深度学习玻璃瑕疵检测

最新推荐文章于 2024-05-03 13:58:59 发布
最新推荐文章于 2024-05-03 13:58:59 发布
阅读量1.6k 收藏 2
点赞数
文章标签： 人工智能 深度学习 机器学习 编程语言 自动驾驶
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_46373675/article/details/104482087
版权
本文介绍了利用GalileoX软件进行汽车玻璃的深度学习检测，通过提取丝印区进行精确的缺陷识别，实现快速且准确的检测效果。
摘要由CSDN通过智能技术生成

使用GalileoX软件
在正常实施项目中，尝试在汽车玻璃上做深度学习检测，提取部分丝印区部分进行检测。效果如下：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
精准的找到对应缺陷的问题，使用深度学习技术检测，快速有准确。
在这里插入图片描述

#深度学习#
④O-①⑧①⑧-⑨④O

最低0.47元/天 解锁文章
基于Yolov5的玻璃瓶盖缺陷检测
03-29 1185
采用Yolov5对玻璃瓶盖进行缺陷检测，做到工业落地部署，该任务相对来说在工业界较为简单，性能也能够满足客户要求，做到漏判≤0.01%，误报≤0.5%，交付成功；
halcon缺陷、污点检测案例
04-19
halcon划痕缺陷检测、表面污点检测、油污检测经典案例
Halcon 深度学习缺陷检测
最新发布
weixin_45672157的博客
05-03 1260
必须要有Good或者是OK文件夹做标注,剩下两个为逻辑异常和结构异常。已经用 DLT做好标注，训练，和评估，只需修改推理代码。点击检查选择good可以获取所有good图像的照片。> 点击创建训练点击保存更改。通过阈值可以调整判定的区间。滑动热图可以看出误判结果。设置完成后点击开始训练。
图像条纹检测 python_机器视觉系统应用之—玻璃表面缺陷检测
weixin_39707536的博客
11-20 940
传统的玻璃质量检测主要采用人工检测的方法；人工检测不仅工作量大，而且容易受检测人员主观因素的影响，容易对玻璃表面缺陷造成漏检，尤其是变形较小、畸变不大的夹杂缺陷检测，极大降低了玻璃的表面质量，从而不能够保证检测的效率与精度。 目前，玻璃缺陷监测系统主要是利用激光检测和摩尔干涉原理的方法。激光检测容易受外界干扰，影响检测精度。摩尔干涉原理由于光栅内的莫尔条纹比较细，为保证莫尔条...
玻璃划伤检测
好习惯成就伟大
06-18 2540
对算法进行了一些改进，但其实还有很多小的划痕没标出来 dev_close_window () dev_open_window (0, 0, 512, 360, 'black', WindowHandle) * Image Acquisition 01: Code generated by Image Acquisition 01 read_image (Image, '13_284...
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 1542
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_..
行业分类-物理装置-一种曲面玻璃瑕疵检测方法.zip
09-09
标题中的“行业分类-物理装置-一种曲面玻璃瑕疵检测方法”揭示了这个主题主要涉及的是工业制造领域，特别是物理设备部分，特别是针对曲面玻璃的品质控制技术。描述中的内容与标题一致，进一步强调了这是一个关于曲面...
手机屏幕表面缺陷检测数据集-含1600张高质量真实采集缺陷图片+已进行Mask标注-可用于深度学习算法训练.zip
04-21
手机屏幕表面缺陷检测数据集_含1600张高质量真实采集缺陷图片+已进行Mask标注_可用于深度学习算法训练
使用深度神经网络的基于视觉的手机盖板玻璃缺陷检测
03-29
基于视觉的手机盖板玻璃缺陷检测是一个涉及图像处理技术、深度学习算法、以及自动化生产流程的技术领域。手机盖板玻璃作为手机的外观部件，其表面的瑕疵和缺陷会影响产品的整体质量，因此，检测这些缺陷是制造业质量...
缺陷检测方法 halcon
weixin_43124720的博客
03-26 6115
缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一，基本都是套用一些成熟的算子，所以门槛较低，比较容易做成标准化的工具。而缺陷检测极具行业特点，不同行业的缺陷算法迥然不同，常见的是对物品表面缺陷的检测，比如工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。
基于机器视觉的玻璃缺陷检测技术
01-12
缺陷检测是玻璃生产技术的重要环节，影响着产品质量和生产效率。设计了一种玻璃缺陷自动检测系统：采集玻璃图像信息并传输至计算机，对其进行了图像滤波，图像分割，轮廓提取，缺陷分类等运算，得到缺陷位置，大小等信息，实现玻璃缺陷的检测。针对图像处理中手动确定阈值的方法的不足，设计了自动阈值算法。实验表明，这种算法对不同成像质量照片的适应性较强，提高了玻璃缺陷检测的准确率。
Halcon3D表面平面度和缺陷检测-平面矫正法
m0_51559565的博客
03-30 1694
我的上一篇博客针对了对常见的平面度检测的方法——平面差值法做了简单的讲解。但是我也提到平面差值法有诸多的缺点，如无法定位异常位置，无法忽略噪点的影响等。所以现在使用平面矫正法可以有效的避免上述情况在文章开头，我写上了一篇使用平面差值法的平面度检测，他们互相的差距在于，平面差值法更简单，适用于条件良好的产品，或者无法进行平面矫正的产品。但是通常情况来说，使用平面矫正法是最为常见的表面度检测和平面缺陷检测。
halcon——缺陷检测常用方法总结(特征训练）
明月清风@的博客
06-16 4825
引言 机器视觉中缺陷检测分为一下几种： blob分析+特征 模板匹配(定位)+差分：halcon——缺陷检测常用方法总结(模板匹配(定位)+差分) - 唯有自己强大 - 博客园 (cnblogs.com) 光度立体：halcon——缺陷检测常用方法总结(光度立体) - 唯有自己强大 - 博客园 (cnblogs.com) 特征训练 测量拟合：halcon——缺陷检测常用方法总结(测量拟合) -...
halcon 圆环类缺陷检测的一种方法（极坐标变换法）
CSDN博客
03-07 1万+
圆环缺陷检测，极坐标变换，极坐标反变换，反极坐标变换，halcon缺陷检测，inspect_bottle_mouth.hdev，polar_trans_image_ext（针对图像），polar_trans_region（针对区域），polar_trans_contour_xld（针对XLD轮廓），polar_trans_image_inv（针对图像），polar_trans_region_inv（针对区域），polar_trans_contour_xld_inv（针对XLD轮廓）
用改进的YOLOv5与openvino来做触摸屏玻璃盖板缺陷检测项目01
niuhongchaochao的博客
03-20 1048
最近接了一个触摸屏玻璃盖板缺陷检测项目，计划用YOLOv5与openvino来完成此项目，全程用python语言，界面开发用pyqt5，第一次正式开始进行工业部署（目前针对大型玻璃盖板的检测，比较匮乏）。 1、首先根据缺陷确定检测精度需求，以及盖板的宽度确定分辨率，一般要求缺陷的像素至少3个，因此根据公式：长度除以精度，再乘以像素个数，选用1200万像素的海康CMOS相机。 2、光源选择：对于透光的玻璃，计划采用面光源与条形光源结合的方案，利用背光源检测如划痕，崩边，透光等缺陷，利用条形光源正面斜射光来检测
CVPR2020 | 真实场景中的玻璃检测，有趣的应用
AI算法修炼营的博客
06-11 3812
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达本文是我在浏览CVPR2020文章中发现的一篇有趣的有关玻璃检测的文章，平常很少有人关注玻璃检测有关的任务，可以说是开...
瑕疵检测（深度学习）
u010628894的博客
12-04 6099
与通用目标检测的区别 相较与整张图片瑕疵区域的占比一般非常小，Faster R-CNN等检测模型对小物体检测不够好 深度学习从低层到高层不断去提炼高层语义信息，层数的增大细节的信息丢失得越多，对于缺陷检测细节是很重要的东西 瑕疵图片占整体图片比数据量较少 公开数据集与项目 https://blog.csdn.net/sinat_17456165/article/details/106866463?utm_medium=distribute.pc_relevant.none-task-blog-Bl
深度学习之瑕疵缺陷检测
热门推荐
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
深度学习基础 - 对象检测（CNN+滑窗+YOLO）
Snoopy_Yuan技术部落格
04-20 6777
本文以自动驾驶场景下的对象检测（Object Detection）为研究对象，学习理解滑窗卷积和YOLO等内容。 1.对象检测 对象检测（Object Detection）的目的是”识别对象并给出其在图中的确切位置”，其内容可解构为三部分： 识别某个对象（Classification）； 给出对象在图中的位置（Localization）； 识别图中所有的目标及其位置（Detecti...
halcon 深度学习 瑕疵检测源代码
10-20
Halcon深度学习瑕疵检测源代码是一种用于检测产品瑕疵的计算机软件源代码。Halcon是一种用于工业视觉应用的强大的图像处理工具，它提供了丰富的图像处理函数和算法。 深度学习瑕疵检测源代码使用了深度学习技术来进行瑕疵的自动检测。深度学习是一种机器学习的分支，它通过构建多层神经网络来模拟人脑的神经元网络，从而实现对复杂数据进行分类和识别。 在瑕疵检测方面，深度学习源代码首先需要进行数据准备和预处理。这包括采集和标记一定数量的带有和不带有瑕疵的产品图像，然后将这些图像进行预处理，例如裁剪、缩放和灰度化等。 接下来，深度学习源代码要构建和训练一个深度学习模型。模型的构建包括定义神经网络的结构，选择适当的网络层数、神经元数量和各层之间的连接方式等。然后，使用已经准备好的数据集对模型进行训练，让模型学习瑕疵的特征和模式。 训练完成后，深度学习源代码可以用于对新的产品图像进行瑕疵检测。通过将产品图像输入已经训练好的深度学习模型，模型会输出一个预测结果，指示该产品是否存在瑕疵。对于存在瑕疵的产品，可以通过源代码给出的结果进行分类或标记。 总之，Halcon深度学习瑕疵检测源代码提供了一个完整的瑕疵检测解决方案，可以通过构建和训练深度学习模型来实现自动检测和分类瑕疵。这样的源代码能够帮助企业提高产品质量和生产效率，减少人工检测的工作量和错误率。
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