基于機(jī)器視覺(jué)的一次性紙杯缺陷自動(dòng)檢測(cè)

時(shí)間：2020-06-28作者：西安獲德圖像技術(shù)有限公司瀏覽：159

西安獲德圖像技術(shù)有限公司專注于疵點(diǎn)檢測(cè),表面檢測(cè),缺陷檢測(cè)等

• 詞條

  詞條說(shuō)明

• 基于機(jī)器視覺(jué)的玻璃纖維布表面缺陷檢測(cè)

  在生產(chǎn)織造過(guò)程中，玻璃纖維多軸向織物*受到生產(chǎn)工藝、環(huán)境及人為等因素造成織物表面有污紗、毛團(tuán)、斷紗等缺陷，這些問(wèn)題不但給企業(yè)帶來(lái)了一定的經(jīng)濟(jì)損失較嚴(yán)重的是對(duì)企業(yè)的形象造成影響。針對(duì)此問(wèn)題，西安獲德集合多年在機(jī)器視覺(jué)工業(yè)檢測(cè)領(lǐng)域經(jīng)驗(yàn)研發(fā)了一套整體解決方案——多軸向異物在線檢測(cè)系統(tǒng)。該視覺(jué)檢測(cè)系統(tǒng)不僅為客戶提高了纖維布表面的質(zhì)量檢測(cè)效率，降低了操作人員檢測(cè)強(qiáng)度，同時(shí)也減少了客戶投訴。 其特點(diǎn)如下：

• 使用深度學(xué)習(xí)實(shí)現(xiàn)工業(yè)異常檢測(cè)

  工業(yè)缺陷可視為工業(yè)產(chǎn)品的外觀 “異常”，因此有部分工業(yè)缺陷檢測(cè)方法采用了異常檢測(cè)的思路。然而異常檢測(cè)的定義與工業(yè)缺陷檢測(cè)是有所區(qū)別的。具體而言，異常檢測(cè)的概念較加廣泛與抽象, 其中圖像異常檢測(cè)主要關(guān)注輸入圖像是否為異常實(shí)例，而工業(yè)缺陷檢測(cè)較關(guān)注像素層面的檢出任務(wù)。在像素層面上，異常與正常模式的差別較加細(xì)微，檢測(cè)難度也大幅增加，因此直接使用異常檢測(cè)方法難以滿足工業(yè)缺陷檢測(cè)的任務(wù)需求。近年來(lái), 深度學(xué)

• 利用OpenCV識(shí)別玻璃纖維織物劈縫缺陷

  玻璃纖維織物是經(jīng)編多軸向織物，由一層或多層平行的紗線按照盡可能多的方向交錯(cuò)而成的?？椢锞哂幸欢ǖ拿軐?shí)度和厚度，顏色一般為白色，生產(chǎn)時(shí)的質(zhì)量缺陷主要為劈縫缺陷，在線生產(chǎn)速度為2m/min，幅寬一般為2.5m左右，檢測(cè)精度要求為0.5mm。 本文根據(jù)生產(chǎn)實(shí)際狀況，搭建了玻纖織物缺陷在線檢測(cè)系統(tǒng)平臺(tái)如圖1所示。由圖可以看出，工業(yè)相機(jī)、鏡頭及光源組成了機(jī)器視覺(jué)檢測(cè)系統(tǒng)的圖像采集模塊。本次研究采用了全局曝

• 機(jī)器視覺(jué)+人工智能 高效解決管紗外觀檢測(cè)難題

  ??玻纖細(xì)紗經(jīng)過(guò)捻紗機(jī)后，形成一個(gè)個(gè)的管紗，管紗需要經(jīng)過(guò)去皮，測(cè)量Tex，外觀檢測(cè)，稱重，包裝等環(huán)節(jié)，才能夠出廠。人工檢測(cè)易受到主觀因素影響，造成人力、物力的較大浪費(fèi)。西安獲德結(jié)合多年在玻纖行業(yè)視覺(jué)檢測(cè)經(jīng)驗(yàn)，對(duì)管紗外觀質(zhì)量做了專業(yè)的成像檢測(cè)方案，經(jīng)由大數(shù)據(jù)人工智能方式對(duì)其缺陷進(jìn)行深度學(xué)習(xí)，達(dá)到高速精準(zhǔn)的缺陷分類。 ??檢測(cè)缺陷：360°無(wú)死角的在線檢測(cè)管紗毛羽、毛圈、毛夾、污漬等。 ??檢測(cè)難點(diǎn)：