缺陷异常检测及定位性能评价指标–AUROC，PRO(per-region-overlap)异常检测/缺陷检测性能的评估对于异常检测性能的评估，以接收者特性曲线下方的面积AUROC(area under the receiver operating characteristic)作为评估指标。异常检测任务本质上是一项分类任务，而AUROC指标从原理上是根据混淆矩阵计算得出，如图为一个二分类混淆矩阵，
前言缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。1、A fast and robust convolutional neur
转载
2023-12-13 09:26:00
391阅读
# 深度学习中的缺陷检测：从入门到部署的完整指南
在现代工业生产中，缺陷检测是一个至关重要的环节。随着深度学习技术的飞速发展，越来越多的企业开始采用深度学习模型来实现自动化缺陷检测。本文将为刚入行的小白详细介绍深度学习缺陷检测的流程，并逐步教会你如何实现这一任务。
## 整体流程
以下是实现深度学习缺陷检测的基本步骤：
| 步骤 | 描述
通过不断创新，机器视觉系统为更快、连续和更有效的成像开辟了道路。因此，他们确保越来越简单和准确地识别人眼不可见的问题。在此过程中，缺陷检测一直是机器视觉和质量控制的核心。缺陷检测检测差异在基础上，这些系统使用相机和成像传感器来检测缺陷，包括线扫描、面扫描、扩展光谱和智能相机，以及高速帧采集器和 X 射线检测器面板。它们旨在在高速、高分辨率以及标准和更具挑战性的环境中有效运行。视觉处理器和软件然后使
转载
2024-01-12 13:11:59
57阅读
摘要缺陷检测是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：凹凸、污点瑕疵、划痕、裂缝、探伤等。 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。随着缺陷检测要求的提高，机器学习和深度学习也成了缺陷领域一个不可或缺的技术难点。
转载
2021-06-09 20:47:00
812阅读
一、缺陷检测综述 缺陷检测是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：凹凸、污点瑕疵、划痕、裂缝、探伤等。常用的手法有六大金刚（在halcon中的ocv和印刷检测是针对印刷行业的检测，有对应算子封装）：1.blob+特征（例如官方示例surface_scratch.hdev）2.blob+差分+特征3.光度立体4.特征训练5.测量拟合6.频域+空间结合 二、频
转载
2023-08-02 23:22:42
192阅读
随着薄膜电容器在新能源汽车、光伏领域应用增长，订单数倍于产能的盛况正在出现，低迷多年的上游电容薄膜企业也被成功带火，特别是可以量产应用于新能源车领域的电容薄膜企业。在薄膜的实际生产过程中，由于各方面因素的影响，薄膜表面会出现诸如空洞、蚊虫、黑点、晶点、划伤、斑点等瑕疵，且人眼往往不能及时准确地判断出来，严重影响了薄膜的质量，给生产商带来了不必要的损失，而国辰自研的薄膜表面缺陷检测系统能在线对生产过
缺陷检测相关论文阅读总结（记录自己读过的论文主要内容）Attention!!!点击论文题目即可访问原文or下载原文PDF文件；每篇文章的内容包含：内容总结、文章Ideas；更多关于缺陷检测以及图像融合/拼接等方向的相关文章学习请移步本人Gitee仓库每篇文章这里仅按照我本人的理解程度和知识程度进行理解和把握，有不对的地方请多担待；欢迎大家提出任何改进意见或建议文章评论区/Gitee提出issues
转载
2024-08-27 15:04:39
15阅读
三分钟知识学习到~随着深度学习的快速发展，基于卷积神经网络(CNN)的计算机视觉技术在工业领域得到了广泛的应用。目前，机器视觉表面缺陷检测是CNN在工业上最成熟的应用之一。接下来介绍深度学习在表面缺陷检测领域的应用。缺陷检测问题的定义表面缺陷不仅影响产品的美观和舒适度，而且一般也会对其使用性能带来不良影响，因此企业对产品的表面缺陷检测非常重视，以便有效控制产品质量。当前对于缺陷有两种认知的方式：有
转载
2023-11-20 00:15:09
478阅读
摘要：智能PCB板缺陷检测系统用于智能检测工业印刷电路板（PCB）常见缺陷，自动化标注、记录和保存缺陷位置和类型，以辅助电路板的质检。本文详细介绍智能PCB板缺陷检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面和训练数据集。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多种缺陷进行识别分类，检测速度快、识别精度高。博文提供了完整的Python代码和使用
转载
2023-11-02 10:45:13
375阅读
半导体行业包括各种半导体元件和产品的设计、布局、制造、组装和测试。机器视觉主要应用于生产线自动化和产品质量检测，包括装配时的定位组装、尺寸检测及成品缺陷检测，实现零部件、装配件和成品的质量保证。东声智能基于Handdle AI智能算法平台打造的解决方案，以机器视觉技术和行业沉底经验积累为底层架构，可快速、准确地实现3C产品瑕疵全检，从而提高检测效率和准确度。面对微小电子原件的瑕疵，“智能相机”四两
转载
2024-01-25 21:11:33
221阅读
前面分享了机器视觉在汽车行业与交通行业的应用，其实机器视觉在工业上的应用是最广泛也是最具挑战性的，其中PCB板缺陷检测一直是机器视觉待攻克的难题。印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着重要影响。本篇论文从传统图像处理方式、传统机器学习及深度学习3大维度全面回顾了近 10 年基
转载
2023-11-05 07:47:58
88阅读
AI智能缺陷检测系统是基于深度学习的智能工业视觉缺陷检测解决方案，多数被用于解决工业复杂缺陷分类、检测等问题，适用于各种工业复杂环境。numimag DLIA为AI智能缺陷检测技术应用于工业质检应用场景的产品，利用传统图像处理技术结合神经网络深度学习算法, 实现工业4.0智能制造、工业互联网的产业升级，
转载
2023-09-03 13:14:48
320阅读
首先进行产品的缺陷观察，通过采到的图像中我们可以看到，图像上的引脚焊点存在错位不良，如下图： 根据图片，我们需要利用视觉助手算法将引脚偏移部分筛选出来，实现检测要求。算法模拟第一步：确认产品采图是否存在偏移，根据偏移情况，找到共同特征点进行定位坐标系的建立。 利用模板匹配进行定位坐标系建立第二步：利用图像掩膜将所需检测区域与原图分离：
转载
2023-11-14 19:22:15
254阅读
在测试活动中，bug的沟通和和处理是必不可少的，如何高效的沟通以助于解决bug。缺陷报告的几大要素：1、标题：简言什么操作发现什么问题。2、步骤：对于复现较复杂的，详细描述其每一步操作步骤3、预期结果：按照需求本应实现的功能4、实际结果：实现了与需求不一致，或多余，少实现的功能。 在测试中我们更多的是直接贴出实现图片与demo对比，日志，甚至于用web控制台查看接口返回情
转载
2023-09-02 16:57:39
107阅读
重磅干货，第一时间送达前言缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。1、A fast and robust convolu
转载
2023-10-19 11:08:44
262阅读
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 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)
特征训练测量拟合：halcon——缺陷检测常用方法总结(测量拟合) - 唯有自己强大频域+空间域结合：halcon——缺陷检测常用方法总结(频域空间域结合) -
最近项目需要检测图像是否存在偏色、过亮、模糊等缺陷。由于主要用在视频监控上，对性能要求比较高。有几项检测必须要在Lab彩色下进行，而众所周知Rgb => Lab 计算量较大，C#搞得定搞不定？测试表明，用纯C#编写的Rgb => Lab代码在性能上与C编写的Rgb => Lab代码极为接近。1. Rgb24和Lab24Rgb是电脑上使用较多的彩色空间，Lab是针对人的感知设计的均
钣金缺陷检测是传统制造业工厂生产流程中非常重要的一个环节。在现行的工艺流程中，钣金缺陷检测主要包括以下几个方面：1、钣金件表面轻微凹陷/凸起（深度/高度0.12mm以内，长度/宽度1mm以内）划痕；2、钣金件孔径异常；3、钣金件直线度。同时钣金零部件受设备加工精度、折弯系数、原材料材质、厚度变化、人工操作偏差等因素影响，产品在多道折弯工序后，尺寸公差变动相对较大。 而在传统制造业工厂中，
转载
2023-09-03 20:39:59
6阅读
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 -特征训练测量拟合频域+空间域结合：halcon——缺陷检测常用方法总结（频域空间域结合） - 唯有自己强大 -深度学习本篇主要总结一下缺陷检测中的定位+差分的方法。即用形状匹配，局部变形匹配去定位然后用差异模型去检测缺陷。模板匹配（定位）+差分
转载
2024-05-06 07:48:33
906阅读
