東富達科技

產品分類>>

聯系我們>>

無錫市東富達科技有限公司
地址:江蘇省無錫市惠山區盛岸西路592號
聯系人:賀先生
電話:18015334576
網站:www.7p3h.com

當前位置:首頁 > 行業動態 行業動態

視覺表面缺陷檢測現狀

       機器視覺在金屬(特別是鋁材)表面、紙張等印刷品、紡織品、磁磚、玻璃、木材等表面缺陷檢測國內外有較多的研究成果,不乏成功應用系統和案例。

       在鋼板表面缺陷檢測領域,美國Westinghouse公司采用線陣CCD攝像機和高強度的線光源檢測鋼板表面缺陷,并提出了將明域、暗域及微光域3種照明光路形式組合應用于檢測系統的思路。這些系統可識別的缺陷種類相對較少,并且不具備對周期性缺陷的識別能力。美國Cognex公司研制成功了iS-2000自動檢測系統和iLearn自學習分類器軟件系統。這兩套系統配合有效改善了傳統自學習分類方法在算法執行速度、數據實時吞吐量、樣本訓練集規模及模式特征自動選擇等方面的不足;Parsytec公司為韓國浦項制鐵公司研制了冷軋鋼板表面缺陷檢測系統HTS,該系統能對高速運動的熱軋鋼板表面缺陷進行在線自動檢測和分級的系統,在連軋機和CSP生產線上取得了良好的效果;英國European Electronic System公司研制的EES系統也成功地應用于熱連軋環境下的鋼板質量自動檢測。EES系統實時地提供高清晰度、高可靠性的鋼板上下表面的缺陷圖像,最終交由操作員進行缺陷類型的分類判別。國內北京科技大學的高效軋制國家工程研究中心也在進行鋼板表面質量檢測系統的研制,對其常見缺陷類型進行了檢測與識別,取得了一定的研究成果,東北大學、上海寶鋼集團公司、武漢科技大學等科研院所研究了冷軋鋼板表面缺陷的檢測系統,重慶大學對高溫連鑄坯表面缺陷進行了研究。

視覺表面缺陷檢測

       在其他領域,視覺表面缺陷檢測也得到了廣泛的研究和應用。對規則紋理表面(天然木材、機械加工表面、紡織面料)的表面缺陷采用傅里葉變換進行圖像的復原,高頻的傅里葉分量對應表面紋理線型,而低頻的傅里葉分量對應表面缺陷區域。文獻研究了鋁帶連鑄生產中的表面缺陷檢測,通過紅外檢測提供鋁帶表面溫度的分布情況以評估鋁帶質量,采集鋁帶圖像,進行表面缺陷檢測和分類。文獻將機器視覺應用于集成電路晶片表面缺陷檢測,使用模糊邏輯對表面凹坑缺陷的不同形狀進行分析處理。文獻利用圖像對鐵軌的表面質量進行自動檢測,車載檢測系統對鐵軌的表面質量進行實時檢測和分類。文獻基于機器視覺系統對雞肉包裝前的質量檢測,根據雞肉圖像的顏色信息,采用數學形態學方法對潛在的問題區域進行特征提取,然后按預定義的質量問題列表進行分類。文獻針對隨機紋理的彩色圖像提出了一種利于分水嶺變換的顏色相似性度量,提取了圖像的顏色和紋理特征,實現了隨機紋理表面缺陷的自動分割和檢測。文獻采用雙目立體視覺,基于特征立體匹配算法對掃描電鏡圖像研究了物體的表面深度信息。文獻介紹了一種皮革表面缺陷檢測的方法,采用OTSU方法進行缺陷分割,利用歐式距離聚類法進行缺陷分類,在分類聚類時使用形態學算子進行腐蝕運算,實驗結果表明了該方法的有效性。文獻對玻璃缺陷進行了識別,把采集到的缺陷圖像縮放到10×10的大小,然后把這個100個像素值作為特征向量,分別運用徑向基(RBF)神經網絡和決策樹進行識別;該方法的缺點是不同缺陷縮放后造成部分信息的丟失。文獻研究了一種玻璃缺陷識別的專家系統(ES),首先需要電子顯微技術和等離子射線獲得缺陷信息作為知識庫,對未知的玻璃缺陷通過搜索知識庫對缺陷信息進行匹配,選擇最相近的類別作為輸出;該方法的缺點是分類采用貪婪搜索法,匹配速度慢。文獻針對機器視覺在產品表面粗糙度的檢測方法作了描述,首先建立粗糙度的模型,然后以表面的累加偏差作為特征通過神經網絡(ANN)進行等級劃分,并闡述了不同的ANN模型對識別結果的影響。


上一條:圖像分析和處理模塊涉及哪些方面?
下一條:表面缺陷檢測視覺軟件系統有哪些?
點擊次數:21更新時間:2021-06-01
黄三级高清在线播放