為了實(shí)現(xiàn)外觀(guān)缺陷自動(dòng)檢測(cè),研究了基于機(jī)器視覺(jué)技術(shù)的外觀(guān)缺陷檢測(cè)系統(tǒng)。首先針對(duì)外觀(guān)缺陷圖像特點(diǎn),分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實(shí)現(xiàn)了外觀(guān)缺陷快速、準(zhǔn)確分割;然后通過(guò)分析外觀(guān)缺陷特點(diǎn),分別從形狀、顏色和紋理共選取了12個(gè)類(lèi)別差異明顯的特征參數(shù),提取了外觀(guān)缺陷特征;后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類(lèi)器,根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀(guān)缺陷分類(lèi)應(yīng)用中的不足,通過(guò)改變收斂標(biāo)準(zhǔn)、自適應(yīng)調(diào)整步長(zhǎng)和引入動(dòng)量項(xiàng)以?xún)?yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類(lèi)效果。



為解決食品生產(chǎn)過(guò)程中產(chǎn)品殘缺問(wèn)題,研究了一種基于機(jī)器視覺(jué)的缺陷檢測(cè)方法,以餅干為樣本進(jìn)行了實(shí)驗(yàn)分析。首先構(gòu)建實(shí)驗(yàn)系統(tǒng),對(duì)單目攝像機(jī)進(jìn)行標(biāo)定,利用標(biāo)定所得參數(shù)對(duì)圖像進(jìn)行畸變校正;然后對(duì)校正后所得圖像進(jìn)行圖像分析處理;后對(duì)處理完成圖像進(jìn)行區(qū)域檢測(cè),得到檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明:以該方法進(jìn)行餅干缺陷檢測(cè)成功率可達(dá)98.67%,并滿(mǎn)足高精度、實(shí)時(shí)性的要求,為今后食品缺陷檢測(cè)提供一定的參考方向。



對(duì)比現(xiàn)有大輸液藥品可見(jiàn)異物人工檢測(cè)方法,在線(xiàn)視覺(jué)自動(dòng)檢測(cè)具有巨大優(yōu)越性,為此,本文設(shè)計(jì)了一套用于瓶?jī)?nèi)藥液異物檢測(cè)的視覺(jué)系統(tǒng).首先研究了檢測(cè)系統(tǒng)的機(jī)械與電氣控制結(jié)構(gòu),開(kāi)發(fā)了面向高速高精度生產(chǎn)線(xiàn)的圖像獲取裝置;然后,基于圖像中藥液內(nèi)異物運(yùn)動(dòng)軌跡的連續(xù)性,利用序列圖像提取出圖像中的運(yùn)動(dòng)信息,在此基礎(chǔ)上,使用改進(jìn)的Mean shift跟蹤算法實(shí)現(xiàn)了可見(jiàn)異物的檢測(cè)識(shí)別;后選用100ml葡萄糖大輸液進(jìn)行在線(xiàn)測(cè)試,檢測(cè)系統(tǒng)分辨率達(dá)到了國(guó)家藥典的檢測(cè)要求,系統(tǒng)運(yùn)行準(zhǔn)確率近95%,在線(xiàn)自動(dòng)化視覺(jué)檢測(cè)方法能很好滿(mǎn)足生產(chǎn)線(xiàn)的要求.