玻璃瓶口缺陷检测

在网上看到有几张个瓶口缺陷的图片拿来练练手,先上原图





这几张应该是都有缺陷的,特别是第一张缺口不明显只有口边有黑色区域

下面是我的检测程序:

dev_close_window ()
* read_image (Image, 'C:/Users/liuhang/Desktop/瓶口缺陷检测/爆口.bmp')
* Image Acquisition 01: Code generated by Image Acquisition 01
list_files ('C:/Users/liuhang/Desktop/瓶口缺陷检测', ['files','follow_links'], ImageFiles)
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)
for Index := 0 to |ImageFiles| - 1 by 1
    read_image (Image, ImageFiles[Index])
    * Image Acquisition 01: Do something
    get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width/2.5, Height/2.5, 'black', WindowHandle)
dev_display (Image)
* threshold_sub_pix (Image, Border, 128)
edges_sub_pix (Image, Edges, 'canny', 0.5, 20, 40)
segment_contours_xld (Edges, ContoursSplit, 'lines_circles', 5, 4, 2)
select_shape_xld (ContoursSplit, SelectedXLD, 'contlength', 'and', 100, 5000)
union_cocircular_contours_xld (SelectedXLD, UnionContours, 0.25, 0, 0.2, 50, 20, 20, 'true', 2)
select_shape_xld (UnionContours, SelectedXLD1, 'circularity', 'and', 0.9, 1)
dev_clear_window ()
dev_display (Image)
dev_display (SelectedXLD1)
fit_circle_contour_xld (SelectedXLD1, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder)
gen_circle_contour_xld (ContCircle, Row, Column, Radius, 0, 6.28318, 'positive', 1)
sort_contours_xld (ContCircle, SortedContours, 'upper_left', 'true', 'row')
* select_shape_xld (SelectedXLD1, SelectedXLD2, 'contlength', 'and', 1200, 99999)
* select_contours_xld (Edges, SelectedContours, 'contour_length', 20, 500, 0, 0
* Number:=|Row|
select_obj (SortedContours, ObjectSelected, 1)
gen_region_contour_xld (ObjectSelected, Region, 'filled')  
reduce_domain (Image, Region, ImageReduced)
scale_image (ImageReduced, ImageScaled, 0.2, 2)
threshold (ImageScaled, Region1, 40, 80)
connection (Region1, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 15500, 40000)
select_shape (SelectedRegions, SelectedRegions1, 'max_diameter', 'and', 500, 700)
dev_clear_window ()
dev_set_color ('green')
dev_display (Image)
dev_display (SelectedRegions1)
stop ()
endfor

运行效果如下:



        开始我是打算找黑色的缺陷区域作为判断条件,后面发现干扰比较多不好提,转而找白色区域,如结果图。但是发现精准度不好,面积判断条件不好把控,如原图1中就是有缺陷的,口边有黑色区域但是白色部分跟正常的瓶口区别不大, 而且小的缺陷也不好剔除。各位有什么好的方法,指导一下吧,谢谢大家!!

  • 2
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
### 回答1: Halcon瓶口缺陷检测是一种利用Halcon软件平台来对瓶口进行缺陷检测的技术。该技术能够对瓶口进行高速、高精度、高效的检测,可检测瓶口上的各种缺陷,如划痕、裂纹、变形、异物等,确保瓶口质量符合标准,防止瓶口在使用过程中出现安全隐患。 Halcon瓶口缺陷检测技术主要通过视觉识别和图像分析技术实现。该技术能够通过高精度的图像处理技术,将瓶口图像中的缺陷信息提取出来,然后再利用专业的算法对缺陷进行分类、识别和判断,实现自动化检测。 相比传统的手工检测方式,Halcon瓶口缺陷检测技术具有以下优点: 1. 高效快速:能够对大量瓶口进行高效、快速的检测,大大提高生产效率。 2. 高精度、高准确性:能够通过图像处理技术实现对瓶口缺陷的高精度、高准确性的检测,不会遗漏或误判。 3. 自动化程度高:实现完全自动化检测,避免人工干预,减少人力成本和误判率。 4. 提高产品质量:检测能力强,缺陷检测率高,能够有效提高产品质量,防止产品出现安全问题。 综上所述,Halcon瓶口缺陷检测技术是一种高效、精准、自动化的检测技术,可为瓶口制造企业提供精准的缺陷检测服务,提高产品质量和生产效率,同时也能够降低成本,为企业带来更多的利润和竞争优势。 ### 回答2: Halcon瓶口缺陷检测是近年来越来越受到关注的一个领域,其主要应用于药品、食品等行业的生产环节中,以确保产品的安全可靠性。首先我们需要了解什么是瓶口缺陷,瓶口缺陷是指在瓶盖封处出现的缺陷,例如瓶盖不严密、渗漏现象、异物等等。这些缺陷可能会对产品的品质及安全造成影响,甚至可能威胁到使用者的身体健康。 Halcon瓶口缺陷检测是通过计算机视觉技术以及人工智能算法来实现的。首先,利用高清相机对瓶子的封处进行拍照,将图像传输到计算机中进行图像处理,通过算法分析,可以识别出是否存在封缺陷。在这个过程中,Halcon使用了一整套完整的图像分析技术,如几何形态分析、颜色分析、纹理分析等等,确保了检测的准确性和稳定性。 Halcon瓶口缺陷检测技术的特点在于高速度和高精度。使用该技术可以大大提高生产效率和产品质量,减少产品的风险。此外,该技术还可以节约人力成本和时间,提高生产过程的自动化程度,同时大大降低了对环境和能源的消耗。 总的来说,Halcon瓶口缺陷检测技术的出现,为行业提供了有效的方案,提高了产品的安全性和质量,使得生产过程更加高效、可靠、自动化。该技术的应用前景广阔,并将在未来进一步拓展到其他领域,将大大提升各个行业的生产效益和质量标准。 ### 回答3: Halcon瓶口缺陷检测是一种基于人工智能技术的瓶口缺陷检测解决方案。该方案针对瓶口的多种缺陷类型,如碎边、脱毛、裂纹、瑕疵等,进行快速而准确的检测,同时提供丰富的分析数据和报告。 该方案主要采用了深度学习技术,通过对瓶口缺陷数据的训练和学习,建立了高效、准确的瓶口缺陷识别模型,实现了快速自动化的瓶口缺陷检测。 具体来说,该方案采用了卷积神经网络(CNN)模型,通过对瓶口图像的卷积、池化和全连接等操作,提取图像的特征信息,从而实现对瓶口缺陷的准确识别和检测。 同时,该方案还融合了图像处理、机器视觉等技术,提高了瓶口缺陷检测系统的性能和可靠性。例如,对图像进行预处理、去噪、增强等操作,提高了瓶口图像的质量和清晰度;同时,利用机器视觉技术,对图像中的瓶口进行准确定位和标注,保证了瓶口缺陷检测的精度和稳定性。 总体来说,Halcon瓶口缺陷检测解决方案是一种高效、准确、可靠的智能化检测方案,可以为化妆品、药品、饮料等行业提供优质的瓶口缺陷检测服务,提高产品质量和安全性。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

沐细雨如春风

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值