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
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，
<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
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
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
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
代码看起来可以工作，但不是以你“想当然“”的方式。如果一段代码直接出错，抛出了异常，我不认为这是陷阱。比如，Python程序员应该都遇到过的“UnboundLocalError", 示例： >>> a=1
>>> def func():
... a+=1
... print a
...
>>> fu
一、利用直方图的方式进行批量的图片缺陷检测（方法简单）二、步骤（完整代码见最后）2.1灰度转换（将原图和要检测对比的图分开灰度化）
灰度化的作用是因为后面的直方图比较需要以像素256为基准进行相关性比较
img = cv2.imread("0.bmp")
#原图灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
#循环要检测的图，均灰度化
for i
转载
2023-08-03 19:48:47
515阅读
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
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
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
目前，有四种检测方法一：主观目测法二：密度检测法（在线检测）：1，彩色反射密度计将一束光投射到印刷品上，比较表面反射（或透射）的光强度与照射在表面上的光强度，通过现有的逻辑关系来计算密度值，通过该密度值来判断是否存在缺陷。三：色度检测法（在线检测）：将一束光投射到印刷品上，通过仪器获取颜色的三刺激值，换算成可以对比的数值，然后与样本的值比对，判断是否存在缺陷。四：基于数字图像处理技术的方法（在线检
利用openCV或其他工具编写程序实现对多个产品图片进行缺陷检测并判断产品是否合格。实现过程1、编写程序 目标图片如下 &nb
转载
2023-09-08 19:13:58
148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
465阅读
金属材料因其可锻性、冲压性、冷弯性 、热处理工艺性等特点，被广泛运用于工艺零件及日常生活中。对于金属生产企业而言，金属材料在其生产过程中或外部环境的原因，金属表面或多或少会产生缺陷、瑕疵，严重影响产品质量，给企业带来损失。金属卷材在线外观缺陷检测系统恰好是能够有效解决产品的质检问题。金属卷材在线外观缺陷检测系统特点：1、系统采用多台竹中高速高分辨率的数字工业线扫描相机进行实时图像采集，配合使用机器
机器视觉设备是自动化行业的重要组成部分。在工业生产自动化、机器视觉是用来测量和检查各种大小参数,如长度测量,圆弧测量、角度测量、电测量、面积测量,等等,不仅可以在线产品的尺寸参数,并可以在线实时评估和分类的产品外观、缺陷检测、应用程序是很常见的。机器视觉外观缺陷检测原理:产品表面的各种缺陷和缺陷在光学性能上必然与产品本身不同。当光线照射到产品表面时，各种缺陷和不完善会受到周围环境的反射和折射产生不
钢带生产过程中需要实吋进行有效的质量控制，及时发现不合格产品。嘉恒图像开发的钢带缺陷在线高速自动检测系统实现了对各种钢带表面的孔洞、豁口、裂边等缺陷的检测，有效地对钢带表面质量进行实时监测。一、系统简介钢带表面检测技术主要是利用电荷耦合器（CDD）摄像技术和高速计算机数字图像处理、存储和传输技术，对钢带的表面质量进行实时监测。系统工作原理：给待测钢带背面设置透射光，当有孔洞的钢带经过时，有孔洞的区
