施努卡（SCHNOKA）成立于2010年，先后在上海，苏州及武汉建立了分公司。国家高新技术企业，致力于打造面向智能产线与智慧工厂最强控制大脑的高科技公司。公司围绕感知&识别核心技术构建智能装备，基于机器人视觉算法与单机器人工作站、多机器人群体共融、行业定制化应用。打造产品体系，面向智能生产线、智慧物流等场景实现软件定义智能。SCHNOKA （施努卡）在3D机器视觉算法、机器人柔性控制、手
工业外观缺陷检测方法详细介绍如下:一、超声波探伤检测超声波探伤检测是根据声波在缺陷处发生波形变化的原理来检测缺陷。声波在工件内的反射状况就会显示在屏幕上，根据反射波的时间及形状来判断工业制造件内部缺陷及材料性质的方法，超声波探伤检测技术常应用于各种金属管道内部的缺陷检测。二、光学机器视觉缺陷检测光学机器视觉缺陷检测技术的基本原理是将特定的光源照在待测制造件表面上，利用高清高速摄像机获得制造件表面图
转载
2023-08-07 13:55:01
416阅读
# Python物品表面检测实现流程
## 介绍
在Python中实现物品表面检测可以帮助我们识别和处理图像中的物体表面。这对于许多应用领域都非常有用，例如机器人视觉、自动驾驶、工业自动化等。本文将向你介绍如何使用Python实现物品表面检测的流程，并提供相应的代码和解释。
## 流程图
```mermaid
flowchart TD
start[开始]
input[输入图像]
原创
2024-02-14 09:37:32
121阅读
通过使用 Python 实现表面凹凸检测的项目，能够有效地识别物体表面微小的不平整与错误。这对于质量检测、三维扫描和许多工业应用具有重要意义。以下是我在解决这个问题时的整个过程记录。
## 环境预检
在开始之前，我们需要确保我们的开发环境满足以下系统要求：
| 组件 | 版本要求 |
|--------------|-----------------|
| 操作系
Automatic Metallic Surface Defect Detection and Recognition with Convolutional Neural Networks基于卷积神经网络的金属表面缺陷自动检测与识别//2022.7.17下午17:20开始阅读笔记论文速览1.文章有什么贡献？1.提出了一种新的CASAE级联检测网络来处理金属表面缺陷；2.提出来的两阶段架构，将对金属
转载
2024-05-15 21:06:05
60阅读
目录视觉检测方法分类新方法发展方向工业运用对象：光学薄膜目标效果重点、难点方案设计原理图技术指标技术手段 参考文献：视觉检测方法分类新方法发展方向工业运用对象：光学薄膜光学薄膜的特点：其材质为透明性，透光率大于90％，高透光率、低反射率对光路系统设计有着特殊的要求。目标效果基于自动检测理论，提出一种有效的自动质量检测方案。该方案可获得光学薄膜表面缺陷的清晰图像，缺陷的细节能够得到很好的展
转载
2024-01-17 10:51:06
48阅读
# Python钢材表面缺陷检测科普
在现代制造业中，钢材的质量直接影响到成品的性能和安全性。因此，钢材表面的缺陷检测显得尤为重要。传统的人工检测不仅效率低下，而且容易受到人为因素的影响。随着计算机视觉技术的发展，使用Python进行钢材表面缺陷检测已成为一个热门的研究方向。本文将介绍如何利用Python进行钢材表面缺陷检测，并提供相关的代码示例。
## 一、钢材表面缺陷的种类
钢材表面的缺
# 实现Python表面疵点检测
## 1. 整件事情的流程
首先，让我们来看一下实现Python表面疵点检测的整个流程。我们可以将流程分为以下几个步骤：
```mermaid
flowchart TD
A(准备数据) --> B(加载图像)
B --> C(转换为灰度图)
C --> D(应用滤波器)
D --> E(进行边缘检测)
E --> F(
原创
2024-02-25 07:59:55
94阅读
# OpenCV表面缺陷检测Python
## 引言
在制造业中，表面缺陷检测是一个重要的环节。它可以帮助企业提高产品质量，减少不良品率，降低生产成本。然而，传统的人工检测方法通常效率低下且易受主观因素的影响。近年来，借助计算机视觉和图像处理技术，表面缺陷检测变得更加智能化和自动化。
本文将介绍使用Python和OpenCV库进行表面缺陷检测的方法和步骤，并提供代码示例。
## OpenC
原创
2023-10-27 14:49:06
537阅读
导读：传统的工业生产制造，由于科学技术的限制仍然主要采用人工检测的方法去检测产品表面的缺陷，这种方法由于人工的限制和技术的落后，不仅检测产品的速度慢、效率低下，而且在检测的过程中容易出错，从而导致了检测结果的不精确。 当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条
转载
2023-12-11 12:47:29
240阅读
目录一、训练自己数据集的YOLOv8模型 1.博主电脑配置2.深度学习GPU环境配置 3.yolov8深度学习环境准备4.准备数据集二、Python+Onnx模型进行图像缺陷检测，并在原图中标注1、模型转换2、查看模型结构3、修改输入图片的尺寸4、 图像数据归一化5、模型推理6、推理结果筛选7、像素还原8、筛选重叠面积9、标记缺陷一、训练自己数据集的YOLOv8模型
转载
2023-11-07 21:37:49
317阅读
机器视觉的出现，无疑在很大程度上促进了生产自动化的发展，大幅度提高了生产效率。机器视觉可以满足在不适合人工作业或是人力无法满足需求的环境下，完成对产品的检测和监控。同时，机器视觉也可以弥补在大批量工业生产中，人工检测精度低的漏洞，它可以长时间持续工作，并能稳定准确的获取图像。正是由于机器视觉相对拥有绝对性的优势，因此被广泛地应用于监控监测、成品检验和质量控制等众多自动化生产过程。下
1. 项目背景半导体晶圆作为集成电路的载体，在制造过程中需要反复的经过复杂的薄膜、光刻、刻蚀等工序。而这些制造过程中工序的异常会导致晶圆缺陷的产生。 在晶圆质检中，利用电学测试设备对晶圆片上的每颗晶粒进行电性测试，可得到用于描述晶圆缺陷状态的晶圆图谱。如下图所示：在上图中，每个小方块即是晶圆上的一颗芯片，有颜色标识的即为测试异常的芯片。对晶圆上有缺陷的芯片的空间分布图谱的模式进行识别分析，可有效辅
表面瑕疵检测常见的检测主要有物体表面划痕，污点，缺料、平面度、破损、边框整齐度、物体表面亮度，皱褶、斑点、孔洞等 表面瑕疵检测设备凝聚了机器视觉领域的多项先进技术成果，并融入了多项创新的检测理念，既可以和现有生产线无缝对接检测，也可以离线进行检测，在对材料表面的瑕疵以及半透明材料内部瑕疵进行快速检测的同时能够直观的给予生产反馈，可以广泛应用于塑化工业、造纸及纤维工业、电子工业、金属工
转载
2024-01-12 07:38:33
375阅读
物体尺寸测量的思路是找一个确定尺寸的物体作为参照物，根据已知的计算未知物体尺寸。如下图所示，绿色的板子尺寸为220*300（单位：毫米），通过程序计算白色纸片的长度。目录1、相关库2、读图+图片预处理3、寻找轮廓4、找到参照物的轮廓，并且进行图像矫正5、结束 完整代码：实时实现物体尺寸计算代码： 1、相关库opencv-python==4.2.0.34numpy==1.21.6
转载
2023-07-16 19:28:43
423阅读
点赞
背景：晶圆表面缺陷检测设备主要检测晶圆外观呈现出来的缺陷，损伤、毛刺等缺陷，主要设备供应商KLA，AMAT，日立等，其中KLA在晶圆表面检测设备占有市场52%左右。缺陷检测设备是提高良率最核心的设备。在晶圆正面已有电路结构时，正面缺陷检测就需要用到有图案缺陷检测设备了，而背面、边缘的检测仍使用无图案缺陷检测设备。有图案缺陷检测分为明场和暗场两种，明场用宽波段的等离子体光源，暗场用单一波长的激光，两
转载
2024-07-20 16:59:14
146阅读
文章目录前言一、安装所需的包二、实现源码解析1.引入库2.代码主干总结 前言PVC手套是一款以聚氯乙烯为主原料的手套产品，具有防静电的性能。在许多行业内都会用到，例如电子制造业、药品制造业、化工业、农业等等，运用非常广泛。在PVC手套的生产过程中，会出现有一些质量问题，如粘上油污、蚊虫等情况，这个时候需要将不良品检测出来，以确保供给客户的产品是100%合格。为了检测手套表面缺陷,本文使用Open
转载
2024-04-07 15:09:24
422阅读
## Python检测金属表面镀膜均匀性
### 引言
金属表面镀膜是一种常见的金属处理方法，用于改善金属表面的性能和外观。然而，镀膜的均匀性对最终的产品质量至关重要。本文将介绍如何使用Python检测金属表面镀膜的均匀性，并利用数据可视化工具绘制饼状图来展示检测结果。
### 代码示例
首先，我们需要导入所需的库。在Python中，我们可以使用`numpy`和`matplotlib`库来进行
原创
2024-01-26 15:58:48
55阅读
PCB表面缺陷检测项目 | 轻量化PCB表面缺陷检测算法实现
原创
2024-05-22 00:37:40
144阅读
ImageJ-计算创面面积 (2014-01-28 15:59:14)
最近要做一个创伤的实验，检测指标之一为创面的面积变化。在网上找了一些教程，工具就是ImageJ，计算的思路是先通过像素设定比例尺，再根据比例尺来计算实际面积，在计算前，可以制作一个测量创面面积的简易工具，以方便实验。ImageJ的计算过程如下:步骤 1 打开ImageJ步骤 2 打开原始图片步骤 3
转载
2023-12-04 04:59:51
243阅读
