【深度学习】皮革表面缺陷检测【附链接】

已于 2024-11-19 13:08:48 修改
阅读量836 收藏 15
点赞数 10
文章标签： 深度学习 人工智能 目标检测 计算机视觉 python
于 2024-09-28 13:20:56 首次发布
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/weixin_44586964/article/details/142614512
版权

项目简介

如今消费者对皮革产品的质量要求越来越高，个性化需求的增加，制造商需要更精确地检测和处理每一块皮革，以确保其符合特定标准。

但人工检测方式存在效率低、准确率不高、一致性差等问题；传统算法通常需要针对特定任务进行调整，缺乏灵活性，难以快速适应新的外观检测需求或变化的产品特征。通过AI外观检测高效、精准和一致的检测能力，可帮助企业提高生产效率和产品质量，在激烈的市场竞争中保持竞争优势。

数据准备

检测范围：破损、褶皱、脏污等缺陷；
在这里插入图片描述

为同时进行破损、褶皱、脏污等缺陷检测和其像素级分割，采用多边形标注和实例分割模型方式实现。缺陷样本分配好标签后，采用labelmeAI 进行数据标注，labelmeAI支持AI模型辅助标注，与传统标注相比可提高5-10倍工作效率。

在这里插入图片描述

数据分析

数据分析，可以识别数据集中可能存在的偏见，从而采取措施确保模型的公平性和可解释性，了解各个特征的分布情况，有助于选择合适的预处理方法。

通过 数据分析 功能进行图像预览，统计标注数据，获取图像尺寸为 4

最低0.47元/天 解锁文章
皮革划痕缺陷检测案例（3种不同方法）
thequitesunshine007的博客
04-03 7736
0 前言 首先声明，这不是一个实战项目，而是偶然在某个地方看到的案例，图片也只有1张，而且是halcon实现的代码，本人对halcon不懂。于是在好奇心驱使下，使用opencv c++去实现一下。后面对检测出的缺陷部分还应该有后续的处理，但这里就省去了。在此主要是记录思想，思想是第一位的。 原图案例中仅有的1张原图（原始图是6000x5000，很大，无法在博客上传原图），其有损保存图如下： 1 实现说明 代码主要展示了3种方法，其本质都是阈值分割： 1）普通平滑 2）频域平滑（涉及傅里叶变换
基于深度学习的纸板缺陷检测识别系统——YOLOv10 + UI界面 + 数据集
最新发布
m0_52343631的博客
12-07 721
本系统的核心任务是自动检测纸板表面可能出现的缺陷，如划痕、孔洞、褶皱等。数据集准备：收集并标注纸板缺陷数据集。YOLOv10模型训练：基于纸板缺陷数据集训练YOLOv10目标检测模型。缺陷检测：使用训练好的YOLOv10模型进行实时检测。UI界面开发：使用PyQt5开发用户界面，方便用户查看实时检测结果。PyQt5是一个强大的Python库，可以帮助开发人员快速构建图形用户界面。在本项目中，PyQt5将用于创建一个简单的界面，让用户能够轻松上传图像，并查看纸板缺陷的检测结果。
halcon表面检测5——如何检测高纹理图像中的Mura缺陷
weixin_45590420的博客
03-03 823
*此示例显示了如何检测高纹理图像中的Mura缺陷 * dev_close_window () dev_update_off () Path := 'lcd/mura_defects_texture_' read_image (Image, Path + '01') get_image_size (Image, Width, Height) dev_open_window (0, 0, 640, 480, 'black', WindowHandle) set_display_font (WindowHan.
Halcon 光度立体法应用（二）——皮革表面缺陷检测
ZiLiangQin的博客
11-13 2686
Halcon 光度立体法应用——皮革表面缺陷检测 如果想深刻、系列的了解光度立体法，建议根据博客顺序观看。在这个例程中将会介绍通过光度立体法生成的图像应用场景。 总体代码注释说明 * 此例程介绍的是利用光度立体法对皮革样品表面进行缺陷检测。 * * 程序初始化 dev_update_off () dev_close_window () dev_open_window (0, 0, 640, 480, 'black', WindowHandle) set_display_font (WindowHandle
毕业设计：基于卷积神经网络的皮革缺陷识别检测系统
毕设帮助,疑难解答,欢迎打扰!
03-17 1073
毕业设计：基于卷积神经网络的皮革缺陷识别检测系统利用深度学习算法和图像处理技术，实现对皮革图像中各种缺陷的准确识别和检测。我们采用了卷积神经网络模型，并通过大量的皮革缺陷图像进行训练和优化，提高了系统的识别准确率和稳定性。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。无论您对深度学习技术保持浓厚兴趣，还是希望探索机器学习、算法或人工智能的领域的同学，该课题将为您提供灵感和指导。
halco实例教程之皮革划痕检测
Chailiren的博客
10-18 714
缺陷检测是机器视觉检测中难度最高的项目，但是如果跟客户充分沟通好缺陷检测的种类以及使用场合，缺陷检测的项目未必都是无法企及的。 本文将总结一下缺席检测的基本步骤： 1.背景分割 将被检测区域分割出来即ROI区域 2.图像预处理 采用灰度拉伸、高斯滤波等进行图像预处理 3.缺陷分割 缺陷分割常用的方法有动态阈值分割和傅里叶变换 4.缺陷筛选 通过分割区域的几何特征筛选出缺陷 后文是几个缺陷检测项目的源码，请自行下载。 1.皮革划痕缺陷检测 算法内容： 采用动态阈值分割以及傅里叶变换的方法检测皮革划痕缺陷。 原
图像就是一切--实时的皮革缺陷检测系统
小白学视觉
03-10 661
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达皮革分级对于确定其价值至关重要，但是这个过程是复杂的，劳动密集型的并且容易出现人为错误。中央皮革研究所的Malathy Jawahar解释了如何使用基于人工神经网络的图像处理技术来实现智能的实时皮革缺陷检测系统。检验质量对于评估皮革的有效切割价值非常重要。作为一种天然材料，其质量因固有的变化而变化。皮革或皮革的价格与选择有很大...
划痕缺陷检测
07-03
基于opencv3的划痕缺陷检测，分辨效率高，代码清晰明了。
基于Matlab编写的褶皱识别系统
2301_79810943的博客
06-01 669
一、项目背景与意义在纺织、皮革、纸张等行业中，产品表面的褶皱是评估其质量的重要指标之一。然而，传统的人工检测方法不仅效率低下，而且容易受到人为因素的影响。因此，开发一种能够自动、准确识别产品表面褶皱的系统对于提高生产效率和产品质量具有重要意义。本项目基于Matlab平台，利用图像处理和计算机视觉技术，设计并实现了一个褶皱识别系统。二、系统设计图像采集与预处理：采集包含产品表面的图像数据，并进行预处理操作，如灰度化、去噪、对比度增强等，以改善图像质量，便于后续处理。
OCR文本识别-褶皱与卷曲
qq_44950283的博客
10-28 681
其它的像卷曲没那么严重，褶皱等“准确率”都很高。耗时：1.587s(v2) / 0.750s(v3)耗时：1.199s(v2) / 1.020s(v3)耗时：0.862s(v2) / 0.627s(v3)耗时：1.026s(v2) / 0.494s(v3)耗时：1.049s(v2) / 0.443s(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) /1.00(v3)
毕业设计-基于深度学习的皮革瑕疵识别检测算法系统 YOLO python 卷积神经网络 人工智能
2301_79555157的博客
12-21 1260
毕业设计-基于深度学习的皮革瑕疵识别检测算法系统"的计算机毕业设计。皮革制品在时尚、家具和汽车等行业中广泛应用，但瑕疵的存在可能导致产品质量下降和经济损失。传统的皮革瑕疵检测方法通常依赖于人工视觉，耗时且受主观因素影响。为了解决这一问题，本文提出了一种基于深度学习的皮革瑕疵识别检测算法系统，旨在实现对皮革制品的自动化瑕疵识别。该系统利用深度学习技术，结合图像处理和模式识别技术，能够从皮革图像中准确地检测和识别各种瑕疵，如划痕、裂纹和色差等。该系统在不同类型的皮革制品上表现出卓越的瑕疵识别能力。
halcon 皮革纹理表面缺陷检测
长春小佛爷的博客
01-23 1798
*获取图像大小 get_image_size (Image, Width, Height) *将图像转化为频域图像 rft_generic (Image, ImageFFT, 'to_freq', 'none', 'complex', Width) *生成一个高斯滤波核 gen_gauss_filter (ImageGauss, 50, 50, 0, 'n', 'rft', Width, Height) *将频域图像核高斯滤波核进行卷积运算 convol_fft (ImageFFT, Image...
halcon缺陷检测学习7皮革·凹痕、磨损、刮伤缺陷inspect_leather_photometric_stereo
mlxg99999的博客
12-22 1699
本程序演示了使用光度立体技术对皮革样品的检查。 *输入4张皮革样本的图片，光线来自不同的方向。 初始化 dev_update_off () dev_close_window () dev_open_window (0, 0, 640, 480, ‘black’, WindowHandle) *打开窗口 set_display_font (WindowHandle, 14, ‘mono’, ‘true’, ‘false’) *设置字体 Message := ‘用光度立体法检查皮革样本’ disp_..
缺陷检测之划伤检测
Y忍冬草
09-06 1万+
1、代码 本程序演示了如何通过频域滤波检测非均匀照明表面的缺陷(划痕)。 首先，创建一个合适的带通滤波器。然后对输入图像进行傅里叶变换，在频域中进行滤波，增强高频信息。最后将其转化为空间域，对增强后的缺陷进行形态学后处理。 * 关闭更新 dev_update_off () dev_close_window () * 读取图像 read_image (Image, 'surface_s...
Halcon学习笔记之缺陷检测
好好奋斗的青年的博客
12-08 4317
参考文件 ：Halcon学习笔记之缺陷检测://www.cnblogs.com/sleepwalker/p/3625449.html
机器视觉表面缺陷检测综述
热门推荐
u013912006的博客
01-02 12万+
转自：http://www.cjig.cn/html/jig/2017/12/20171202.htm#b22 机器视觉表面缺陷检测综述 《中国图像图形学报》 Tang B, Kong J Y, Wu S Q . Review of surface defect detection based on machine vision[J]. Journal of Image an
深度学习异常检测_深度few-shot异常检测
weixin_35662171的博客
01-28 4100
入门, 利用一些标记的异常实例执行异常通知的异常检测由于缺乏大规模的标记异常数据，现有的(深度或浅度)异常检测方法通常被设计为无监督学习(针对完全未标记的数据进行训练)或半监督学习(针对仅标记的正常数据进行训练)。结果，当在许多现实世界中的异常检测应用中可获得这样的信息时，他们难以利用先验知识(例如，一些标记的异常)。这些有限的标记异常可能源自已部署的检测系统，例如一些成功检测到的网络入侵记录，也...
深度学习之瑕疵缺陷检测
06-20 2万+
先附一些参考文章，后续再更新： https://blog.csdn.net/u012968002/article/details/81976612 https://blog.csdn.net/dlh_sycamore/article/details/87886198
深度学习铝片表面缺陷检测数据集介绍
资源摘要信息:"本数据集包含四百多张铝片表面的图片，适用于训练深度学习模型以检测铝片表面的缺陷。每个图片都附带标注信息，标注信息遵循COCO数据集格式标准。这个数据集对于研究和开发表面检测技术、提升铝片生产...
评论
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