視覺影像檢測系統廠家供應 邁迅威視覺上佳之品

為了實現外觀缺陷自動檢測,研究了基于機器視覺技術的外觀缺陷檢測系統。首先針對外觀缺陷圖像特點,分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實現了外觀缺陷快速、準確分割;然后通過分析外觀缺陷特點,分別從形狀、顏色和紋理共選取了12個類別差異明顯的特征參數,提取了外觀缺陷特征;后選擇BP神經網絡作為缺陷分類器,根據經驗和實驗確定了神經網絡結構及參數,并分析了傳統BP算法在外觀缺陷分類應用中的不足,通過改變收斂標準、自適應調整步長和引入動量項以優化BP算法,改善了神經網絡分類效果。



為實現圖像處理技術在沖壓件表面缺陷在線檢測中的應用,開發了一套沖壓件表面缺陷實時在線快速檢測系統。使用基于多模板匹配算法獲取圖像中沖壓件的位置,建立感興趣區域;提出基于拉普拉斯-高斯(LoG)算子的實時濃淡補正算法實現沖壓件表面缺陷的增強;使用大津法和形態學操作實現沖壓件表面缺陷位置的提取。系統使用MATLAB實現基于LoG算子的濾波算法;使用LabVIEW實現其余算法,并在其中調用MATLAB腳本節點;使用多線程技術實現的檢測算法。經實驗,系統能夠對生產線上每一個沖壓件進行快速檢測,并檢測出有缺陷的沖壓件,整個過程耗時在100ms以內,能夠滿足在線實時檢測需求。



對比現有大輸液藥品可見異物人工檢測方法,在線視覺自動檢測具有巨大優越性,為此,本文設計了一套用于瓶內藥液異物檢測的視覺系統.首先研究了檢測系統的機械與電氣控制結構,開發了面向高速高精度生產線的圖像獲取裝置;然后,基于圖像中藥液內異物運動軌跡的連續性,利用序列圖像提取出圖像中的運動信息,在此基礎上,使用改進的Mean shift跟蹤算法實現了可見異物的檢測識別;后選用100ml葡萄糖大輸液進行在線測試,檢測系統分辨率達到了國家藥典的檢測要求,系統運行準確率近95%,在線自動化視覺檢測方法能很好滿足生產線的要求.



目的為實現飲料易拉罐拉環背部激光打碼的自動化,提出一種基于遺傳算法的易拉罐罐蓋圖像識別新方法。方法首先搭建一套易拉罐蓋激光自動打碼機,基于所搭建的實驗系統,利用CCD相機實時采集罐蓋圖像。對所采集到的圖像進行中值濾波和灰度增強處理,在此基礎上,研究基于遺傳算法的罐蓋圖像閾值分割新方法,分析、確定算法的關鍵參數(個體數目、交叉率、變異率等),由此得到罐蓋的二值化圖像,并對算法處理結果進行誤差分析。結果遺傳算法經過約15代的迭代計算,能夠收斂,獲取到的圖像閾值,整個算法的運行時間約30 ms,終的圖像精度約為7.9 pixel。