传统的产品表面质量检测主要采用人工检测,人工检测不仅工作量大,而且易受检测人员主观因素的影响,容易对产品表面缺陷造成漏检,尤其是变形较小/畸变不大的夹杂缺陷漏检,极大降低了产品的表面质量,从而不能够保证检测的效率与精度。
工业智能相机
表面缺陷检测系统是基于机器视觉、人工智能算法、自学习功能的神经网络算法，对于一定范围内的不同品种、克重、幅宽、光源的衰减或更换新的光源，能够自动调整算法，以最优
在深度学习领域，通过以精度、召回率、平均精度均值（Mean Average Precision，mAP）和FPS等指标评价目标检测算法的有效性，在图像分割中则主要采用平均像素准确率、平均交并比等指标评价。在工业质检领域的评价指标与深度学习领域类似，只是表述方式有所不同，一般使用漏检率、误检率和准确率等。根据被检测工件的真实情况（OK*和NG*）和检测结果（OK和NG）的不同，可以将缺陷识别的结果分
转载
2024-01-27 21:48:19
301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
# 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
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
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
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
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
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
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
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
“ 不知道经常开车的小伙伴有没有过这样的经历，同样的距离，白天行驶要比夜间行驶感觉近很多，前面是大车时感觉距离近，前面是小车时感觉距离远；路上参照物多时感觉距离近，参照物少时感觉距离远；会车时，无论两车的速度差有多大，总是感觉会车地点在两车距离一半处等等。这些都是我们经常遇到的视觉错觉。对于道路出行者而言，其主要获取信息的方式有视觉、听觉和其他感官，其中，视觉方式占比70%。因此，在道路设计过程中
深度学习 缺陷检测 开源
近年来，深度学习技术在工业缺陷检测领域取得了显著进展，特别是在制造业和质量控制方面。通过训练神经网络模型，企业能够实现高效、精准的缺陷识别，以提高产品质量和降低成本。然而，在开源深度学习框架的应用过程中，常常会遇到各种缺陷，这导致业务运作受到影响。因此，明确和解决这些问题显得尤为重要。
> 例如，在某生产线上，深度学习模型无法准确识别部分产品的缺陷，导致次品流入市场，
# 深度学习检测缺陷问题 —— 从理论到实践
## 引言
近年来，深度学习在图像处理领域取得了巨大的突破，其中之一就是在缺陷检测方面的应用。深度学习算法通过自动学习特征，可以在各种复杂的场景中准确地检测出缺陷，大大提高了检测效率和准确率。本文将介绍深度学习在缺陷检测领域的应用原理，并通过代码示例展示其实践。
## 深度学习在缺陷检测中的应用原理
### 1. 卷积神经网络（Convolut
原创
2023-08-10 03:30:01
303阅读
# 深度学习缺陷检测：源码解析与应用
## 引言
深度学习作为当前人工智能研究的热门领域，已经在图像识别、自然语言处理等多个方向取得了显著的进展。尤其在工业检测领域，深度学习的应用使得缺陷检测的准确性和效率显著提升。本文将通过源码实例来介绍深度学习在缺陷检测中的基本应用。
## 深度学习缺陷检测的基本原理
缺陷检测的核心目标是从图片或视频中自动识别出不符合标准的产品或部件。深度学习模型（如
原创
2024-09-08 05:42:45
109阅读
