2020年传感器行业十大预测总结复盘,预测成真还是无情打脸?
318
2024-01-27
现代制造业对产品外观表面质量要求日益严格,表面质量不仅影响产品本身外观形象,更有可能影响产品本身的功能特性,给企业造成重大损失传统的人工外观表面质量检测已无法适应现代化的高速生产线,迫切需要与之配套的自动化检测设备。
机器视觉技术的不断发展与广泛应用,为表面质量检测提供了有力技术支撑它相对于肉眼检测具有更高的精确度,更加快速,表面质量检测是采用先进的机器视觉检测技术,对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。
通过CCD线阵相机对产品外观表面进行图像扫描,将图像传输给专用的图像处理软件进行分析判断基于机器视觉技术的表面质量检测系统能够实现对于薄膜、金属、无纺布、纸张等表面的斑点、划痕、色差、缺损等微小缺陷进行精确、高速、在线外观表面质量检测,实现了生产线和在线检测的无缝对接。
基于机器视觉的表面缺陷在线检测系统,其技术要求主要是实时性、准确性和可靠性,因此相应的算法研究和软件设计必须围绕这些要求展开 实时性,是指检测系统的采集图像速度能够满足机构的运行速度,并且能在每帧图像的采集时间内完成数据的传输、存储、分析处理及结果输出。
由此要求检测算法的运行速度必须足够快,软件流程尽量简洁 所谓准确性,是指检测系统所采用的图像算法应能对所采集图像中的不同类型缺陷在给定精度条件下都能准确检出,并且不发生误检现象所谓可靠性,是指检测系统的算法和软件要具有鲁棒性,即能长时间运行并保证得到正确结果,而软件需要在满足算法目标的同时。
从现有技术水平看,外观表面缺陷视觉检测技术存在以下主要问题,需采取相应的解决办法 1、图像采集质量有待提高对众多缺陷的产生机理和外在表现形式的综合知识不足,使得缺陷不能更明显地显示在图像中,所以对优化组合光源的照明方法和检测光路配置需要深入探索,以便提高对表面微小和低对比度缺陷的显现能力。
2、图像处理和缺陷识别缺乏通用的硬件平台和软件专用算法图像处理和模式识别是机器视觉检测的关键性技术,采用图像处理技术时,要研究如何能在背景不稳定的图像中把异常的缺陷有效分割出来,并量化为图像缺陷特征。
采用模式识别技术时,需要充分融合现有的分类识别技术、缺陷产生机理和人工经验规则,进一步提高分类的准确度 3、在生产系统中,不能充分整合、利用缺陷数据对缺陷数据需要进一步挖掘和利用,使专业人员可以根据检测结果分析缺陷产生的原因,并作为划分产品质量等级的依据,帮助生产决策者根据质量要求控制产品的产出流程。
机器视觉检测作为表面缺陷检测的主流技术,在图像获取、处理、缺陷分类和缺陷信息利用等方面上存在不足,有待进一步深入研究以达到系统的实用化要求系统硬件的不断发展将为改善图像质量和提高图像处理效率打下基础,为建立通用的硬件平台和软件专用算法提供保障。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~