机器视觉的导光板缺陷检测方法.首先,根据网点的排列疏密程度将图分成疏区和密区;其次,由于疏区网点会对缺陷检测带来极大干扰,提出了网点分离的思想,通过设计滤波器分离网点与背景,分别进行疑似缺陷提取.设计高斯导数滤波器对密区进行滤波,并在此基础上利用灰度形态学、图像运算等处理方法提取密区疑似缺陷;进而,针对导光板不同区域,根据产线质检要求提取缺陷区域的特征,并通过这些特征制定筛选规则判定缺陷;最后,在自主研发的导光板缺陷检测系统上,对提出的检测方法进行了大量的现场测试.测试结果表明,针对亮白点、压伤和划伤缺陷具有较高的检测精度,检测精度可达99%以上,基本可以满足工业检测要求.

双层钢板搭接区域内的裂纹缺陷检测仿真

以双层钢板搭接区域内裂纹缺陷为检测对象,考虑钢板包覆和焊缝包围对检测信号的影响,提出利用SH0模态导波对裂纹缺陷进行检测的方法。基于Comsol多物理场仿真平台,建立双层钢板搭接三维结构模型,并在搭接区域内构建不同长度裂纹缺陷。结果表明,检测波长为12.8 mm,裂纹缺陷长度为10 mm时,缺陷回波信号与无缺陷时噪声信号基本重叠,无法检测;裂纹缺陷的长度从10~40 mm变化时,裂纹缺陷越长,回波信号越明显;裂纹缺陷的计算位置与实际位置的误差为1.79%。研究为双层钢板搭接区域内缺陷在线检测提供理论依据。

热压印成型超薄导光板的常见缺陷及优化方法

针对等温热压印成型超薄导光板常见的气泡缺陷和填充不完全缺陷,经过系列的实验探索并结合软件的模拟,提出了具体的优化方法。值得一提的是,针对气泡缺陷产生的原因提出了预热导光板的处理方式,探讨了基片的预热和不预热对气泡缺陷出现的影响,并结合实验确定了基片放入压印模具的最佳时刻。经实验发现,通过试验改善基片的放置方式来提高压力的利用率是解决填充不完全缺陷最为经济高效的方法。讨论了基片在模具中的不同放置方式对压印设备压力的利用率的影响,确定了基片在模具中合理的放置方式。实验结果表明,文中提出的优化方法均可靠有效,可操作性强,对超薄导光板的显示效果有明显的改善,在其指导下成型的超薄导光板微结构复制率可达90%以上,照度均匀度可达72%。

基于色彩感知的车载导光板黄化缺陷检测

在导光板生产时,因生产治具温度过高,不可避免地会出现黄化缺陷.为提高黄化缺陷检测精度及效率,在分析导光板及其黄化缺陷的光学特征基础上,本文提出了基于机器视觉的导光板黄化缺陷检测方法:首先,将图像灰度转换,用双边滤波器对图像平滑处理,降低噪声影响;其次,对像素点邻域依次差值,凸显导光板轮廓特征;进而,通过自适应的阈值填充算法与设置线段距离阈值,完成导光板轮廓提取和3个导光板的分割;最后,根据导光板坐标生成矩形区域,构建81维特征向量,建立并训练SVM模型.该方法在工业现场采集的导光板图像上进行了大量实验,实验结果表明,该算法运行效率高,鲁棒性强,在训练样本较少的情况下仍有较高的检测精度.

基于机器视觉的导光板缺陷检测方法研究

导光板在无尘车间制造过程中,因现场环境以及生产治具的影响,不可避免的出现各种各样的缺陷,造成产品质量的严重下降。针对这种问题,根据导光板的光学特性、缺陷形成原理及特征,本文提出一种基于机器视觉的导光板缺陷检测的方法。首先,根据导光板的导光点分布特性,提出了基于密度的自动分区算法;其次,针对不同分区,分别设计一个高斯双方向导数滤波器对导光板图像进行卷积操作,并利用在两个大小不一的均值滤波基础上做差,以去除正常导光点的干扰,获得缺陷增强图像;进而,利用二值化阈值操作提取疑似缺陷连通区域,并在分析其区域特征基础上确认是否为缺陷,再加以分类;最后,在工业现场采集的导光板图像基础上,进行了大量的实验。实验结果表明,针对亮点、压伤和线刮伤缺陷具有较高的检测精度,基本可以满足工业检测要求。

结合轻量化与级联深度学习网络的导光板缺陷检测方法

针对车载导航导光板图像纹理背景复杂渐变、亮度不均匀、缺陷细微且类型多等特点,并根据导光板光学特性、网点排列、缺陷成像效果等,结合轻量化与级联深度学习网络提出了一种缺陷快速检测方法。首先,根据导光板缺陷分布特点,通过改进卷积层连接与特征图下采样的方法,设计一轻量化二分类网络实现疑似缺陷区域的快速分割;其次,利用改进的ResNet网络构建多分类网络,并提出两阶段网络级联的方法,对分割的疑似缺陷区域提取多样化特征实现缺陷的精确分类;然后,采用固定窗口在完整导光板图像上滑动,将滑动窗口图像裁剪后批量输入级联网络进行缺陷的粗定位与分类;最后,利用工业现场采集的导光板图像自建数据集,并以此为基础进行了大量实验。实验结果表明:与其他导光板缺陷检测算法相比,本文算法在准确率与检测时间上得到显著提升,检测平均准确率达到98.4%,单张检测时间提升到1.95 s,准确率、实时性均达到工业检测要求。