高速光學檢測設備承諾守信 邁迅威視覺工匠精神

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。



為解決食品生產過程中產品殘缺問題,研究了一種基于機器視覺的缺陷檢測方法,以餅干為樣本進行了實驗分析。首先構建實驗系統,對單目攝像機進行標定,利用標定所得參數對圖像進行畸變校正;然后對校正后所得圖像進行圖像分析處理;后對處理完成圖像進行區域檢測,得到檢測結果。實驗結果表明:以該方法進行餅干缺陷檢測成功率可達98.67%,并滿足高精度、實時性的要求,為今后食品缺陷檢測提供一定的參考方向。



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.