机器视觉技术在钢带缺陷检测的应用

最新推荐文章于 2024-08-04 17:33:52 发布
最新推荐文章于 2024-08-04 17:33:52 发布
阅读量1.1k 收藏 3
点赞数
分类专栏： 机器视觉 文章标签： 机器视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34003774/article/details/80743752
版权
本文介绍了一种使用机器视觉技术对钢带表面缺陷进行实时监测的系统。通过工业智能相机和CCD图像传感器获取钢带表面信息，结合数字图像处理技术，实现对孔洞、豁口、裂边等缺陷的高速自动检测。系统采用多台面阵CCD，具备高分辨率和适应性强的特点，能有效提升产品质量和生产效率。
摘要由CSDN通过智能技术生成
钢带生产过程中需要实时进行有效的质量控制，及时发现不合格产品。影响带钢质量的主要因素在其表面，由于带钢原料钢卷的表面缺陷的轧制工艺过程中形成的表面缺陷是造成废、次品的主要原因，因此必须加强对带钢表面缺陷的监测，通过监测，对于加强轧制工艺管理，剔除废品、减少原材料浪费、提高成材率、改善工人劳动条件都有重要的意义。 工业智能相机
最低0.47元/天 解锁文章
qq_34003774
关注
专栏目录
【表面缺陷检测】表面缺陷检测数据集汇总
学无止境、积少成多、厚积薄发
08-12 2万+
本文收集整理了16个表面缺陷检测相关的数据集，并对每个数据集的特点进行了简单的介绍。（文末附数据集）
基于机器视觉的钢带缺陷检测研究
10-16
针对钢带缺陷传统的人工检测效率低、误检率高以及危险程度大等问题，提出了一种基于机器视觉的缺陷检测和识别的研究方案。采用工业摄像头采集钢带生产线上的视频图像，通过中值滤波和小波分析相结合的方法去噪，并用Canny算子实现边缘检测，再以缺陷图像的圆形度等特征完成识别分类，从而实现对钢带缺陷的检测和统计。实验结果表明，该缺陷检测方案能够实时准确有效地识别钢带缺陷，证明了该方法的可行性。
看《机器视觉表面缺陷检测技术及其在钢铁工业中的应用》笔记
风中尘埃的博客
04-25 1762
通过图像分割，边界检测，图像特征提取与分类的基础理论。 机器视觉钢材表面缺陷检测基本框架结构中的成像单元和缺陷分析单元都属于图像处理算法领域： 1. 成像单元能够实现对图像数据的压缩及图像的清晰表达； 2. 缺陷分析单元需要实现对缺陷类型的正确理解，并对缺陷进行统计，获得工艺中需要的数据，从而指导生产。 1994年，Piironen提出一套比较完整的钢材表面缺陷检测与分类方法：预处理过程；图像压缩方法，缺陷检出；自适应缺陷检测方法，缺陷图像理解与分析；信息的提取技术和模糊集理论的算法。 ..
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
最新发布
csdn_xmj的博客
08-04 1071
缺陷检测是工业生产过程中的关键环节，其检测结果的好坏直接影响着产品的质量。而在现实场景中，但产品瑕疵率非常低，甚至是没有，缺陷样本的不充足使得需要深度学习缺陷检测模型准确率不高。如何在缺陷样本少的情况下实现高精度的检测呢？目前有两种方法，一种是小样本学习，另一种是用GAN。本文将介绍一种GAN用于无缺陷样本产品表面缺陷检测。
钢带缺陷在线检测系统
比特字节-只为技术
04-29 2049
钢带生产过程中需要实吋进行有效的质量控制，及时发现不合格产品。嘉恒图像开发的钢带缺陷在线高速自动检测系统实现了对各种钢带表面的孔洞、豁口、裂边等缺陷的检测，有效地对钢带表面质量进行实时监测。 一、系统简介 钢带表面检测技术主要是利用电荷耦合器（CDD）摄像技术和高速计算机数字图像处理、存储和传输技术，对钢带的表面质量进行实时监测。 系统工作原理： 给待测钢带背面设置透射光，当有
基于机器视觉的钢轨表面缺陷三维检测方法
10-17
提出了一种二维视觉与三维视觉相结合的钢轨表面缺陷检测方法。该方法通过线阵相机采集二维图像，由激光扫描仪采集钢轨深度信息，最后将这两组数据传送回主机，用Halcon和VC编写上层图像处理软件，获得钢轨表面缺陷的大小、形状、位置及深度，实现了全面检测钢轨表面缺陷。实验表明，与二维图像识别，或者与单独使用三维扫描检测相比，本系统检测效果更好。
计算机视觉技术及其在工业中应用的研究
11-30
论文运用图像识别和字符识别技术，研究开发了一套发动机活塞装配计算机视觉识别系统
基于机器视觉的硅钢钢带表面缺陷自动检测识别研究
10-16
【机器视觉】技术在硅钢钢带表面缺陷自动检测中的应用是现代工业自动化的重要进步。传统的硅钢钢带检测依赖人工，效率低下且精确度不足。机器视觉技术通过结合【图像处理】和【模式匹配】，能显著提高检测速度和准确...
视觉表面缺陷检测技术概述
DIPDWC的博客
10-23 3756
这里写自定义目录标题1. 什么是机器视觉2. 视觉检测系统2.1 视觉检测系统的特点2.2 视觉检测系统的组成3. 视觉表面缺陷检测面临问题及发展趋势3.1 视觉表面缺陷检测面临问题3.2 视觉表面缺陷检测发展趋势4. 视觉检测与智能制造4.1 视觉缺陷检测系统原理4.2 常见缺陷检测类型参考资料 1. 什么是机器视觉   机器视觉作为人工智能的一个快速发展的分支，简言之就是利用机器代替人眼来做测量和判断，广泛应用于各个行业。在3C行业等大批量工业生产过程中，利用人工视觉检查产品存在质量效率低、精度不高等问
机器视觉驱动的硅钢钢带表面缺陷智能检测技术
这项研究利用机器视觉技术革新了硅钢钢带的表面缺陷检测方法，不仅提高了检测效率，还提升了精度，对于工业生产过程中的质量控制具有显著的实用价值。通过MATLAB软件的仿真验证，该系统有望在实际生产环境中得到广泛...
使用GAN进行异常检测
deephub
12-14 6669
生成对抗网络(GANs)是一类用于无监督机器学习的人工智能算法。它们是由Ian Goodfellow和他的同事在2014年推出的。GANs由生成器和鉴别器两个神经网络组成，它们通过对抗性训练同时进行训练。生成器:GAN的这一部分负责生成新的数据实例。它将随机噪声作为输入，并将其转换成理想情况下与真实数据无法区分的数据。鉴别器:GAN的这一部分充当分类器。它被训练来区分真实数据和由生成器生成的合成数据。生成器旨在生成合成数据，这些数据非常令人信服，以至于判别器无法区分真实数据和生成数据。
CCS在线检测工具
10-17
对勾代表无影响，x代表有影响。
表面缺陷检测：机器视觉检测技术
热门推荐
cszn6666的博客
08-02 2万+
导读：传统的工业生产制造，由于科学技术的限制仍然主要采用人工检测的方法去检测产品表面的缺陷，这种方法由于人工的限制和技术的落后，不仅检测产品的速度慢、效率低下，而且在检测的过程中容易出错，从而导致了检测结果的不精确。   当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业...
基于语义分割和生成对抗网络的缺陷检测算法
qq_29462849的博客
11-07 1万+
一、缺陷类型 如下图所示，缺陷类型主要有缺损和裂纹两个类型。 二、语义分割网络 FCN网络 网上介绍FCN的教程很多，在这里不再详细讲述，具体请参考链接： https://www.cnblogs.com/gujianhan/p/6030639.html https://blog.csdn.net/qq_36269513/article/details/80420363 语义分割网络 U-Net...
不要怂，就是GAN (生成式对抗网络) （四）：训练和测试 GAN
weixin_30399871的博客
01-26 644
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 train.py，同时新建文件夹 logs 和文件夹 samples，前者用来保存训练过程中的日志和模型，后者用来保存训练过程中采样器的采样图片，在 train.py 中输入如下代码： # -*- coding: utf-8 -*- import tensorflow as tf import os ...
机器视觉技术在表面缺陷检测方面的发展趋势
weixin_33754913的博客
03-11 1858
　　导读：机器视觉技术在表面缺陷检测方面的发展趋势如何？很多人都不了解，据悉，目前工业中应用的机器视觉检测绝大部分执行的是二维检测任务，三维机器视觉检测仍处于理论研究和试验阶段。除此之外，机器视觉检测的精度、智能化和检测速度还有待提高。 　　机器视觉技术在表面缺陷检测方面的发展趋势：　　一、实现在线实时检测; 　　二、实现智能化检测; 　　三、实现高精...
Keras快速搭建简易缺陷检测网络
jkjj2015的博客
07-16 1544
本文使用Keras来快速搭建一个简单的语义分割网络来进行单类别的瑕疵检测。 from keras import backend as K from keras.models import Sequential from keras.layers import Dense,Conv2D,MaxPool2D,Flatten,Activation,UpSampling2D import numpy ...
总结|深度学习实现缺陷检测收集（参考论文，思路，代码)
yangdeshun888的博客
02-02 9949
前言 缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。 A fast and robust convolutional ne...
机器视觉技术在PCB缺陷检测中的应用研究
6. 实际应用与未来展望：最后，论文可能会讨论机器视觉在PCB行业中的应用现状，以及未来的发展趋势，如深度学习在缺陷检测中的应用，以及更高级的智能算法对检测性能的提升。 作者陈亮在导师杨庆华教授和荀一的指导...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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