缺陷檢測
- 改進(jìn)YOLOv5s的鋼材表面缺陷檢測
法欽摘 要：缺陷檢測是生產(chǎn)中重要的環(huán)節(jié)，基于鋼板表面缺陷特征不明顯和難以提取導(dǎo)致的檢測精度不足問題，文章在YOLOv5s檢測網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行改進(jìn)，首先基于DO-Conv過參數(shù)化模塊改進(jìn)網(wǎng)絡(luò)特征提取模塊，然后使用ULSAM注意力機(jī)制改進(jìn)網(wǎng)絡(luò)的頸部（Neck），提出改進(jìn)的YOLOv5s缺陷檢測網(wǎng)絡(luò)?；贜EU-DET數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的YOLOv5s缺陷檢測網(wǎng)絡(luò)檢測平均準(zhǔn)確率達(dá)76.6%，較YOLOv5s和YOLOv4分別提升了7.8%和6.3%，有效
軟件工程 2023年8期2023-08-20
- 城市地下排水管道缺陷檢測與修復(fù)
下排水管道；缺陷檢測；缺陷修復(fù)；非開挖修復(fù)中圖分類號(hào)：TU992.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：2096-6903（2023）06-0093-031 城市地下排水管典型缺陷1.1 沉積城市地下排水管道中經(jīng)常會(huì)出現(xiàn)地面泥沙、生活與工業(yè)垃圾等。這些沉淀物基本屬于固體堆積，會(huì)在管道底部呈現(xiàn)坡狀突起，沉積的嚴(yán)重程度一般會(huì)根據(jù)沉積物厚度來判別。管道
智能建筑與工程機(jī)械 2023年6期2023-08-13
- 注意力機(jī)制與空洞殘差網(wǎng)絡(luò)的PCB缺陷檢測
對印刷電路板缺陷檢測技術(shù)，文章提出了基于YOLOv5s的一個(gè)輕量型的CNN模型YOLO_AD，用于PCB缺陷檢測。該模型主要體現(xiàn)在將輕量型Ghost module作為骨干特征提取網(wǎng)絡(luò)，融合注意力機(jī)制，對輸入分配偏好進(jìn)行通用池化和信息加權(quán)平均后，引入空洞殘差網(wǎng)絡(luò)，減少了網(wǎng)絡(luò)模型與卷積運(yùn)算，提高了網(wǎng)絡(luò)處理效率。部署到嵌入式板卡中，采用MVC架構(gòu)配合硬件優(yōu)化及軟件設(shè)計(jì)搭建了實(shí)時(shí)在線的PCB目標(biāo)缺陷檢測系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，測試各類缺陷識(shí)別率為90.53%，檢測速度
現(xiàn)代信息科技 2023年4期2023-06-25
- 基于軟注意力機(jī)制的圖像分類算法在缺陷檢測中的應(yīng)用
針對傳統(tǒng)表面缺陷檢測算法檢測效率低下，難以應(yīng)對復(fù)雜性檢測等問題，結(jié)合深度學(xué)習(xí)和注意力機(jī)制技術(shù)，提出一種新型注意力機(jī)制算法。首先，反思卷積神經(jīng)網(wǎng)絡(luò)（CNN）與Transformer架構(gòu)，重新設(shè)計(jì)高維特征提取模塊；其次，改進(jìn)最新注意力機(jī)制來捕獲全局特征。該算法可輕松嵌入各類CNN，提升圖像分類和表面缺陷檢測的性能。使用該算法的ResNet網(wǎng)絡(luò)在CIFAR-100數(shù)據(jù)集和紡織品缺陷數(shù)據(jù)集上的準(zhǔn)確率分別達(dá)到83.22%和77.98%，優(yōu)于經(jīng)典注意力機(jī)制SE與最新的
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于雙網(wǎng)絡(luò)的鋼材表面缺陷檢測方法
用于鋼材表面缺陷檢測。關(guān)鍵詞：深度學(xué)習(xí)；YOLOv5；缺陷檢測；鋼材表面中圖分類號(hào)：TP391.4；TG115? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）03-0147-04Steel Surface Defect Detection Method Based on Double NetworkXIE Lianghui1，2， ZHAO Chenglin1，2（1.Hunan Provincial Key Laboratory of So
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于嵌入式的氣霧罐印刷質(zhì)量檢測系統(tǒng)的設(shè)計(jì)
工進(jìn)行印刷品缺陷檢測成為新的趨勢。文章依據(jù)某一氣霧罐生產(chǎn)廠商的檢測需求，設(shè)計(jì)了一種基于嵌入式的氣霧罐印刷質(zhì)量檢測系統(tǒng)。關(guān)鍵詞：印刷質(zhì)量；缺陷檢測；圖像處理；嵌入式系統(tǒng)中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）01-0133-041? 研究背景目前對于氣霧罐產(chǎn)品印刷質(zhì)量的檢測還多停留在人工目視檢測的水平，人工檢測的方法，不僅勞動(dòng)強(qiáng)度大，效率十分低，而且極易發(fā)生漏檢、誤檢的現(xiàn)象。本論文以某一氣霧罐生產(chǎn)商的自動(dòng)化
電腦知識(shí)與技術(shù) 2023年1期2023-05-30
- 基于改進(jìn)Faaster R-Cnn的手機(jī)屏幕缺陷檢測方法研究
：手機(jī)屏幕；缺陷檢測；Faster R-cnn;注意力機(jī)制中圖法分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A1引言隨著科技的發(fā)展，我國逐步成為制造業(yè)強(qiáng)國，對工業(yè)產(chǎn)品的要求越來越高。以手機(jī)屏幕為例，在手機(jī)屏幕的制作工藝過程中，由于作業(yè)環(huán)境和技術(shù)等因素的影響，一些產(chǎn)品總會(huì)出現(xiàn)一些不可避免的缺陷，如屏幕會(huì)產(chǎn)生氣泡、劃痕、錫灰等。目前，大多數(shù)手機(jī)屏幕的缺陷檢測系統(tǒng)都是基于傳統(tǒng)的計(jì)算機(jī)視覺，較少使用深度學(xué)習(xí)的方法對手機(jī)屏幕進(jìn)行缺陷檢測。為此，本文引入了深度學(xué)習(xí)缺陷檢測方法，在
計(jì)算機(jī)應(yīng)用文摘·觸控 2022年22期2023-01-20
- 一種基于視覺的金屬瓶罐檢測方法
金屬瓶罐在線缺陷檢測系統(tǒng)，改善人工檢測存在的效率低、精度差、成本高等缺點(diǎn)，提高產(chǎn)品品質(zhì)，為企業(yè)增加效益具有很好的意義。關(guān)鍵詞：機(jī)器視覺；金屬瓶罐；缺陷檢測；圖像處理中圖分類號(hào)：TP39文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1009-9492 （ 2022 ） S1-0049-03A Vision Based Inspection Method for Metal BottlesWang Zepeng（CHINA HANGJIANG， Shantou， Guangdong
機(jī)電工程技術(shù) 2022年13期2023-01-11
- 基于改進(jìn)的tiny-YOLOv3網(wǎng)絡(luò)的表面缺陷檢測研究
是自動(dòng)化表面缺陷檢測與識(shí)別的重要方法。折中檢測速度與精確度，選擇tiny-YOLOv3網(wǎng)絡(luò)作為表面缺陷檢測的模型。將視覺注意力機(jī)制引入tiny-YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)并比較不同類別注意力機(jī)制在網(wǎng)絡(luò)不同位置對于模型表現(xiàn)的影響，從而提出一種對于原網(wǎng)絡(luò)改進(jìn)的方法。改進(jìn)的tiny-YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)在表面缺陷數(shù)據(jù)集上測試結(jié)果較原始tiny-YOLOv3網(wǎng)絡(luò)在mAP值上提升2.3%。關(guān)鍵詞：缺陷檢測;注意力機(jī)制;神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP391.4? ? ? ? ?
現(xiàn)代信息科技 2022年4期2022-07-07
- 基于語義分割的軸承缺陷檢測系統(tǒng)研究
在對現(xiàn)有軸承缺陷檢測算法方案進(jìn)行研究后，提出了一種基于語義分割的實(shí)時(shí)在線軸承缺陷識(shí)別系統(tǒng)。在六面體黑室中配合高精度電動(dòng)轉(zhuǎn)臺(tái)采集高質(zhì)量軸承照片，利用小波SURE自適應(yīng)閾值去噪法對圖像進(jìn)行預(yù)處理。選用語義分割的方法進(jìn)行缺陷檢測，在傳統(tǒng)FCN算法的基礎(chǔ)上，提出采用PSPNet分割算法，該算法可以融合更多的全局信息以解決誤分割、漏分割的問題。并對模型進(jìn)行不斷評估，優(yōu)化進(jìn)程。經(jīng)實(shí)驗(yàn)測得識(shí)別準(zhǔn)確率高達(dá)97.75%，符合工業(yè)質(zhì)檢需求。關(guān)鍵詞：缺陷檢測;語義分割;六面體黑
現(xiàn)代信息科技 2022年3期2022-07-06
- 城市地下排水管道缺陷檢測與修復(fù)
明了排水管道缺陷檢測技術(shù)分類，討論了管道缺陷分析技術(shù)，并以此提出了具體的排水管道修復(fù)對策方法，以期為相關(guān)項(xiàng)目提供一定的參考。關(guān)鍵詞：城市地下排水管道;缺陷檢測;修復(fù)中圖分類號(hào)：TU990.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-6903（2022）02-0089-030引言排水系統(tǒng)作為城市基礎(chǔ)設(shè)施，發(fā)揮著重要的功能作用，具有排水和防止內(nèi)澇的發(fā)生。同時(shí)，基于排水管道在為城市提供便利服務(wù)的同時(shí)，其在運(yùn)行中也會(huì)存在一些安全隱患。對于破裂和泄漏的管道如果得不到及時(shí)
智能建筑與工程機(jī)械 2022年2期2022-06-29
- 基于改進(jìn)U-Net的零件缺陷分割標(biāo)注
圖像分割; 缺陷檢測; U-Net; Res2Net; 空洞卷積中圖分類號(hào)： TP 391??? 文獻(xiàn)標(biāo)志碼： A??? 文章編號(hào)： 1000-5137（2022）02-0129-06Part defect segmentation and annotation based on improved U-NetJIN Wenqian， ZHU Yuanyuan*， WANG Xiaomei（College of Information， Mechanical
- 基于深度學(xué)習(xí)+自學(xué)習(xí)的小盒外觀檢測系統(tǒng)
卷包香煙外觀缺陷檢測系統(tǒng)。利用圖像增強(qiáng)、變換、濾波等方法對原始圖像進(jìn)行預(yù)處理得到處理后圖像，后對處理后的圖像進(jìn)行評估，選擇使用深度學(xué)習(xí)還是自學(xué)習(xí)的方法進(jìn)行檢測。結(jié)果表明，基于深度學(xué)習(xí)+自學(xué)習(xí)技術(shù)的卷包香煙外觀缺陷檢測方法比使用傳統(tǒng)的機(jī)器視覺檢測方法，或單一深度學(xué)習(xí)檢測方法在檢測耗時(shí)、準(zhǔn)確率、誤剔率的綜合性能上要優(yōu)越，具有較強(qiáng)的實(shí)用價(jià)值。[關(guān)鍵詞]機(jī)器視覺;缺陷檢測;深度學(xué)習(xí);自學(xué)習(xí)[中圖分類號(hào)]TM912 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]20
今日自動(dòng)化 2022年3期2022-05-11
- 基于深度學(xué)習(xí)的車載導(dǎo)航導(dǎo)光板表面缺陷檢測研究
求。關(guān)鍵詞：缺陷檢測;深度學(xué)習(xí);Mask R-CNN;多尺度融合;SE模塊中圖分類號(hào)：TP273? ? ?文獻(xiàn)標(biāo)識(shí)碼：AResearch on Surface Defect Detection of Vehicle Navigation LightGuide Plate based on Deep LearningWANG Hao， LI Junfeng（School of Mechanical and Automatic Control， Zhejian
軟件工程 2022年3期2022-03-07
- 光伏板紅外成像缺陷檢測技術(shù)研究進(jìn)展
外成像技術(shù);缺陷檢測;引言超聲波、射線、線流、磁板和滲透等常用無損儀器已經(jīng)在相關(guān)行業(yè)進(jìn)行了測試。但是，這些工具廣泛用于檢測已經(jīng)出現(xiàn)的宏錯(cuò)誤。紅外測試（IRT）技術(shù)是一種新的儀器，用于通過提取檢測到的物體的紅外特性參數(shù)和應(yīng)力疲勞來實(shí)時(shí)檢測設(shè)備故障。通過識(shí)別此類“危險(xiǎn)”源，您可以確定部件和設(shè)施的可用性，從而評估關(guān)鍵部件的可持續(xù)性和安全性評估。紅外探測比傳統(tǒng)無損檢測方法更具優(yōu)勢：無需壓力測量;（高達(dá)0.1平方米）大測量范圍;①測量距離（20厘米20米）;圖片直觀
科學(xué)與生活 2021年8期2021-12-22
- 注意力引導(dǎo)特征融合的織物表面缺陷檢測
圖案織物表面缺陷檢測任務(wù)中，傳統(tǒng)分割算法在特征融合時(shí)忽略了不同尺度特征的語義差異，從而造成了分割精度的下降。針對這個(gè)問題，提出了一種注意力引導(dǎo)特征融合的缺陷檢測方法。使用空間注意力模塊來抑制紋理背景的干擾，突出缺陷信息;使用自注意力金字塔池化模塊整合局部特征和全局特征，進(jìn)一步增強(qiáng)特征表示;使用通道注意力模塊引導(dǎo)網(wǎng)絡(luò)選擇有用特征，實(shí)現(xiàn)深層特征與淺層特征更好地進(jìn)行信息融合。實(shí)驗(yàn)結(jié)果顯示，相較于傳統(tǒng)分割算法，本文方法在像素精度、平均像素精度以及均交并比三個(gè)指標(biāo)上
軟件工程 2021年12期2021-12-08
- 基于計(jì)算機(jī)視覺的醫(yī)用口罩在線檢測系統(tǒng)設(shè)計(jì)
;品質(zhì)檢測;缺陷檢測;顏色定位中圖分類號(hào)：TP391.4;TP273? 文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：2096-4706（2021）05-0174-07Design of Medical Mask Online Detection System Based on Computer VisionZENG Qinghao，MA Liang，MA Bowen（Shenzhen Vetose Technology Co.，Ltd.，Shenzhen? 518102
現(xiàn)代信息科技 2021年5期2021-10-19
- 基于稀疏表示的車用帶鋼表面圖像信息修復(fù)
;信息融合;缺陷檢測中圖分類號(hào)：TP391.41 ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：AImage Information Restoration of AutomotiveStrip Steel Surface Based on Sparse RepresentationZHOU Lihong1，2，GONG Jinke2，LI Bing3（1. College of Mechanical and Transportati
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2021年8期2021-09-26
- 改進(jìn)的YOLOv3睺iny網(wǎng)絡(luò)在風(fēng)機(jī)葉片損傷檢測中的應(yīng)用
機(jī)神經(jīng)網(wǎng)絡(luò);缺陷檢測;深度學(xué)習(xí);風(fēng)機(jī)葉片;YOLOv3-Tiny中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.7535/hbgykj.2021yx05008Application of improved YOLOv3-Tiny networkin fan blade damage detectionWU Yuping，LIU Haixu，WU Jinfang，JIA Hongyan，DIAO Jia，ZHU Dongjun（Zhangjiakou W
河北工業(yè)科技 2021年5期2021-09-18
- 光伏組件紅外成像缺陷檢測技術(shù)研究
伏板紅外成像缺陷檢測技術(shù)為研究對象，研究光伏板紅外成像技術(shù)的最新研究成果，光伏板故障的類型及原因，并對近十年來光伏板紅外圖像處理算法進(jìn)行了綜述。同時(shí)就當(dāng)前對于光伏板故障檢測技術(shù)所面臨的問題還有今后該技術(shù)的發(fā)展方向進(jìn)行了分析，從而給相關(guān)研究工作人員對該技術(shù)研究也提供一定的參考。關(guān)鍵詞：光伏組件;紅外成像技術(shù);缺陷檢測1光伏IRT缺陷檢測技術(shù)光伏紅外成像技術(shù)具有光伏組件無損傷檢測、無電源故障檢測、成像快捷方便、成本低等優(yōu)點(diǎn)。尤其是在近幾年來各種智能產(chǎn)品的生產(chǎn)應(yīng)
電子樂園·下旬刊 2021年1期2021-09-10
- 基于小樣本學(xué)習(xí)的鋼板表面缺陷檢測技術(shù)
，數(shù)據(jù)驅(qū)動(dòng)的缺陷檢測技術(shù)在工業(yè)部門得到了初步應(yīng)用，提升了生產(chǎn)智能化的水平，但是受制于訓(xùn)練樣本不足、檢測精度較低的問題，這種方法目前仍然難以進(jìn)一步推廣。因此，本文提出了一種數(shù)據(jù)驅(qū)動(dòng)的鋼板表面缺陷檢測技術(shù)。針對訓(xùn)練樣本不足的問題，采取數(shù)據(jù)增強(qiáng)方法增廣數(shù)據(jù)集。針對檢測精度較低的問題，采取層次結(jié)構(gòu)模型方法提升缺陷檢出率。試驗(yàn)證明，所提出的方法能有效檢出缺陷，并且已經(jīng)在生產(chǎn)線上部署，其準(zhǔn)確率在95%以上。關(guān)鍵詞：缺陷檢測；卷積神經(jīng)網(wǎng)絡(luò)；層次結(jié)構(gòu)模型；數(shù)據(jù)增強(qiáng)；小樣本
航空科學(xué)技術(shù) 2021年6期2021-09-09
- 空氣耦合超聲檢測共固化復(fù)合材料研究
；正交分析；缺陷檢測；參數(shù)優(yōu)化中圖分類號(hào)：TB55文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.19452/j.issn1007-5453.2021.07.010復(fù)合材料（CFRP）在航空領(lǐng)域的廣泛應(yīng)用，不但可極大降低飛機(jī)結(jié)構(gòu)質(zhì)量，還可提高使用壽命，降低維護(hù)費(fèi)用[1-2]。隨著技術(shù)發(fā)展，復(fù)合材料大量用于主關(guān)鍵承力結(jié)構(gòu)和復(fù)雜曲面結(jié)構(gòu)，而制作工藝也向整體成形和共固化方向發(fā)展[3-5]。共固化技術(shù)有低成本、高合格率、高成形率的優(yōu)點(diǎn)，尤其適用于機(jī)翼壁板成形。隨著新工藝的不斷完善，對
航空科學(xué)技術(shù) 2021年7期2021-09-09
- 一種基于支持向量機(jī)的金屬表面缺陷檢測方法
針對金屬表面缺陷檢測中存在的圖像失真、構(gòu)造分類器精確度不高及系統(tǒng)計(jì)算量大的問題，現(xiàn)提出一種高質(zhì)量的基于支持向量機(jī)的金屬表面缺陷檢測方法。采用形態(tài)學(xué)方法對圖像進(jìn)行預(yù)處理，通過融合GLCM與HOG特征提取到的結(jié)果建立較為完備的缺陷模型，便于后期構(gòu)造高精度分類器。最后，利用OTSU算法進(jìn)行閾值分割，通過計(jì)算連通分量個(gè)數(shù)等方法進(jìn)行缺陷分析。相較于一般的缺陷檢測方法，該檢測方法準(zhǔn)確率達(dá)到96.67%，提高了缺陷檢測的效率。關(guān)鍵詞：缺陷檢測;圖像處理;SVM分類器中圖
軟件工程 2021年8期2021-09-06
- 航空發(fā)動(dòng)機(jī)鼓風(fēng)機(jī)機(jī)匣表面缺陷檢測
絡(luò)及優(yōu)化算法缺陷檢測。新型深度卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network， CNN）由三部分組成：骨干卷積神經(jīng)網(wǎng)絡(luò)生成不同尺度的特征圖;多尺度特征融合網(wǎng)絡(luò)（multilevel-feature fusion network， MFN）將多個(gè)尺度特征進(jìn)行融合，以便包含更多的定位細(xì)節(jié);區(qū)域建議網(wǎng)絡(luò)（region proposal network， RPN）生成感興趣區(qū)域，每個(gè)感興趣區(qū)域由一個(gè)分類器和一個(gè)錨框回歸器組成的檢測器產(chǎn)生最終的檢
科技創(chuàng)新導(dǎo)報(bào) 2021年13期2021-09-05
- 基于機(jī)器視覺的零部件的缺陷檢測
車輛零部件的缺陷檢測十分重要。零部件缺陷檢測已從傳統(tǒng)的手工分類發(fā)展為基于機(jī)器視覺的方法。本文基于卷積神經(jīng)網(wǎng)絡(luò)對VGG16網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，提高了模型對汽車零部件缺陷的檢測精度。首先，改進(jìn)了網(wǎng)絡(luò)模型的全連接層;其次，在模型中引入了AMF-Softmax損失函數(shù)，在達(dá)到更優(yōu)的聚類效果的同時(shí)解決了數(shù)據(jù)不平衡問題，最終實(shí)現(xiàn)了零部件缺陷的識(shí)別與定位。與傳統(tǒng)模型的缺陷檢測效果比較表明，改進(jìn)的VGG16網(wǎng)絡(luò)結(jié)構(gòu)模型測試準(zhǔn)確率可以達(dá)到97.59%，在零部件缺陷檢測方面具有
智能計(jì)算機(jī)與應(yīng)用 2021年3期2021-08-09
- 基于機(jī)器視覺的藥瓶缺陷檢測系統(tǒng)設(shè)計(jì)
于機(jī)器視覺的缺陷檢測系統(tǒng)設(shè)計(jì)，包括機(jī)械結(jié)構(gòu)設(shè)計(jì)、電氣控制系統(tǒng)設(shè)計(jì)、圖像處理設(shè)計(jì)、上位機(jī)軟件系統(tǒng)設(shè)計(jì)四大部分。在分析現(xiàn)有缺陷檢測問題的基礎(chǔ)上，對四大模塊進(jìn)行設(shè)計(jì)及對內(nèi)部原理進(jìn)行剖析，形成以機(jī)械、電氣、視覺、軟件為一體的智能制造解決方案。系統(tǒng)通過調(diào)試，可以實(shí)現(xiàn)對塑制飲料瓶缺陷的穩(wěn)定、精準(zhǔn)檢測。關(guān)鍵詞：機(jī)器視覺;缺陷檢測;PLC;圖像處理中圖分類號(hào)：TP273;TP391? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2021）02-0018-05隨著科技的
赤峰學(xué)院學(xué)報(bào)·自然科學(xué)版 2021年2期2021-07-06
- 面向螺紋缺陷檢測的協(xié)同控制平臺(tái)設(shè)計(jì)
同抓取的螺紋缺陷檢測一體化平臺(tái)，用以實(shí)現(xiàn)零件螺紋缺陷檢測、移栽等動(dòng)作的自動(dòng)化運(yùn)行，改善人工作業(yè)條件，縮短裝配前準(zhǔn)備周期。關(guān)鍵詞：缺陷檢測；機(jī)器視覺；機(jī)器人；自動(dòng)化1 引言隨著復(fù)合材料和高分子化學(xué)材料技術(shù)日益發(fā)展，固體火箭發(fā)動(dòng)機(jī)技術(shù)日益成熟，被廣泛用在各類小型、近程的軍用火箭和戰(zhàn)術(shù)導(dǎo)彈上。固體火箭發(fā)動(dòng)機(jī)主要由殼體、固體推進(jìn)劑、噴管組件和點(diǎn)火裝置等四部分組成，各零件裝配采用螺紋連接，螺紋的質(zhì)量直接關(guān)系到組裝效率、質(zhì)量和安全等各個(gè)方面，目前主要是人工使用校對規(guī)法
智能制造 2021年2期2021-07-06
- 基于空氣耦合蘭姆波的鋁板缺陷檢測
姆波;鋁板;缺陷檢測0? ? 引言鋁合金薄板因其具有優(yōu)秀的特性而被廣泛應(yīng)用于各工業(yè)領(lǐng)域，但薄板在役期間會(huì)受到各種外部條件的影響，諸如外部應(yīng)力、化學(xué)腐蝕等，進(jìn)而會(huì)在鋁板表面和內(nèi)部產(chǎn)生裂紋、缺陷，這不僅會(huì)影響構(gòu)件的使用壽命，還會(huì)導(dǎo)致災(zāi)害發(fā)生，影響人們的生命、財(cái)產(chǎn)安全。因此，必須定期對薄板構(gòu)件進(jìn)行無損檢測。在各種無損檢測方法中，超聲法因其具有檢測范圍廣、檢測成本低、檢測精度高等特點(diǎn)而受到廣泛關(guān)注。傳統(tǒng)的接觸式超聲法需要將換能器貼合被測樣品，并在樣品和探頭間填充耦
機(jī)電信息 2021年15期2021-06-22
- 基于DenseNet的帶鋼表面缺陷智能識(shí)別系統(tǒng)研究
驗(yàn)。關(guān)鍵詞：缺陷檢測;圖像識(shí)別;遷移學(xué)習(xí);DenseNet;GUI;PyQt5中圖分類號(hào)：TTH164;TP29文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2021）03-0011-04Research on Intelligent Recognition System of Strip Steel SurfaceDefects Based on DenseNetHAO Yongxing PANG Yonghui（School of Mechanical
河南科技 2021年3期2021-05-17
- 實(shí)驗(yàn)用玻璃器皿缺陷檢測研究
驗(yàn)室玻璃器皿缺陷檢測方法。為更直觀檢測到玻璃器皿的缺陷，以實(shí)驗(yàn)室常用的西林瓶為例，首先對瓶口檢測區(qū)域進(jìn)行定位，將瓶口與背景圖像分割，并利用最大類間方差法對圖像進(jìn)行填充，從而得到瓶口圖像的定位;將定位好的瓶口圖像通過極坐標(biāo)變換和動(dòng)態(tài)閥值分割，實(shí)現(xiàn)瓶口圖像特征的提取，最后運(yùn)用模板匹配法實(shí)現(xiàn)對瓶口圖像缺陷的檢測。結(jié)果表明，本缺陷監(jiān)測方法可很好實(shí)現(xiàn)毛口和破口的識(shí)別，且在不同瓶口半徑下的缺陷檢測平均準(zhǔn)確率可達(dá)97.4%，具有較高的識(shí)別準(zhǔn)確率。關(guān)鍵詞：實(shí)驗(yàn)用玻璃器皿;
粘接 2021年8期2021-04-27
- 農(nóng)用發(fā)動(dòng)機(jī)凸輪軸凸輪表面缺陷檢測系統(tǒng)設(shè)計(jì)
置。關(guān)鍵詞：缺陷檢測;缺陷分類;凸輪軸;機(jī)械臂中圖分類號(hào)：TK413 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2021）29-0046-04Design of Detection System for Camshaft Surface Defectsof Agricultural EngineZHOU Kangkang XU Gangqiang HU Huoming CAO Yi JIANG Wenlong（Technology Center， Zh
河南科技 2021年29期2021-03-28
- 基于DCGAN的印刷缺陷檢測方法
被廣泛應(yīng)用于缺陷檢測。目前方法可以檢測較大的缺陷，但對于細(xì)微缺陷還是無法準(zhǔn)確檢測。針對這一問題，提出了一種基于深度卷積生成對抗網(wǎng)絡(luò)（Deep convolutional generative adversarial networks，DCGAN）網(wǎng)絡(luò)的印刷缺陷檢測方法。該方法通過以下幾點(diǎn)來提高檢測精度：①在原有網(wǎng)絡(luò)的基礎(chǔ)上增加上采樣模塊，減少上采樣中的損失;②提出一種自注意力機(jī)制，生成結(jié)構(gòu)性更復(fù)雜和細(xì)節(jié)更準(zhǔn)確的圖像;③統(tǒng)計(jì)分析生成圖像的噪聲分布，確定最佳閾
哈爾濱理工大學(xué)學(xué)報(bào) 2021年6期2021-03-14
- 基于無人機(jī)的不同顏色風(fēng)葉表面缺陷檢測算法研究
子的邊緣提取缺陷檢測算法，該方法能夠適應(yīng)不同顏色的風(fēng)機(jī)葉片缺陷檢測，具有檢測精度高、適用性好等特點(diǎn)。關(guān)鍵詞：不同顏色風(fēng)葉;缺陷檢測;無人機(jī);圖像處理;Prewitt算子中圖分類號(hào)：TP391.4? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）15-0169-05Abstract： With the wide application of UAV and machine vision algorithms， it
現(xiàn)代信息科技 2021年15期2021-03-13
- 基于OpenMV的元件質(zhì)量在線檢測控制系統(tǒng)研究
;顏色識(shí)別;缺陷檢測中圖分類號(hào)：TP391.4? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）15-0182-03Abstract： In order to detect whether there are stains and defect on the surface of the workpiece， the OpenMV-based workpiece surface quality system inspect
現(xiàn)代信息科技 2021年15期2021-03-13
- 基于計(jì)算機(jī)視覺的螺栓缺陷智能檢測技術(shù)研究與應(yīng)用
顯著性檢測;缺陷檢測引言鋼結(jié)構(gòu)螺栓連接在加工制作和安裝方面具有明顯的優(yōu)越性，在國內(nèi)外鋼框架結(jié)構(gòu)中被大量采用，尤其是橋梁等大型鋼結(jié)構(gòu)設(shè)施的主要連接方式之一[1]。隨著我國鋼結(jié)構(gòu)橋梁建設(shè)的高速發(fā)展，高強(qiáng)螺栓的應(yīng)用越來越廣泛。但隨著橋梁的運(yùn)行，螺栓聯(lián)接結(jié)構(gòu)長期承受振動(dòng)、沖擊和疲勞，導(dǎo)致螺栓出現(xiàn)松動(dòng)甚至脫落，影響整個(gè)結(jié)構(gòu)的安全。因此，螺栓狀態(tài)的實(shí)時(shí)檢測，具有重要的工程意義。當(dāng)前螺栓外觀檢測方式，主要依靠人工現(xiàn)場以手持?jǐn)?shù)碼相機(jī)或手持裂縫觀測儀人工操作為主。隨著技術(shù)的
科技信息·學(xué)術(shù)版 2021年36期2021-01-10
- 基于RPCA的皮革圖像缺陷檢測
一種皮革視覺缺陷檢測算法。通過分析皮革圖像的低秩特征，將皮革圖像缺陷檢測問題轉(zhuǎn)變?yōu)閺牡椭缺尘皥D像中分離稀疏矩陣圖像。首先采用Gaussian高通濾波器對圖像進(jìn)行了預(yù)處理，然后利用魯棒性主成成分分析（RPCA）對圖像進(jìn)行低秩稀疏分解，并采用效率較高的非精確增廣拉格朗日乘子法（IALM）求解。對分解后的稀疏圖像進(jìn)行了后處理，最終在二值圖像中獲得缺陷的形狀和位置。該算法的效率及準(zhǔn)確率已經(jīng)在實(shí)驗(yàn)中進(jìn)行了驗(yàn)證，并與現(xiàn)有算法進(jìn)行了比較。實(shí)驗(yàn)表明，該算法可以用來檢測各種
計(jì)算技術(shù)與自動(dòng)化 2021年4期2021-01-06
- 沖壓件沖孔缺陷的檢測與識(shí)別
對沖壓件沖孔缺陷檢測和識(shí)別存在效率低、準(zhǔn)確度不高、勞動(dòng)強(qiáng)度大的缺點(diǎn)，提出一種基于機(jī)器視覺的沖孔缺陷檢測與識(shí)別方法。首先，對圖像進(jìn)行固定閾值分割轉(zhuǎn)換為二值圖像，利用形態(tài)學(xué)處理的開閉運(yùn)算對圖像進(jìn)行預(yù)處理去除噪聲，通過計(jì)算每一個(gè)區(qū)域的圓形度識(shí)別沖孔的個(gè)數(shù)，檢測零件是否合格;其次，對不合格沖壓件圖像根據(jù)最小外接圓的圓心進(jìn)行平移變換，利用差異度和基于圖像金字塔的粗精兩次匹配進(jìn)行循環(huán)旋轉(zhuǎn)變換匹配，對差異圖像通過形態(tài)學(xué)處理和最小外接矩形的寬長比特征參數(shù)進(jìn)行缺陷識(shí)別。實(shí)驗(yàn)
現(xiàn)代電子技術(shù) 2020年23期2020-12-23
- 基于超聲紅外熱成像的缺陷檢測與定位究
成像結(jié)果進(jìn)行缺陷檢測和定位的方法，使用限制對比度自適應(yīng)直方圖均衡（contrastlimitedadaptivehistogramequalization，簡稱CLAHE）方法對圖像進(jìn)行對比度增強(qiáng)，用巴特沃斯濾波器進(jìn)行降噪，根據(jù)圖像的局部方差特征判斷是否有缺陷，并通過形態(tài)學(xué)處理對缺陷中心進(jìn)行定位。實(shí)驗(yàn)表明，根據(jù)局部方差可以對圖像進(jìn)行有效判斷，經(jīng)過形態(tài)學(xué)處理之后能夠準(zhǔn)確定位。該研究為通過超聲紅外熱成像實(shí)現(xiàn)缺陷檢測及定位提供了一種便捷有效的方法。關(guān)鍵詞：紅外熱
中國電氣工程學(xué)報(bào) 2020年8期2020-12-09
- 基于視覺檢測的注塑品缺陷檢測系統(tǒng)設(shè)計(jì)
傳統(tǒng)物體表面缺陷檢測方法采用人工檢測導(dǎo)致漏檢、誤檢、效率低的不足，采用基于圖像處理的視覺檢測方式，分析項(xiàng)目需求后，設(shè)計(jì)合理的硬件方案和軟件設(shè)計(jì)框架以及合理的軟件算法，采用七個(gè)不同的相機(jī)和若干個(gè)光源照射待測品表面，得到合適光照度，實(shí)驗(yàn)表明，待測物品典型缺陷能順利檢測到位，符合設(shè)計(jì)指標(biāo)，效果良好。關(guān)鍵詞：視覺檢測;缺陷檢測;注塑品中圖分類號(hào)：TP391.41? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1007-9416（2020）10-0000-000 引言近年來
數(shù)字技術(shù)與應(yīng)用 2020年10期2020-12-09
- 參數(shù)自適應(yīng)的液晶屏幕缺陷檢測框架
參數(shù)自適應(yīng)的缺陷檢測框架，主要包括提取屏幕區(qū)域、預(yù)處理、閾值分割、缺陷選擇。通過參數(shù)的自適應(yīng)調(diào)整，使檢測方法適應(yīng)各種復(fù)雜的情況。在閾值分割時(shí)，針對光照影響的問題，采用自適應(yīng)調(diào)整閾值參數(shù)的方式分割缺陷區(qū)域。首先計(jì)算圖像的最大灰度值，然后根據(jù)無缺陷圖像確定固定參數(shù)，缺陷圖像確定系數(shù)，最后在固定參數(shù)和最大灰度值與系數(shù)之積中選擇最大值作為閾值分割的最小閾值。在檢測飽和度缺陷時(shí)，針對低分辨率相機(jī)拍攝的圖像明暗差異小的問題，采用自適應(yīng)調(diào)整曝光參數(shù)采集圖像分別處理明暗程
哈爾濱理工大學(xué)學(xué)報(bào) 2020年5期2020-11-30
- 面向輸電線路的銹蝕缺陷檢測
線路;銹蝕;缺陷檢測1相關(guān)研究現(xiàn)狀1相關(guān)圖像分割算法1.1閾值分割算法閾值分割算法的關(guān)鍵在于確定一個(gè)合適的閾值，然后將每個(gè)灰度值跟這個(gè)閾值作比較，大于閾值的歸為一類，小于閾值的歸為另一類，從而將圖像分為物體和背景。閾值分割的方法簡單、計(jì)算速度快、運(yùn)算效率高，特別是圖像中存在特別大的灰度對比差異的情況下，能得到很好的分割效果。然而該算法也存在一定的局限性，閾值分割通常都不考慮圖像的空間特征及其連續(xù)性，也沒有考慮圖像的紋理特征等有用信息，只考慮圖像像素本身的取
中國電氣工程學(xué)報(bào) 2020年18期2020-11-11
- 基于Yolov3算法的視覺檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
用。關(guān)鍵詞：缺陷檢測;機(jī)器視覺;FPGA;深度學(xué)習(xí)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2020）08-0128-040 引言近年來，隨著“工業(yè)4.0”和“中國制造2025”的提出，工業(yè)生產(chǎn)自動(dòng)化和智能化的發(fā)展進(jìn)程加速前進(jìn)[1]。將機(jī)器視覺應(yīng)用于工業(yè)產(chǎn)線檢測環(huán)節(jié)是智能制造的重要應(yīng)用場景之一，目前傳統(tǒng)的基于圖像處理的檢測方法是將待檢對象的形狀、顏色等特征建立模板，利用模板對檢測對象進(jìn)行特征匹配[2]。此種方法帶來的問題是，待檢
數(shù)字技術(shù)與應(yīng)用 2020年8期2020-10-09
- 機(jī)器學(xué)習(xí)在端子產(chǎn)品缺陷檢測中的應(yīng)用研究
何構(gòu)建和端子缺陷檢測算法進(jìn)行介紹。傳統(tǒng)端子缺陷檢測是人工檢測，容易受到外界因素影響，且檢測效率較為低下。本文研究并設(shè)計(jì)的檢測系統(tǒng)基于單片機(jī)系統(tǒng)，排除了外界的干擾，能夠采集端子產(chǎn)品生產(chǎn)過程中承受的壓力曲線，通過數(shù)據(jù)分析處理后判斷其是否存在缺陷。在此缺陷端子檢測系統(tǒng)中，缺陷端子識(shí)別準(zhǔn)確率很高，且系統(tǒng)的檢測效率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)人工檢測。關(guān)鍵詞 缺陷檢測;單片機(jī);機(jī)器學(xué)習(xí)引言接線端子現(xiàn)如今被廣泛應(yīng)用到各個(gè)領(lǐng)域，在傳遞電信號(hào)方面起到連接作用，一個(gè)合格的接線端子產(chǎn)品能給生
科學(xué)與信息化 2020年25期2020-09-29
- 基于機(jī)器視覺的齒輪端面缺陷檢測方法
覺的齒輪端面缺陷檢測方法，該方法將會(huì)通過對齒輪端面圖像的預(yù)處理及識(shí)別過程，對端面上缺陷的存在性及缺陷類型進(jìn)行快速且準(zhǔn)確的識(shí)別。同時(shí)，為了實(shí)現(xiàn)檢測方法所需的圖像多分類任務(wù)，本文對一般的支持向量機(jī)分類算法進(jìn)行了改進(jìn)，同時(shí)，利用多線程編程方法加速了對缺陷圖像的分類過程。最后，本文還通過控制單元實(shí)現(xiàn)了對不同類型缺陷的識(shí)別反饋。經(jīng)圖像分類測試，本文所述的缺陷檢測方法對本文所涉及的工件表面缺陷圖像的識(shí)別準(zhǔn)確率可達(dá)100%。關(guān)鍵詞：機(jī)器視覺;支持向量機(jī);缺陷檢測;多線程
內(nèi)燃機(jī)與配件 2020年6期2020-09-10
- LED光組件自動(dòng)缺陷前測機(jī)研制
ED光組件;缺陷檢測;微點(diǎn)亮一、引言LED光組件半導(dǎo)體照明光源中的一種，特別是作為一種大功率LED解決方案，可滿足照明領(lǐng)域?qū)Ξa(chǎn)品的高光通要求，被廣泛用于軌道燈、筒燈、球泡燈、工礦燈、戶外特殊照明等照明產(chǎn)品中。由于LED光組件是芯片集成，在制造過程中，會(huì)出現(xiàn)個(gè)別芯片不良導(dǎo)致成品異常，在制造過程中需要檢測每個(gè)芯片是否有缺陷，將有芯片缺陷的LED光組件剔除，故研究開發(fā)LED光組件芯片缺陷自動(dòng)檢測設(shè)備，以滿足實(shí)際生產(chǎn)制造需要。二、LED光組件自動(dòng)缺陷前測機(jī)工藝研究
機(jī)械與電子控制工程 2020年1期2020-09-10
- 探析TA15鈦合金激光熔化沉積制件超聲相控陣檢測
15鈦合金;缺陷檢測引言：對于超聲相控陣檢測來說，就是基于一系列的晶片，進(jìn)一步集成1個(gè)探頭，通過對多聲束的使用，來開展掃面檢測，在有效利用偏轉(zhuǎn)聚焦的基礎(chǔ)上，能夠顯著提升檢測效率，無論是大型的零件，還是較為復(fù)雜的零件，都存在突出的檢測優(yōu)勢。1.試驗(yàn)準(zhǔn)備1.1樣品制備對于激光熔化沉積來說，就是通過對激光束的利用，把金屬基體材料進(jìn)行熔化，同時(shí)產(chǎn)生相應(yīng)的熔池，接下來，將粉材送至熔池，以便能夠產(chǎn)生新的金屬層，在激光束的作用下，出現(xiàn)相應(yīng)的沉積軌跡，在結(jié)束軌跡沉積之后，
- 基于視覺傳達(dá)的青銅器鳳紋圖像缺陷檢測系統(tǒng)
銅器鳳紋圖像缺陷檢測系統(tǒng)存在檢測時(shí)間長的問題，為解決此問題，將視覺傳達(dá)技術(shù)應(yīng)用到青銅器鳳紋圖像缺陷檢測系統(tǒng)中。系統(tǒng)硬件主要包括加速芯片、系統(tǒng)接口、主控制器，加速芯片主要顯示青銅器鳳紋圖像缺陷檢測的工作狀態(tài)，系統(tǒng)接口為系統(tǒng)與顯示器之間提供連接，主控制器完成系統(tǒng)的初始化、配置和控制。系統(tǒng)的軟件部分，首先對青銅器鳳紋圖像噪聲處理，并利用視覺傳達(dá)技術(shù)對青銅器鳳紋圖像的集合參數(shù)和特征描述與處理，對青銅器鳳紋圖像邊緣檢測，最后利用視覺傳達(dá)技術(shù)對青銅器鳳紋圖像缺陷檢測，
現(xiàn)代電子技術(shù) 2020年16期2020-08-14
- 基于輪廓修補(bǔ)和圖像差分的手機(jī)玻璃蓋板表面缺陷檢測
同時(shí)傳統(tǒng)表面缺陷檢測算法精度不高。為此，本文在研究了其他表面缺陷檢測領(lǐng)域的圖像處理算法后，提出一種基于輪廓修補(bǔ)和圖像差分的手機(jī)玻璃蓋板表面缺陷檢測算法，相較于傳統(tǒng)的圖像差分法，無須做圖像配準(zhǔn)處理，大大提高了算法的穩(wěn)定性。在對原圖像進(jìn)行自適應(yīng)中值濾波和ROI區(qū)域提取后，應(yīng)用本文提出的算法進(jìn)行檢測，結(jié)果表明，手機(jī)玻璃蓋板表面常見的點(diǎn)、線類缺陷都能被快速正確地檢出。關(guān)鍵詞：玻璃蓋板;自適應(yīng)中值濾波;輪廓修補(bǔ);圖像差分;缺陷檢測中圖分類號(hào)：TP391? ? ?文獻(xiàn)
軟件工程 2020年7期2020-07-27
- 基于Cascade R-CNN改進(jìn)的花色布匹瑕疵智能識(shí)別方法
;目標(biāo)識(shí)別;缺陷檢測;深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP391.41;TS107 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）23-0020-05Improved Intelligent Recognition Method of Pattern and Color Fabric DefectsBased on Cascade R-CNNLU Guijia（Guangdong University of Technology，Gu
現(xiàn)代信息科技 2020年23期2020-07-09
- 冰勺麻板缺陷檢測方法的研究
直投影的麻板缺陷檢測方法。該方法首先對原始圖像進(jìn)行高斯濾波，即對細(xì)小的木纖維紋理進(jìn)行最大限度地平滑，通過本文建立的特征提取模型提取冰勺表面木纖維紋理特征和麻板紋理特征，其次對紋理特征進(jìn)行篩選，最后利用垂直投影法實(shí)現(xiàn)無缺陷冰勺和具有麻板缺陷冰勺的區(qū)分。關(guān)鍵詞：木纖維紋理;高斯線檢測;垂直投影法;缺陷檢測中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）14-0263-021引言冰勺以樺木為主要原材料，經(jīng)過十幾種工藝加工制作而成，是
電腦知識(shí)與技術(shù) 2020年14期2020-07-04
- 基于機(jī)器視覺的禽蛋臟污及裂紋檢測系統(tǒng)設(shè)計(jì)
：機(jī)器視覺;缺陷檢測;禽蛋;裂紋臟污0 引言我國是世界家禽禽蛋生產(chǎn)及消費(fèi)大國，禽蛋蛋殼品質(zhì)對于種蛋、新鮮蛋和各種蛋制品的品質(zhì)來說是尤為重要的指標(biāo)。優(yōu)質(zhì)禽蛋表面干凈無裂紋，臟污破裂的禽蛋蛋殼無法保證蛋液干凈衛(wèi)生，微生物會(huì)侵入禽蛋內(nèi)部，隨著儲(chǔ)藏期的延長禽蛋加速變質(zhì)，進(jìn)而發(fā)生嚴(yán)重的食品安全問題。現(xiàn)如今我國主要依靠工人在燈光下目測的方法挑選臟污開裂的禽蛋，這種傳統(tǒng)方法不僅效率低下，容易造成視覺疲勞引起誤判，而且人工成本高，因此，研究高速、高效、高精度的破損禽蛋自動(dòng)
機(jī)電信息 2020年2期2020-06-27
- 超聲波檢測技術(shù)在白車身焊點(diǎn)缺陷檢測中的應(yīng)用
術(shù)在車身焊點(diǎn)缺陷檢測方面，雖然已經(jīng)取得了良好的效果，但是，還存在破壞性問題與檢驗(yàn)不全面的問題，難以及時(shí)發(fā)現(xiàn)白車身焊點(diǎn)缺陷。而超聲波檢測技術(shù)在應(yīng)用的過程中，不僅不會(huì)出現(xiàn)破壞性的現(xiàn)象，還能增強(qiáng)檢測工作的有效性，具有一定的應(yīng)用價(jià)值，因此在白車身焊點(diǎn)缺陷檢測的過程中，應(yīng)該重點(diǎn)使用超聲波技術(shù)，保證檢測效果，為其后續(xù)的檢測工作良好發(fā)展提供基礎(chǔ)保障。關(guān)鍵詞：超聲波檢測技術(shù);白車身焊點(diǎn);缺陷檢測;應(yīng)用白車身焊點(diǎn)缺陷檢測的工作中，合理運(yùn)用超聲波檢測技術(shù)，不僅可以增強(qiáng)檢驗(yàn)工作
裝備維修技術(shù) 2020年24期2020-06-02
- 基于圖像處理的汽車剎車片表面缺陷檢測
：圖像處理，缺陷檢測，剎車片一、 引言汽車剎車片是汽車生產(chǎn)過程中最重要的基礎(chǔ)支撐之一，直接決定汽車的制動(dòng)性能。隨著計(jì)算機(jī)技術(shù)的發(fā)展，傳統(tǒng)的靠人工檢測為主的剎車片生產(chǎn)方式已經(jīng)無法滿足市場對剎車片生產(chǎn)質(zhì)量和精度的要求，2017年35號(hào)文件國務(wù)院印發(fā)“新一代人工智能發(fā)展規(guī)劃”以來，人工智能技術(shù)得到普遍發(fā)展與應(yīng)用，機(jī)器視覺是人工智能的感知層，模擬人的眼睛，使得機(jī)器具有視覺功能，基于機(jī)器視覺的剎車片檢測技術(shù)，通過光學(xué)傳感器獲取圖像，用圖像處理算法完成剎車片的檢測，可
讀天下 2020年3期2020-04-14
- 關(guān)于機(jī)械加工零件表面紋理缺陷檢測分析
零件表面紋理缺陷檢測技術(shù)，這是生產(chǎn)過程中控制相關(guān)質(zhì)量的關(guān)鍵手段。但在機(jī)械化自動(dòng)化中，因?yàn)榧庸げ牧袭a(chǎn)生了一定的變化，對機(jī)械零件表面缺陷存在著一定程度的影響。但由于一些缺陷無法更好的用肉眼觀察，因此要借助計(jì)算機(jī)進(jìn)行相關(guān)的自動(dòng)化視覺檢測。由于機(jī)械加工存在的紋理缺陷直接影響到零件性能，因此，進(jìn)行機(jī)械加工零件表面紋理缺陷檢測分析十分重要，下面將針對機(jī)械加工零件表面紋理缺陷檢測進(jìn)行研究和分析，并提出自己的觀點(diǎn)。關(guān)鍵詞：機(jī)械加工;紋理缺陷;圖像分割;缺陷檢測本文對機(jī)械加
科學(xué)與財(cái)富 2020年34期2020-03-11
- 基于機(jī)器視覺和圖像處理的柔性包裝袋缺陷檢測方法
前柔性包裝袋缺陷檢測研究稀少的現(xiàn)狀，提出一種基于機(jī)器視覺和圖像處理的柔性包裝袋缺陷檢測方法。檢測方案包括硬件系統(tǒng)設(shè)計(jì)、檢測算法設(shè)計(jì)、基于SVM的分類器模型設(shè)計(jì)和實(shí)驗(yàn)方案設(shè)計(jì)四個(gè)方面。提出的方法能同時(shí)對產(chǎn)品整體外形和表面印刷缺陷進(jìn)行檢測，具有創(chuàng)新性和現(xiàn)實(shí)意義。關(guān)鍵詞：機(jī)器視覺;柔性包裝袋;缺陷檢測1 引言包裝是商品信息、企業(yè)文化和形象的外在表現(xiàn)，在人們?nèi)粘ＯM(fèi)選擇中起到的作用越來越明顯。包裝對產(chǎn)品外觀和質(zhì)量都具有重大影響，若包裝出現(xiàn)缺陷卻最終流入市場，對企業(yè)
科學(xué)與財(cái)富 2020年31期2020-03-10
- 基于支持向量機(jī)的條煙包裝外觀缺陷檢測
圖像處理;缺陷檢測;支持向量機(jī);條煙中圖分類號(hào)： TP391.41 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.01.045本文著錄格式：孫娜，管一弘，崔云月，等. 基于支持向量機(jī)的條煙包裝外觀缺陷檢測[J]. 軟件，2020，41（01）：205210【Abstract】： Aiming at the appearance defects of cigarette packaging in ciga
軟件 2020年1期2020-03-02
- 自注意力與域適應(yīng)對抗模板重建方法
;模板重建;缺陷檢測;自注意力;域適應(yīng)對抗學(xué)習(xí)中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：2096-4706（2020）18-0001-06Abstract：This paper proposes a template reconstruction method based on convolutional neural network，which uses residual learning method to refine the re
現(xiàn)代信息科技 2020年18期2020-02-22
- 基于機(jī)器視覺的白酒瓶標(biāo)簽檢測系統(tǒng)的設(shè)計(jì)與開發(fā)
流水線的自動(dòng)缺陷檢測。關(guān)鍵詞：酒瓶標(biāo)簽;機(jī)器視覺;缺陷檢測在酒瓶生產(chǎn)過程中，大多數(shù)自動(dòng)化流水線上仍然由工人進(jìn)行標(biāo)簽質(zhì)量檢測，不僅增加了用人成本和管理成本，而且隨著工作連續(xù)性的進(jìn)行，工人會(huì)產(chǎn)生疲勞檢測，導(dǎo)致漏檢、錯(cuò)檢等情況。隨著近些年來機(jī)器視覺領(lǐng)域技術(shù)的快速發(fā)展，越來越多的包裝行業(yè)選擇將機(jī)器視覺系統(tǒng)應(yīng)用于流水生產(chǎn)線上。機(jī)器視覺檢測系統(tǒng)具有檢測結(jié)果穩(wěn)定、檢測速度快，檢測精度高以及可以在人類所不能適應(yīng)的惡劣環(huán)境下工作等一系列的特點(diǎn)。本文設(shè)計(jì)了一種基于機(jī)器視覺的酒
電子技術(shù)與軟件工程 2020年13期2020-02-21
- 人工智能技術(shù)在煙草包裝印刷質(zhì)量檢測上的應(yīng)用研究
裝印刷檢測；缺陷檢測中圖分類號(hào)：TP18，TS8 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1400 （2020） 11-0035-05Application Research of Artificial Intelligence Technology in Packaging and Printing （small sheet） DetectionQIAN Jun（Shanghai Tobacco Packaging and Printing Co.， LTD.， Sh
綠色包裝 2020年11期2020-01-19