瑕疵检测

摘要： 针对布匹瑕疵自动化检测,基于传统的机器视觉方法依赖于人工设计特征,对具有复杂背景图案的花色布瑕疵特征提取难度非常大,因此提出一种基于改进Faster R-CNN(faster region with convolutional neural network)的花色布瑕疵检测算法。在Faster R-CNN的基础上使用Resnet-50作为主干网络,嵌入可变形卷积来提高瑕疵特征的学习能力。通过设计多尺度模型来提高小瑕疵的检测,引入级联网络来提高瑕疵检测精度和定位准确度,构造优化的损失函数来降低样本不平衡影响。通过试验验证了该算法的有效性。结果表明,瑕疵检测效果准确率达94.97%,并能精准定位瑕疵位置,可满足工厂的实际需求。

摘要： 长久以来,布料的瑕疵检测工作一直由质检员完成,瑕疵判别过程受主观因素影响大,存在检测效率低、成本高等问题。随着计算机视觉技术的发展,基于视觉技术的布料瑕疵检测系统逐渐成为取代人工质检的重要解决方案。针对基于视觉技术的布料瑕疵检测,从行业发展情况、通用检测标准、系统整体结构、检测算法的关键技术等方面进行了综述,介绍了目前市面上已经存在的基于视觉技术的布料瑕疵检测产品,分析了目前常用的瑕疵检测标准与检测系统的基本结构,梳理并对比了近年来图像处理与深度学习技术在布料瑕疵检测领域的研究现状。最后,总结了各方面尚待解决的关键问题,并探讨了未来可能的发展方向。

摘要： 针对目前棉布瑕疵检测算法存在精度不够高的问题,基于高效的EfficientDet目标检测模型,结合通道注意力机制,提出了一种棉布瑕疵检测模型CA-EfficientDet,通过注意力机制在特征提取时关注重要的信息;此外,提出了改进的BiFPN特征融合策略,增加了不同层级的特征融合,提高了多尺度特征融合的效率.在棉布瑕疵企业样本及公开数据集上的实验结果表明:所提出的棉布瑕疵检测模型在精度上有明显提升,具有良好的目标检测效果.

摘要： 本文以深度学习网络模型为基础,使用Python语言分析所要研究的数据集,确定采用的处理方式是对VGG-16预训练模型的数据全连接层进行微调,核心问题是要分析修改最后一层全连接层,训练自己的分类器。考虑到瑕疵相对于手机屏幕过小会影响神经网络学习,本文对工业相机采集到的手机屏幕图片进行切割处理,从而达到优化算法的目的。最后在保证世代数为100的前提下,通过设置不同的学习率,对传统算法、瑕疵分类算法以及进行数据切割处理之后的算法进行准确率的分析比较。

摘要： 为提升织物瑕疵检测准确率,避免出现漏检或误检,提高织物检测智能化程度,提出基于视觉显著性与RBF神经网络融合的织物瑕疵检测方法,将织物图像经中值滤波降噪后,通过织物瑕疵区域对比度、纹理粗糙度和纹理方向的异常显著性模型计算获得显著图,并经RBF神经网络训练获得的映射函数和网络特征字典重构织物图像提取特征,之后采用最大熵自动阈值法定位分割,有效获得织物瑕疵检测结果。实验结果表明:此方法能实时有效对多种异常特征较弱的织物瑕疵进行检测,适应性强,检测准确率大幅提升,能满足实际工业织物瑕疵检测要求。

摘要： 针对传统电动桥铸件瑕疵检测方法普遍存在效率低、检测精度低、人工成本高等问题,文章将优化深度学习方法应用于铸件表面瑕疵检测中,实现瑕疵自主精确检测识别。依据铸造厂待检测铸件表面特征,对铸件图像进行了前期图像预处理;同时,基于优化网络模型结构,采用残差网络(Res-Net)与特征金字塔网络(FPN)构成的骨干结构,进行全图特征提取;采用区域建议网络(RPN)生成大量特征建议区域,经非极大值抑制(NMS)处理后,分别输入全连接层与全卷积完成检测任务;运用TensorFlow深度学习框架搭建模型,并采用迁移学习提高模型的泛化能力,实验结果显示,优化后的模型整体性能优于原始模型。

摘要： 基于卷积神经网络的织物图像识别技术具有自主学习、准确率高和适用性广的优点,已被广泛应用于纺织工业生产中。本文面向纺织领域详细综述了基于卷积神经网络的疵点分类、瑕疵检测、图像分类、图像分割技术的具体应用和研究进展,总结了各种网络结构的改进点和优缺点,同时就目前存在的问题及未来研究方向进行了展望。随着网络结构的不断优化,图像识别方法对实时性和精确性各有侧重,但其鲁棒性和适用性仍有较大的发展空间,有待做进一步研究。

摘要： 烟草行业对于卷烟成品的外观质量具有较高的要求,传统的烟草外观检测办法包括人工目测和传统机器视觉检测,由于卷烟品牌、子品牌日益增多,人工目测工作量剧增,而传统的机器视觉检测需要对每一类产品做标样,不能实现智能化的外观检测。深度学习检测技术可以显著简化瑕疵检测和缺陷检查,基于样本图像,算法可以训练各种各样的瑕疵和缺陷类型,然后可靠地识别它们。通过专门设计的卷烟产品传送机械,稳定采集卷烟成品图像,利用改进的深度学习算法进行高效瑕疵判定。基于深度学习算法的品质检测研究和探索,对于卷烟生产上的众多外观质量检测装置具有重大的指导意义。

摘要： 针对传统纺织生产中瑕疵检测精度低、速度慢和模型太大影响部署等问题,提出一种基于改进型SSD(single shot multiBox detector)网络的织物瑕疵检测算法。将RepVGG网络融合SE(squeeze-and-excitation)模块,提出SE-RepVGG网络作为SSD的主干网络;在增强网络特征提取能力的同时,采用结构重参数化方法大幅减少网络的参数量和计算量,以改善实时检测性能;利用深度可分离卷积代替传统卷积,设计DCS(deconvoution-and-squeeze)模块构建SSD的辅助网络,以进一步降低网络计算量;利用K-means聚类算法调整先验框比例,以提升检测精度。实验结果表明,相比原始SSD网络,算法在检测精度上mAP提高34.47%,达到96.96%,网络参数量减少13.01 MB,检测速度为47 F·s^(-1),满足工业实时检测需求。

摘要： 瑕疵检测是纺织品生产过程中的重要一环,直接影响产品销量。文章提出了一种基于图像处理的无图案纺织品瑕疵检测方法,主要由预处理、阈值检测和瑕疵定位3个部分组成,首先,对无图案纺织品图像进行预处理操作,通过灰度直方图均衡化和中值滤波对无图案纺织品图像进行平滑去噪;其次,通过阈值处理,对无图案纺织品图像进行二值化处理,将无瑕疵区域看作背景、瑕疵区域看作前景;最后,对瑕疵区域进行特征提取,定位瑕疵并输出。实验表明,基于图像处理的无图案纺织品瑕疵检测方法能有效检测无图案纺织品中的瑕疵位置。

摘要： 钢珠生产工业的发展对钢珠的瑕疵检测性能提出了更高的要求.针对该问题,文章提出了基于数学形态学的瑕疵检测算法.首先进行形态学梯度运算,利用改进的Otsu阈值分割算法对形态学梯度图像进行分割,并针对图像特征提出椒盐亮噪声滤波器以排除噪声对瑕疵检测结果的影响.实验结果表明,本文算法与现有系统的方法相比,可以有效提高瑕疵检测性能。

摘要： 针对柔性材料如纺织物表面瑕疵视觉检测中,背景信息量过大导致需要提取的关键特征不明显的问题,利用焦点损失(focal loss)函数,构建视网膜神经网络(RetinaNet),快速滤去背景信息,从而更快得到特征信息,即表面瑕疵.使用focal loss的RetinaNet是近年来热门的one-stage神经网络模型,在前馈残差网络(ResNet)基础上使用特征金字塔网络(FPN)以生成丰富的多尺度卷积特征金字塔,可以快速获取所需特征,对提高柔性材料表面瑕疵检测速度具有重要意义.

摘要： 台湾粉末冶金件的发展趋势，是以高品质的产品为诉求来与全世界竞争，在提升品质的过程中，除了要不断对於制程与材料进行技术上的加强外，在产品出货前，对於品质的把关，也是非常重要的一环。在大量的产品出货时，依靠人工的方式既耗时且容易因为人为因素和疲劳等而造成错误。自动光学检测系统(Automated Optical Inspection，AOI)已成功地运用在多种产业的产品检测上。以往的自动光学检测技术皆应用於待检测物的平面部位，但是在直筒型检测物的外径表面，由於具有曲度，在景深过大的地方，会造成边缘影像模糊。rn 因此本研究透过光学元件设计，改善外径表面影像容易模糊的问题，并且搭配创新之工件夹爪机构与多颗CCD之组合，同时进行直筒工件上表面与测面之检测。rn 取得良好的表面影像後，利用检测软体即时进行瑕疵检测，为了提高瑕疵检测的速度与检测工件定位误差容忍度，本研究所发展的检测方法将分成二个阶段。第一阶段是属於光学系统校正。第二阶段则是线上的检测阶段，是根据工件的特微资讯，对待测的工件影像进行快速瑕疵检测。在检测效果上，可以快速有效检测出裂缝、色差与刮痕。

摘要： 纹理表面的瑕疵检测是机器视觉的一个重要研究课题,已经广泛用于各种产品表面质量控制.本文主要研究皮革制造业中皮革纹理表面的检测,并提出了一种有效的选取小波频带重建图像的纹理瑕疵检测方法.该方法首先应用小波基函数在较优的分解级数上对纹理图像进行分解,然后在最佳的分辨率级数上正确的选取平滑图像或者细节图像来重建图像.在重建图像中均匀纹理图案被有效的移除,仅仅保留了局部瑕疵区域,小波频带选取是基于小波系数的能量分布自动确定最佳重构参数.实验表明,该方法有效,可用于实时在线检测.

摘要： 以一个基于线阵CCD的玻璃生产线检测系统为硬件平台,重点研究了玻璃瑕疵的检测算法。首先提出了卡尔曼滤波器跟踪背景光强变化的方法,利用瑕疵在时间轴上造成的灰度突变来识别瑕疵的到来与结束,然后通过形态学的方法对瑕疵点的坐标进行定位,最后将玻璃瑕疵的位置坐标及其图像送至上位计算机进行分类处理.本文的算法已经固化于FPGA构成的实时处理系统中,实现了精度高达0.1mm的玻璃瑕疵实时检测.

摘要： 本申请提供了一种布料瑕疵识别模型的训练方法，包括：提供多个样本的基础数据，所述基础数据对应所述样本中已知布料瑕疵的轮廓；基于每个所述样本的所述基础数据获取多个训练数据；以及基于带有所述多个训练数据的所述样本对神经网络模型进行训练，以使得所述神经网络模型能基于所述样本输出与所述多个训练数据分别对应的多个轮廓识别数据。由于样本的基础数据对应样本中已知布料瑕疵的轮廓，多个训练数据对应基于样本中已知布料瑕疵的轮廓获得的多个训练轮廓，一个样本带有多个训练样本，基于带有多个训练数据的样本对神经网络模型进行训练，通过该训练方法，使得轮廓识别模型具有输入一个样本输出与多个训练数据的分别对应的多个轮廓识别数据的能力。

摘要： 本发明提供了一种基于机器视觉的瑕疵检测装置，包括视觉检测系统、背光系统、频闪控制器，所述背光系统包括第一光源和第二光源、光学架构，光学架构配置为反射率50％和穿透率50％；视觉检测系统与频闪控制器通讯连接，频闪控制器与第一光源和第二光源连接；第一光源和第二光源均为背光源，第一光源位于光学架构的后方，通过透射提供背光；所述第二光源位于光学架构的侧面，通过反射提供背光；通过两个光源安装位置的调节，从而所述第一光源和第二光源至视觉检测系统的相机的光线传播距离不同。本发明通过采用多层光学膜以及视觉检测系统的分类功能，使得原本双排相机达到的功能，用一排相机即可满足效果，实现了降低成本的目的。

摘要： 一种瑕疵检测方法及瑕疵检测装置，其中该瑕疵检测方法包括：输入一待测影像至一重建模型，重建模型输出一初始重建图；输入初始重建图至重建模型，重建模型输出一完整重建图；比对完整重建图与待测影像中对应的每个多个像素，以产生多个误差值；依据此些误差值产生一误差影像；以及输入误差影像至一回归模型，回归模型输出一瑕疵位置。

摘要： 本发明提供一种瑕疵检测系统及制品的瑕疵检测方法。在该方法中，取得制品图像及制造信息，将制品图像及制造信息输入至瑕疵侦测模型，并根据瑕疵侦测模型的输出结果判断制品的瑕疵。制品图像是对制品拍摄所生成，制造信息是制品在制造阶段的相关参数，且瑕疵侦测模型是基于机器学习算法所建构。藉此，可提升检测效率及准确性，并减少硬件资源浪费。

摘要： 本发明属于机器视觉检测和测量以及装备夹持领域，公开了一种机器视觉外观瑕疵检测装置，其包括：安装支架、检测装置、光源装置、夹持装置和调节装置，另外还公开了一种机器视觉外观瑕疵检测方法，本发明利用固定检测装置、镜头和光源，通过旋转轴改变产品的位置以及跟光源的相对角度，结构简单、检测效果不受光源角度限制、调整精度高、通用性好。

摘要： 本发明公开一种用于瑕疵检测的图像获取装置，包括检测箱、照明模块和摄像模块，待检测物品放置于检测箱中；所述照明模块和所述摄像模块安装于检测箱内侧壁上，且所述照明模块和所述摄像模块相对设置；所述照明模块的照射方向不直接指向待检测物品上表面，且所述照明模块通过检测箱内侧壁的漫反射照亮待检测物品上表面；所述摄像模块用于采集待检测物品的图像。本发明摄像模块侧面拍摄待检测物品的图像的设计克服了本领域正面采集待检测物品表面图像的技术偏见，本发明对照射方向的设计还克服了本领域中照明模块必须照向待检测物品的技术偏见，从而获得能够凸显划痕等瑕疵的产品图像。

摘要： 本发明公开了一种地毯表面瑕疵检测装置，包括机架，所述机架上设置有用于放卷地毯的放卷装置，机架上设置有若干个过渡导辊和一个检测支撑辊，放卷装置放卷的地毯卷绕在过渡导辊和支撑检测辊并被牵出，地毯在支撑检测辊的外侧弧面为检测面，机架上设置有光源和线扫描相机，该线扫描相机和光源正对，线扫描相机的拍摄方向线处于检测面的外侧，该拍摄方向线与检测面的最近点之间的距离小于设定瑕疵点的突起高度，该检测装置可以实现地毯瑕疵的检测，替代人工节省了人力，提高了检测效率。

摘要： 一种瑕疵检测方法、瑕疵分类方法及其系统，系统通过一或多个摄影机取得多个合格品的影像，以一计算装置接收合格品的影像后，执行一机器学习法，学习合格品的影像特征，建立用以描述合格品影像特征的一合格品模型，当取得一待测物的影像后，可应用此合格品模型取得待测物的瑕疵数据，根据系统设定的检测参数，对照待测物的影像中的瑕疵数据，可判断待测物是否为一瑕疵品。接着，各项瑕疵数据经确认为瑕疵，执行一深度学习法，以分类瑕疵。

摘要： 本发明涉及一种具有瑕疵分级功能的布匹瑕疵检测方法，包括以下步骤：首先要使用图像获取设备进行布匹图像数据的采集；然后对采集到的布匹图像进行相应的预处理操作；接下来就是进行布匹生产过程中的各种瑕疵的分类识别；最后要对已经检测到并分类完成的各种瑕疵类型再分别进行同一瑕疵类型的等级划分。本发明主要是增加了同类型瑕疵等级的分级机制，通过瑕疵分级可以将同类型瑕疵的相应等级分为轻微、中度和重度三个程度值，这样就可以对轻微、中度等级瑕疵的布匹采取对应的补救措施，对重度等级瑕疵的布匹采取报废处理，从而提高布匹生产的自动化生产效率，节省企业生产成本。

摘要： 本发明涉及一种纺织品织物表面瑕疵检测装置、检测系统及其检测方法，其中检测系统包括光源控制模块、图像采集模块、图像处理模块、显示模块及操控模块，光源控制模块与操控模块相连接，图像采集模块与图像处理模块及显示模块相连接，图像处理模块与显示模块相连接，显示模块与操控模块相连接。本发明通过卡尔曼滤波算法对灰度化处理后的图像进行0°、45°、90°及135°四个方向的滤波去噪，处理后的图像更加清晰特征值更加明显，为瑕疵点检测效率的提高提供了保障，并且采用7×7的线检测模板检测方法，提升织物瑕疵检测效率的同时也保证了瑕疵检测的正确率。