基于數(shù)學(xué)形態(tài)學(xué)墻地磚表面缺陷檢測(cè)方法

利用pxi總線控制器以及ieee-1394接口的圖像采集設(shè)備構(gòu)建機(jī)器視覺(jué)系統(tǒng),應(yīng)用計(jì)算機(jī)視覺(jué)以及數(shù)字圖像處理技術(shù)實(shí)現(xiàn)了墻地磚表面缺陷的自動(dòng)檢測(cè)及等級(jí)分類(lèi)。在墻地磚自動(dòng)檢測(cè)應(yīng)用程序的設(shè)計(jì)中,首先應(yīng)用imaqvisionassistant進(jìn)行主要算法的開(kāi)發(fā),再在labview的開(kāi)發(fā)環(huán)境下對(duì)算法程序進(jìn)行更加柔性的配置,并開(kāi)發(fā)出具有人性化的界面,便于控制和處理。所研究的系統(tǒng)能對(duì)墻地磚表面疵點(diǎn)、缺損、鼓泡和裂痕等缺陷進(jìn)行實(shí)時(shí)檢測(cè)及等級(jí)分類(lèi),并得出詳細(xì)的缺陷檢測(cè)報(bào)告以及實(shí)現(xiàn)數(shù)據(jù)庫(kù)管理等功能。

陶瓷｜釉面墻地磚表面缺陷（凹釉、釉泡、針孔）克服方法 （二） 目前釉面墻地磚生產(chǎn)工廠，釉面點(diǎn)狀缺陷仍然是釉面質(zhì) 量進(jìn)一步提高的主要困擾，特別是凹釉、釉泡、棕眼等。本 期【陶瓷】欄目針對(duì)釉面缺陷（凹釉、釉泡、針孔）的形成 原因以至機(jī)理分析入手，對(duì)癥下藥（小編在工作中的點(diǎn)滴體 會(huì)整理一下，僅供同行們參考）。本欄目定時(shí)推送瓷磚相關(guān) 方面的技術(shù)論文，喜歡的朋友請(qǐng)點(diǎn)擊標(biāo)題下方藍(lán)字“陶最人 生”進(jìn)行關(guān)注。這里是陶瓷技能學(xué)習(xí)基地，越早關(guān)注，就能 越早掌握先機(jī)；只有不斷學(xué)習(xí)，才能讓自己走在進(jìn)步的路上。 瓷磚產(chǎn)品的內(nèi)在質(zhì)量好和外觀質(zhì)量好無(wú)疑是高檔產(chǎn)品的必 要條件，而陶瓷墻地磚是一種裝飾為主要功能的產(chǎn)品，提高 釉面質(zhì)量，是提高陶瓷墻地磚外觀質(zhì)量和整個(gè)產(chǎn)品檔次的重 要途徑和措施。缺陷定義一1.針孔釉面出現(xiàn)的 針刺樣小孔。有的工廠把在釉面上的小孔稱(chēng)之為針孔。2. 凹釉施化妝土及面釉的產(chǎn)品，釉面產(chǎn)生

自動(dòng)視覺(jué)檢測(cè)是機(jī)器視覺(jué)在工業(yè)方面的一項(xiàng)重要應(yīng)用。針對(duì)目前瓷磚表面缺陷檢測(cè)仍停留在手工操作水平,勞動(dòng)強(qiáng)度大,效率低,檢測(cè)精度遠(yuǎn)遠(yuǎn)不能滿足實(shí)際生產(chǎn)的需要,本文提出一種基于bp神經(jīng)網(wǎng)絡(luò)與區(qū)域生長(zhǎng)法相結(jié)合的圖像分割技術(shù),并將其應(yīng)用到瓷磚表面缺陷檢測(cè)。本算法原理是通過(guò)bp神經(jīng)網(wǎng)絡(luò)對(duì)瓷磚表面進(jìn)行缺陷檢測(cè),將瓷磚主要缺陷分割出來(lái),然后再利用區(qū)域生長(zhǎng)法對(duì)其缺陷部分作進(jìn)一步分割,使缺陷能被精確、快速地分割出來(lái)。通過(guò)大量實(shí)驗(yàn)說(shuō)明本算法在實(shí)際應(yīng)用中的精確度達(dá)到97%,檢測(cè)速度得到明顯的提高,效果令人滿意,具有良好的應(yīng)用前景。

利用計(jì)算機(jī)視覺(jué)技術(shù)檢測(cè)木板材表面缺陷。提出了一種基于混合紋理特征的表面缺陷檢測(cè)算法,能準(zhǔn)確、魯棒地檢測(cè)出木板材表面圖像中是否有缺陷。首先,分別使用灰度共生矩陣方法、gabor濾波方法和幾何不變矩方法提取了10個(gè)優(yōu)化后的圖像紋理及尺度、平移、旋轉(zhuǎn)不變特征;然后,對(duì)特征向量進(jìn)行有效組合;最后,基于融合后的混合紋理特征向量,應(yīng)用bp人工神經(jīng)網(wǎng)絡(luò)對(duì)樣本集進(jìn)行訓(xùn)練和檢測(cè)。實(shí)驗(yàn)表明,該方法能準(zhǔn)確地對(duì)木板材表面缺陷進(jìn)行檢測(cè),平均檢測(cè)成功率達(dá)96.2%。

帶鋼表面缺陷檢測(cè)是帶鋼質(zhì)量控制的重要環(huán)節(jié)之一,但現(xiàn)有帶鋼表面缺陷自動(dòng)檢測(cè)方法在準(zhǔn)確性和實(shí)時(shí)性上還難以滿足工業(yè)現(xiàn)場(chǎng)需要。為了解決此問(wèn)題,提出了一種基于局部二進(jìn)制模式(lbp)的帶鋼表面缺陷的初級(jí)檢測(cè)方法。該方法首先利用快速局部二進(jìn)制模式算法計(jì)算圖像中各像素點(diǎn)的lbp值;然后通過(guò)統(tǒng)計(jì)lbp直方圖來(lái)獲取圖像中主要邊緣點(diǎn)的信息,再將其與閾值進(jìn)行比較,以確定帶鋼圖像中表面缺陷的存在,并記錄缺陷的位置。實(shí)驗(yàn)結(jié)果表明,該方法不僅在帶鋼表面缺陷的初級(jí)檢測(cè)方面具有良好的準(zhǔn)確性和實(shí)時(shí)性,而且其提取出的信息還具有結(jié)構(gòu)的和統(tǒng)計(jì)的雙重特性,可為后續(xù)缺陷分類(lèi)提供重要依據(jù)。

當(dāng)前人工調(diào)查土地資源利用情況具有較高的人力成本且勞動(dòng)強(qiáng)度大；對(duì)其實(shí)現(xiàn)自動(dòng)變化檢測(cè)具有較高的理論和應(yīng)用價(jià)值；將深度置信網(wǎng)絡(luò)(deepbeliefnetwork；dbn)應(yīng)用于高分辨率遙感影像的建筑物變化檢測(cè)；但dbn在變化檢測(cè)時(shí)存在由誤判現(xiàn)象造成的建筑物完整度欠缺、空間存在噪聲等問(wèn)題；提出dbn與數(shù)學(xué)形態(tài)學(xué)融合模型對(duì)高分辨率遙感影像建筑物進(jìn)行變化檢測(cè)；在遙感影像預(yù)處理基礎(chǔ)上；標(biāo)記少量明顯的變化與未變化樣本；利用搜索窗口從標(biāo)記的區(qū)域獲取大量帶有標(biāo)簽的樣本訓(xùn)練融合模型分類(lèi)器對(duì)建筑物進(jìn)行變化檢測(cè)；檢測(cè)方法準(zhǔn)確率為94.76%；召回率為87.63%；f1為91.06%；實(shí)驗(yàn)結(jié)果表明；該方法可以為建筑物的變化檢測(cè)提供有效依據(jù)；

墻地磚表面平整度自動(dòng)連續(xù)檢測(cè)采用光纖傳感器測(cè)量采集數(shù)據(jù),利用微機(jī)進(jìn)行數(shù)據(jù)處理,評(píng)定等級(jí),并輸出分選控制信號(hào),實(shí)現(xiàn)自動(dòng)分選,碼垛。該技術(shù)的使用,有利于提高檢測(cè)效率,減少漏檢率和保證檢測(cè)精度

陶瓷墻地磚技術(shù)指標(biāo)及檢測(cè)方法 1.尺寸偏差： (1)、尺寸偏差：用游標(biāo)卡尺或直鋼尺測(cè)磚的長(zhǎng)度、寬度及厚度(國(guó)標(biāo)要求取 10片整磚進(jìn)行測(cè)量)國(guó)標(biāo)要求拋光磚的2條或4條邊的平均尺寸相對(duì)與工作尺寸 的允許偏差為±1.0mm 名義尺寸：又稱(chēng)公稱(chēng)尺寸即用于統(tǒng)稱(chēng)產(chǎn)品規(guī)格的尺寸 工作尺寸：又稱(chēng)加工尺寸，按制造結(jié)果確定的尺寸 實(shí)際尺寸：又稱(chēng)產(chǎn)品尺寸，用計(jì)量器具量得的尺寸 (2)、表面平整度： 邊彎曲度：磚的一條邊的中心點(diǎn)偏離由該邊兩角為直線的距離國(guó)標(biāo)中的表示 方法是以%表示，注意與絕對(duì)數(shù)的區(qū)別，一般的檢測(cè)方法用塞尺和水平尺 中心彎曲度：磚的中心點(diǎn)偏離由磚的四個(gè)角中的三個(gè)角決定該平面的距離表 示方法同上 翹曲度：磚的三個(gè)角確定的平面，其中第四個(gè)角偏離該平面的距離 (3)邊直度：在磚的平面內(nèi)，邊的中央偏離直線的的偏差表示方法采用%表示 (4)、直角度：將磚的一個(gè)角緊靠著放在用標(biāo)準(zhǔn)板校正的直角上

針對(duì)傳統(tǒng)區(qū)域生長(zhǎng)方法中,由于噪聲種子存在及種子點(diǎn)單步鄰域搜索所導(dǎo)致的分割時(shí)間長(zhǎng)、檢測(cè)精度低的問(wèn)題,提出基于形態(tài)學(xué)重構(gòu)的實(shí)木地板在線缺陷分割方法。方法首先定義不同閾值下的兩幅模版圖像,其中低閾值圖像用于種子優(yōu)化,高閾值模版用作種子膨脹生長(zhǎng);通過(guò)定義腐蝕終止準(zhǔn)則,完成低閾值圖像下的缺陷骨架提取;運(yùn)用"去毛刺"操作,最終實(shí)現(xiàn)缺陷骨架內(nèi)的種子點(diǎn)優(yōu)選;然后,運(yùn)用測(cè)地膨脹,結(jié)合高閾值模版,完成板材缺陷區(qū)域的快速生長(zhǎng);最后,應(yīng)用"孔洞填充"、"去毛刺"優(yōu)化邊緣,實(shí)現(xiàn)缺陷目標(biāo)的提取。實(shí)驗(yàn)分別在像素512*512、256*256和128*128下進(jìn)行,通過(guò)與傳統(tǒng)區(qū)域生長(zhǎng)方法的比較,表明方法實(shí)現(xiàn)了缺陷區(qū)域的準(zhǔn)確分割,分割速度與精度能夠滿足地板在線分選要求。

針對(duì)超聲表面波檢測(cè)技術(shù)特點(diǎn),分析了超聲表面波檢測(cè)彈簧表面缺陷的方法,制作了超聲波檢測(cè)所需的人工缺陷對(duì)比試塊,利用多個(gè)人工試塊制作描繪出用于判廢的距離-波幅曲線,建立了彈簧表面缺陷的超聲波檢測(cè)系統(tǒng)。結(jié)果表明,超聲表面波檢測(cè)方法適用于彈簧表面缺陷的檢測(cè),并能有效地應(yīng)用于實(shí)際生產(chǎn)中的檢測(cè)任務(wù)。

金相圖像處理是進(jìn)行定量分析的前提,將金相圖像中的目標(biāo)物正確的提取出來(lái)對(duì)定量分析起著重要的作用。利用同態(tài)濾波器對(duì)亮度不均勻的鑄鐵金相圖像進(jìn)行濾波,校正因反射光強(qiáng)引起的亮度不均勻現(xiàn)象?；跀?shù)學(xué)形態(tài)學(xué)梯度算子提出新算法,利用預(yù)先定義的結(jié)構(gòu)元素對(duì)圖像中石墨邊緣進(jìn)行提取,之后經(jīng)過(guò)后處理再進(jìn)行填充。實(shí)驗(yàn)結(jié)果表明,該方法在保證石墨邊緣的同時(shí)可以抑制噪聲,能夠有效提取出石墨的邊界。

將規(guī)則圖案墻地磚的精確配準(zhǔn)方法用于墻地磚表面缺陷檢測(cè),通過(guò)對(duì)圖像進(jìn)行預(yù)處理及邊緣檢測(cè),找出墻地磚的四條邊及左上角.首先對(duì)參考磚和待測(cè)磚之間的位移和旋轉(zhuǎn)角度進(jìn)行初步估計(jì),對(duì)待測(cè)墻地磚進(jìn)行平移,使其左上角與參考?jí)Φ卮u的左上角對(duì)準(zhǔn)并旋轉(zhuǎn)完成初步配準(zhǔn).然后,用互相關(guān)法尋找更精確的平移參數(shù)進(jìn)行精確配準(zhǔn).這樣可以在像素與像素之間進(jìn)行直接比較以進(jìn)行缺陷檢測(cè).實(shí)驗(yàn)結(jié)果證明該方法能有效檢測(cè)出像孔穴、裂紋等一般缺陷

該文結(jié)合radon變換和幾何推理,研究了基于墻地磚邊界的用于規(guī)則圖案表面缺陷檢測(cè)的圖像配準(zhǔn)方法。實(shí)驗(yàn)證明該算法簡(jiǎn)單快捷,能檢測(cè)出墻地磚的一般常見(jiàn)缺陷。

精密軸承應(yīng)用廣泛,精度要求高,軸承表面缺陷對(duì)其使用影響很大.因此,對(duì)軸承缺陷的檢測(cè)很有必要.目前的檢測(cè)以人工為主,但當(dāng)缺陷小于0.075mm時(shí)人眼就很難識(shí)別.以ccd攝像機(jī)為視覺(jué)結(jié)合圖像處理技術(shù),設(shè)計(jì)一種軸承在線檢測(cè)方法,能夠在很大程度上提高檢測(cè)效率和檢測(cè)精度,最后利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷分類(lèi),實(shí)驗(yàn)結(jié)果表明:分類(lèi)正確率可達(dá)92.7%,符合工業(yè)要求.

提出了一種基于halcon的鋼球表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)方案。首先,利用ccd相機(jī)采集展開(kāi)盤(pán)上的鋼球表面圖像,并傳輸?shù)綉?yīng)用軟件；其次,進(jìn)行圖像感興趣區(qū)域選取、濾波去噪和缺陷邊緣檢測(cè)等圖像處理；然后,將缺陷區(qū)域進(jìn)行連通,并計(jì)算缺陷面積；最后,與缺陷閾值進(jìn)行比較,控制分球機(jī)械手與分球板協(xié)同作用實(shí)現(xiàn)分揀。試驗(yàn)結(jié)果表明:該系統(tǒng)具有很高的檢測(cè)效率和準(zhǔn)確率,可滿足工業(yè)自動(dòng)化生產(chǎn)的需求,具有良好的應(yīng)用前景。

為了提高陶瓷磚表面缺陷檢測(cè)效率,本文提出了一種基于機(jī)器視覺(jué)的表面缺陷檢測(cè)方法。采用了自適應(yīng)中值濾波算法對(duì)表面圖像進(jìn)行預(yù)處理,利用形狀匹配實(shí)現(xiàn)圖像之間的對(duì)齊,采用deriche亞像素分割算法實(shí)現(xiàn)了陶瓷磚邊緣的精確分割,設(shè)計(jì)局部門(mén)限算法實(shí)現(xiàn)陶瓷磚表面缺陷圖像的提取。實(shí)驗(yàn)結(jié)果表明:該方法可實(shí)現(xiàn)陶瓷磚表面缺陷的快速提取,效果較好。

為降低企業(yè)生產(chǎn)成本,簡(jiǎn)化鋼球檢測(cè)系統(tǒng),提出了一種基于機(jī)器視覺(jué)技術(shù)鋼球表面缺陷光學(xué)檢測(cè)新方法,采用雙目ccd傳感器和平面鏡反射成像同時(shí)獲取上下左右四個(gè)表面的鋼球表面圖像,經(jīng)過(guò)圖像處理后進(jìn)行缺陷分級(jí),以取代傳統(tǒng)的鋼球表面展開(kāi)機(jī)械裝置。此外,在照明裝置上,設(shè)計(jì)了一種基于led面陣光源和磨砂玻璃的方法來(lái)模擬均勻散射光線,以提高成像質(zhì)量。實(shí)踐表明使用本文方法能夠?qū)崿F(xiàn)鋼球表面缺陷的自動(dòng)檢測(cè),簡(jiǎn)便高效,具有較高的可靠性。

提出了一種基于灰色關(guān)聯(lián)分析的特征顏色提取算法,在此基礎(chǔ)上,完成了陶瓷磚表面缺陷檢測(cè)軟件設(shè)計(jì)。應(yīng)用灰色關(guān)聯(lián)分析的方法來(lái)確定像素點(diǎn)間的隸屬度,對(duì)圖像進(jìn)行分塊處理來(lái)求解初始特征顏色,使用灰色聚類(lèi)進(jìn)行圖像分割。系統(tǒng)以arm為工作平臺(tái),工作在rgb顏色空間。實(shí)驗(yàn)表明:算法可快速有效地完成陶瓷磚表面缺陷的檢測(cè)。

本文提出了一種用于墻地磚自動(dòng)缺陷檢測(cè)的算法,該算法綜合了顏色的空間分布信息和比例分布信息,將共生矩陣紋理特征與顏色統(tǒng)計(jì)特征相結(jié)合構(gòu)造一個(gè)判斷矢量,可以對(duì)復(fù)雜紋理的多色墻地磚進(jìn)行各種缺陷檢測(cè)。

對(duì)八鋼小型軋機(jī)軋制熱軋抽油桿用圓鋼易產(chǎn)生表面缺陷的原因進(jìn)行了分析,介紹了實(shí)踐操作中存在的問(wèn)題,并制定出相應(yīng)解決辦法,確保熱軋抽油桿用圓鋼的質(zhì)量要求。

目的改進(jìn)原有的圖像分割算法在分割圖像時(shí)的精度和準(zhǔn)確度,進(jìn)一步準(zhǔn)確地研究墻地磚缺陷圖像的基本特征,提出一種有效的圖像分割方法.方法根據(jù)墻地磚表面的紋理特點(diǎn),采用daubechies小波對(duì)原始圖像進(jìn)行處理.結(jié)果僅保留圖像的近似信息,從而有效降低了紋理特征對(duì)缺陷分割的干擾.同時(shí),圖像數(shù)據(jù)量減少為原始圖像的1/4.因此,在有效提取近似信息的基礎(chǔ)上提高了系統(tǒng)的實(shí)時(shí)性,便于圖像分割應(yīng)用.該方法增強(qiáng)了缺陷紋理圖像,能抑制背景紋理對(duì)缺陷紋理檢測(cè)的干擾,并通過(guò)減運(yùn)算有效地實(shí)現(xiàn)了缺陷紋理和背景紋理的分割.結(jié)論基于小波變換的墻地磚缺陷圖像分割方法能夠?qū)﹄S機(jī)紋理圖像進(jìn)行可靠、有效、快速的分割,尤其適用于具有隨機(jī)紋理的墻地磚缺陷實(shí)時(shí)檢測(cè).

鋼球表面缺陷分析