今天来一个缺陷检测的实例，如下是原图，第二个和第三个黑色部件有缺陷 思路: ①提取OK部件轮廓做model ②遍历部件轮廓，做差分，形态学处理 ③结果判断绘制 上代码(含注释）：import cv2
import numpy as
转载
2023-10-13 11:03:01
296阅读
目录前言一、频域变换1.傅里叶变换2.代码实现二、频域中图像处理1.理解数字图片的频谱2.频域图像处理步骤3.使用低通滤波器实现图像平滑4.使用高通滤波器实现图像锐化三、总结前言数字图像处理的方法有两大类：一种是空间域处理法，另一种是频域处理法。把图像信号从空间域变化到频域，可以从另外一个角度来分析图像信号的特性。一、频域变换1.傅里叶变换说到频域变化，就不得不提到傅里叶变化了，傅里叶变化是将时域
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
转载
2024-01-04 15:58:34
82阅读
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
最近做了一个钢板焊接点寻找项目，记录一下，哈哈分为3张图，分成3个博客讲。分别寻找焊接点，因为没有视频，只能从图片中提取。还有一个问题要求助在第四个博客，我想出一个方法，看看大家有没有什么更好的办法，相互学习。第一张图，方法是调滤波迭代值，加houghlinesP（轮廓）。系统win10,64位，IDE：VS2015。代码如下：//调滤波迭代值，加houghlinesP（轮廓）
#include
转载
2024-03-31 08:52:38
201阅读
目录1 机器视觉2 缺陷检测3 工业上常见缺陷检测方法 1 机器视觉机器视觉是使用各种工业相机，结合传感器跟电气信号实现替代传统人工，完成对象识别、计数、测量、缺陷检测、引导定位与抓取等任务。其中工业品的缺陷检测极大的依赖人工完成，特别是传统的3C制造环节，产品缺陷检测依赖于人眼睛来发现与检测，不仅费时费力还面临人员成本与工作时间等因素的制约。使用机器视觉来实现产品缺陷检测，可以节约大量时间跟人
转载
2024-06-18 10:25:19
179阅读
今天要做一个实验，需要用到opencv，所以打算写一些代码，结果按照网上的配置都有一些问题。所以把自己正确配置的经验给出来。首先作者使用的是opencv-3.4.3-vc14_vc15.exe这个文件，文件的下载地址在https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.4.3/点击上面的文件就可以开始下载了，下载后，双
转载
2024-09-09 16:50:32
96阅读
在Jupyter Notebook上使用Python+opencv实现如下图像缺陷检测。关于opencv库的安装可以参考：Python下opencv库的安装过程与一些问题汇总。 1.实现代码import cv2
import numpy
from PIL import Image, ImageDraw, ImageFont
#用于给图片添加中文字符
def ImgText_CN(img
转载
2023-05-23 19:45:58
681阅读
本文参考并摘引：李少波, 杨静, 王铮, 朱书德, 杨观赐. 缺陷检测技术的发展与应用研究综述. 自动化学报, 2020, 46(11): 2319−2336. doi:
10.16383/j.aas.c180538
产品缺陷检测技术是指对检测样本的
表面斑点、凹坑、划痕、色差、缺损和内部结构等缺陷进行检测, 获
得检测样
缺陷检测是每家生产企业都必不可少的一个环节，随着人们对产品的美观度、舒适度、使用性能等方面要求的不断提高，缺陷视觉检测的精准度、速度更是影响着成品的质量，并成为越来越多企业采用的有效手段。那么什么是视觉检测系统？它又是如何工作的呢？什么是视觉检测？机器视觉技术是一种无接触、无损伤的自动检测技术，是实现设备自动化、智能化和精密控制的有效手段，具有安全可靠、光谱响应范围宽、可在恶劣环境下长时间工作和生
转载
2024-02-29 14:49:09
83阅读
该数据集的缺陷类别共为三类，分别包含：擦伤缺陷（cashang），凹槽缺陷（aocao），划痕缺陷（huahen）。该数据集共5824张JPG图片，标签文件为xml格式，三类缺陷在标签文件中分别命名为：cashang，aocao，huahen。为了证明真实性，小伙伴如果有意buy，可以在知网查看《改进YOLOX网络的轴承缺陷小目标检测方法》本人的小论文。可能有小伙伴还存在顾虑，都已经用过的数据集是
# 使用Python和OpenCV进行缺陷检测
在现代工业生产中，缺陷检测是确保产品质量的重要环节。借助计算机视觉技术，可以实现高效且精确的缺陷检测。本文将介绍如何在Python中使用OpenCV库进行简单的缺陷检测，通过示例代码和流程图来帮助您更好地理解这一过程。
## OpenCV简介
OpenCV（Open Source Computer Vision Library）是一个开源计算机
原创
2024-09-22 05:16:55
917阅读
目录前言课题背景和意义实现技术思路一、回转体零件的图像预处理二、图像分割实现效果图样例最后前言 ?大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长
摘要本文使用opencv实现Halcon中的一个瓶口缺陷检测实例（C++实现），Halcon中对应的例子为inspect_bottle_mouth.hdev，用于检测酒瓶瓶口是否出现破损等缺陷情形。 Halcon实例主要步骤包含五步，分别是：使用阈值处理和形态学粗定位品口位置；XLD轮廓拟合最近似的圆形区域作为瓶口的轮廓；极坐标变换，转换到水平或垂直方向进行处理；均值滤波图与原图做差分，
转载
2024-03-11 12:10:48
365阅读
截至到本次教程，我们已经基本掌握了OpenCV常用的一些功能，实际上已经可以处理很多问题了，故从本教程开始，示例代码将编写为一个固定函数，以便调用，另外将不再给出完整代码，比如导入库将不再另行贴出，一些基本的代码也不再贴出，只贴出核心部分，我会将核心部分整理为一个方便调用的函数。我们在前面讨论了轮廓的特征以及属性，今天我们将综合之前学的内容讨论轮廓的高级功能。凸缺陷对象上的任何凹陷都被称为凸缺陷，
转载
2024-01-30 06:44:40
130阅读
基于统计分类的方法：（1）基于KNN方法（最近邻法）：利用相似度，找出k个训练样本，然后打分，按得分值排序。（2）基于Naive Bayes算法：计算概率，构建分类模型。引导： 医生对病人进行诊断就是一个典型的分类过程，任何一个医生都无法直接看到病人的病情，只能观察病人表现出的症状和各种化验检测数据来推断病情，这时医生就好比一个分类器，而这个医生诊断的准确率，
转载
2024-07-10 12:59:58
267阅读
随着自动化生产设备的普及，工业机器人在各行各业的应用也越来越广泛，越来越多的生产线由自动化设备取代人工操作，实现自动化生产。在机器人分拣过程中，机器人不仅可以将不同规格和质量的产品准确地放入指定的托盘中，而且能够通过视觉系统识别出物体的表面缺陷并进行分类。 随着工业4.0时代的到来，传统的基于视觉检测技术已经无法满足现代工业生产的要求，视觉检测技术成为了现代工业生产中必不可少的一部分。
转载
2023-12-27 08:37:40
182阅读
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
工业场景收集数据的难点： 在某些高度自动化的生产场景中，产品的良率特别高，收集缺陷样本非常耗时，而当前的用于缺陷检测的深度学习方法大多是基于大量缺陷样本建立模型，缺陷样本的缺乏导致模型难以上线。针对某些行业比如汽车行业的多型号小批量生产场景（每种型号产品只生产几天），在完成缺陷样本收集前某种型号产品已经不再生产了，这种场景下大量的缺陷样本收集是不可能的。此外，由于缺陷是由生产过程中的非受控因素产
转载
2024-04-23 11:24:34
91阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进 ⛄ 内容介绍文章应用机器视觉技术,采集回流之前的球栅阵列(BGA)芯片图像,对图像进行预处理后,运用点分析方法对图像中各个焊球区域进行标记,建立判断标准并依次序对这些信息进行比对,从而判断芯片合格与否,并对不合格芯片判断其缺陷类型;研究采用MATLAB完成图像预处理以及具体的检测程序编写;实验结果证明,此方法可以正确识别缺陷类型,在
