基于opencv检测焊件缝隙
原创
2021-07-16 17:37:14
2116阅读
基于OPENCV和图像减法的PCB缺陷检测 Abstract在PCB制造业中，生产的一个最重要方面是质量检查。PCB板经历了从面板切割到层压的大量生产过程，一块板上的一个缺陷将使整个板过时。随着电子电器需求的日益增长，对更高质量元器件的需求也在不断增长。由于商用AOI价格高昂，许多制造商无法进行自动检测。在这方面，计算机视觉可以为商业AOI提供一种替代方案，以帮助小型制造商进行自动检测。图像减法和
缺陷管理工具： 1. Bugzilla 2. Bugfree 3. TestDirector （Quality Center） 4. ClearQuest 5. JIRA 6. Mantis 7. Bugzero 8. BugTracker 9. URTracker 10.KisTracker 11.TestLink 12、JTrac 13、BugNet 14、BugO
转载
2014-08-11 17:34:00
99阅读
实战分享
转载
2021-07-02 11:49:23
269阅读
导读FILE钢铁是现代工业最重要的建筑材料之一，不仅在民用领域，在军事领域也是重要的制造材料。钢铁企业对生产的钢铁进行缺陷检查，是保证钢铁产品质量的重要环节。借助卷积神经网络算法和U-Net结构，可以准确地检测出钢铁平面的焊接故障，还能评估它的严重程度。本文即介绍了这一检测方法，并给出了3个样本结果。01介绍焊接缺陷可以定义为焊缝表面出现的不规则、不连续性、缺陷或不一致性。焊接接头的缺
up目录一、理论基础二、核心程序三、测试结果一、理论基础 当前我国信息科技的发展， 产业界自动化生产水平越来越高。 具体在电子产品行业， 随着精细化和自动化的发展， 电子产品的焊点质量的好坏， 深刻地影响着产品成品的质量和效率， 因此， 对于焊点的缺陷检测也成为了 电子制造行业亟需解决的问题。 传统的人工检测方法存在费时、 精度低、 效率低下等问题， 各种新的检测方法应运而生。 其中，
注： 这是在19年10月份看到的一片文章，自己试验了一下感觉效果不错，在这里做一个记录。链接：表面缺陷检测文章 原理此文章中已经有详细的概述，这里不多做解释优点： 用较少的数据集就能够达到很好的效果论文下载：论文地址数据下载： 数据集模型下载：Github缺陷检测网络下载链接源码连接：源码以及测试步骤效果： 因为用的自己的笔记做训练的所以，图像进行了切割 将所有文件下载好之后，可以直接进行训练，也
一种用于工业表面缺陷检测的高效轻量级卷积神经网络摘要：由于表面缺陷检测对于保证产品的实用性、完整性和安全性具有重要意义，已成为控制工业产品质量的关键问题，引起了研究人员的兴趣。然而，由于存储空间和计算资源有限，在嵌入式设备上部署深度卷积神经网络 (DCNN) 非常困难。在本文中，通过深度学习从图像处理的角度设计了一种高效的轻量级卷积神经网络（CNN）模型用于工业产品的表面缺陷检测。通过将逆残差架构
SOLIDWORKS是一款广泛应用于机械设计领域的三维计算机辅助设计软件。SOLIDWORKS提供了强大的焊件功能，可以帮助工程师们以更高的效率设计焊接件。本文将介绍SOLIDWORKS焊件的概念、特点以及使用方法，以期帮助读者更好地理解和应用这一关键技术。
原创
2023-08-21 17:34:07
154阅读
SOLIDWORKS焊件是指含有可用切割清单描述的多实体特殊零件模型，您可以使用 2D 和 3D 草图定义焊件结构的基本框架，然后创建包含草图线段组的结构构件。
原创
2023-08-30 16:12:07
264阅读
焊件是SOLIDWORKS软件CAD部分的一个重要功能模块，在日常自动化设计中是不可或缺的一部分。根据各位工程师反馈的在日常焊件使用过程中碰到的一些问题，本次将着重介绍焊件基本使用场景及材料切割清单的相关内容。
原创
2023-09-14 17:00:51
332阅读
<2023.05.08> 新增截止当前常见的异常检测模型所使用预训练模型表随着深度学习的发展，提取更加丰富的特征成为大家实现更好性能的共识。但由于缺陷数据的稀缺性，图像缺陷检测领域在许多应用场景都缺少样本进行训练，模型对于图像特征的提取能力有限，因此使用预训练的模型进行特征提取成为缺陷检测模型训练时一个不错的选择。当前算法所使用的预训练模型截止2023.05.08，Paperswith
近年来，受全球经济增速放缓影响，制造业面临着从开拓增量市场到升级存量市场的加速转变，而利用智能化、数字化技术进行改造正是目前众多企业转型方向。质检一直是制造生产流程中举足轻重的一个环节，产品上一处微小缺陷有可能影响制造商整体生产良率，若不小心流入市场，更有可能产生无法想象的安全风险。“二八法则”，解决最难的问题目前现有工业视觉检测技术只能解决80%的问题，剩下20%的难题，还亟待攻克。为应对挑战，
钢板是工业领域许多产品不可缺的原材料，在钢板的轧制过程中，由于工艺等原因，造成钢板表面出现刮伤、孔洞、鳞片等缺陷，这些缺陷严重影响了钢板质量和使用性能。传统人工目检已远不能满足工业生产要求，如何及时对钢板表面缺陷检测？利用机器视觉检测技术的钢板表面缺陷检测系统是在不锈钢研磨线上对钢板上下表面利用机器视觉检测技术进行实时检测，通过图像采集卡在特殊光源的配合下获取钢板表面的图像，自动从图像中准确定位并
一、软件测试定义1.简单来说，软件测试就是从现有软件中，尽可能多的发现bug的过程。●说明：（1）软件不完美，或多或少存在bug，所以测试人员的职责不是“消灭”bug,而是尽可能多的发现bug（2）软件测试强调的是查找bug的过程，只要完成了排查bug的过程，无论是否发现bug，都是在测试（3）软件测试的最终目的是能够保证软件有一个好的质量（QA-质量保证）二、软件开发的阶段划分（1）需求分析阶段
文章目录简介程序解析处理结果预览算法讲解 简介detect_indent_fft.hdev是halcon的示例程序，是傅里叶变换进行缺陷检测的一个例子，主要是傅里叶变换在复杂背景下的缺陷检测。这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行缺陷检测，大致分为三步：1、用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；2、将原图和构造的滤波器进行快速傅里叶变换；3、利
作者介绍1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面2.2 主界面2.3 检测过程的界面3 总结4.后续可优化的部分 作者介绍张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。 研究方向：机器视觉与人工智能。1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面封面界面用于软件打开时跳出的界
官方链接：Vision-based SIS for steel该数据集是东北大学的宋克臣等几位老师收集的，一共包含了三类数据，官网有时打不开，三种缺陷数据集我都我保存到了百度网盘里百度网盘链接：链接：https://pan.baidu.com/s/1bAKoSG7VHE98JdHJPGJvcw 提取码：ibje（1）NEU surface defect database数据集收集了夹杂、划痕、压入
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、手眼
先挖个坑，把之前做过的缺陷检测记录一下，以后有时间再来填坑U-NetU-Net网络发表于2015年，最开始是用于医学细胞图像分割，但是针对其他的分割问题，U-Net似乎也表现出了不错的性能[2]。该网络结构如下图所示，其整体的流程实际上是一个编码和解码（encoder-decoder）的过程。 U-Net网络是一个经典的全卷积网络，输入为572×572大小的图片，论文中将网络左侧称为contrac
