检索结果-维普期刊中文期刊服务平台

关于机器视觉的管道机器人焊缝缺陷检测研究被引量：1: 1; 作者杨婉婷《农业技术与装备》 2024年第8期89-92,共4页; 随着计算机技术和图像处理技术的飞速发展,机器视觉系统逐渐成为自动化检测和质量控制的有效工具。详细介绍了利用图像处理算法对管道机器人焊接过程中的焊缝进行检测,并通过大量试验确定了参数,得到一种确实可行的应用方法,去完成焊缝... 展开更多; 关键词机器视觉技术管道机器人焊接焊缝缺陷焊缝检测算法; 在线阅读下载PDF 职称材料

基于计算机视觉的陶瓷圆度快速检测系统研究被引量：12: 2; 作者王俊祥彭华仓 +2 位作者胡鸿豪刘英朱永红《陶瓷学报》 CAS 北大核心 2015年第5期530-535,共6页; 针对大部分陶瓷企业仍使用人工进行陶瓷质量检测的现状,提出一种基于计算机视觉技术的日用陶瓷在线检测系统研究方案。该方案分为硬件和软件两大部分,其中硬件部分主要完成陶瓷产品的传送、数据采集以及智能控制功能。软件部分主要完成... 展开更多; 关键词陶瓷缺陷计算机视觉技术圆度检测; 在线阅读下载PDF 职称材料

基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测被引量：10: 3; 作者毛卫平高伟 +3 位作者顾寄南雷文桐胡君杰方新领《电子测量技术》北大核心 2022年第2期117-122,共6页; 针对圆柱形蜂窝陶瓷侧面裂隙检测困难问题,提出一种基于机器视觉的检测方法。通过对侧面裂隙检测需求分析,选用COMS相机和LED白色平行光源。对采集的图像进行滤波处理,选择中值滤波去除椒盐噪声。根据图像的特点选择ROI区域,使用全局阈... 展开更多; 关键词机器视觉圆柱形蜂窝陶瓷图像处理侧面裂隙缺陷检测; 在线阅读下载PDF 职称材料

基于机器视觉的铸件分拣检测系统的研究综述被引量：5: 4; 作者王成军朱梓豪韦志文《制造技术与机床》北大核心 2023年第9期109-114,共6页; 传统的铸件分拣检测由人工进行,其劳动强度大且容易因疲劳产生视觉误差以及有些铸件存在微小缺陷人眼难以识别,因而机器视觉技术在铸件分拣领域表现出了良好的应用前景。基于此,详细分析和探讨了机器视觉技术分拣检测系统的组成、关键... 展开更多; 关键词机器视觉技术机器分拣图像处理缺陷检测; 在线阅读下载PDF 职称材料

基于多尺度边缘拟合的陶瓷过滤网质量检测方法被引量：2: 5; 作者周静董子昊 +2 位作者任佳颖郑飞李金屏《光子学报》 EI CAS CSCD 北大核心 2021年第11期165-176,共12页; 针对人工检测陶瓷过滤网效率低、精度差等问题,提出了一种基于多尺度边缘拟合的方法,通过引入多尺度思想实现边缘的精确定位,并设计边缘筛选方案有效降低不规则边缘对直线拟合的影响。首先采用基于多尺度的边缘检测方法提取外边缘;其次... 展开更多; 关键词机器视觉陶瓷过滤网尺寸测量缺陷检测最小二乘法分段拟合; 在线阅读下载PDF 职称材料

基于机器视觉的表面缺陷检测关键技术被引量：6: 6; 作者吴绍锋白云娇《农业技术与装备》 2023年第10期66-69,共4页; 通过总结近几年表面缺陷检测技术研究成果,从机器视觉系统,利用Matlab软件对钢材表面裂纹缺陷进行傅里叶变换及小波变换去噪技术,探讨了基于机器视觉的表面缺陷检测关键技术,以期达到可靠、高效地检测零件表面缺陷的目的,进而提高产品... 展开更多; 关键词机器视觉表面缺陷正交变换检测技术制造业; 在线阅读下载PDF 职称材料

BGA焊球视觉检测算法及系统设计被引量：6: 7; 作者罗志伟杨玉龙李志红《光学精密工程》 EI CAS CSCD 北大核心 2018年第9期2190-2197,共8页; 为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为... 展开更多; 关键词机器视觉缺陷检测球栅阵列圆度锡球分类器; 在线阅读下载PDF 职称材料

深度学习在陶瓷表面缺陷检测方面的研究进展被引量：5: 8; 作者周曼吴天钊 +3 位作者代宝鑫许新统孔令兵梁立新《陶瓷学报》 CAS 北大核心 2023年第5期874-884,共11页; 针对陶瓷表面缺陷检测问题,深度学习算法是近年来研究的热点之一。通过建立合适的数据集、合适的网络模型和算法,可以实现对陶瓷表面缺陷的自动检测和分类。目前,常用的深度学习表面缺陷检测算法包括卷积神经网络(Convolutional Neural ... 展开更多; 关键词深度学习材料科学与工程机器视觉陶瓷表面缺陷检测; 在线阅读下载PDF 职称材料

计算机视觉技术在塑料检测领域的应用进展被引量：5: 9; 作者王占强薄楠林《合成树脂及塑料》 CAS 北大核心 2022年第4期88-91,共4页; 综述了计算机视觉技术在注塑机智能控制、注塑机模具监视、注塑制品质量、微小塑料零件质量、吹塑产品质量、微塑料等检测领域的应用进展。计算机视觉技术在注塑、吹塑、塑料制品缺陷检测方面的应用,不仅提高了塑料加工精度和准确率,也... 展开更多; 关键词计算机视觉技术图像处理缺陷检测塑料应用进展; 在线阅读下载PDF 职称材料

题名关于机器视觉的管道机器人焊缝缺陷检测研究被引量：1: 1; 作者杨婉婷; 机构重庆科技大学; 出处《农业技术与装备》 2024年第8期89-92,共4页; 文摘随着计算机技术和图像处理技术的飞速发展,机器视觉系统逐渐成为自动化检测和质量控制的有效工具。详细介绍了利用图像处理算法对管道机器人焊接过程中的焊缝进行检测,并通过大量试验确定了参数,得到一种确实可行的应用方法,去完成焊缝的检测。; 关键词机器视觉技术管道机器人焊接焊缝缺陷焊缝检测算法; Keywords machine vision technology pipeline robot welding weld defects weld detection algorithm; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TN305.7 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于计算机视觉的陶瓷圆度快速检测系统研究被引量：12: 2; 作者王俊祥彭华仓胡鸿豪刘英朱永红; 机构景德镇陶瓷学院机械与电子工程学院; 出处《陶瓷学报》 CAS 北大核心 2015年第5期530-535,共6页; 基金国家自然科学基金项目(编号:61402209 61164014) +1 种基金江西省教育厅科技项目(编号:GJJ14641); 文摘针对大部分陶瓷企业仍使用人工进行陶瓷质量检测的现状,提出一种基于计算机视觉技术的日用陶瓷在线检测系统研究方案。该方案分为硬件和软件两大部分,其中硬件部分主要完成陶瓷产品的传送、数据采集以及智能控制功能。软件部分主要完成陶瓷圆度缺陷的在线检测功能。本论文通过陶瓷外边界的提取,圆心的初定位以及圆心稳定度的分析等过程能够快速的判定陶瓷边界的圆度。实验结果表明本文算法能够快速、准确的提取陶瓷外边界并给出相应的圆度判定。; 关键词陶瓷缺陷计算机视觉技术圆度检测; Keywords ceramic defects, computer vision technology, roundness detection; 分类号 TQ174.73 [化学工程—陶瓷工业]; 在线阅读下载PDF 职称材料

题名基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测被引量：10: 3; 作者毛卫平高伟顾寄南雷文桐胡君杰方新领; 机构江苏大学机械工程学院; 出处《电子测量技术》北大核心 2022年第2期117-122,共6页; 基金国家自然科学基金(51875266)项目资助。; 文摘针对圆柱形蜂窝陶瓷侧面裂隙检测困难问题,提出一种基于机器视觉的检测方法。通过对侧面裂隙检测需求分析,选用COMS相机和LED白色平行光源。对采集的图像进行滤波处理,选择中值滤波去除椒盐噪声。根据图像的特点选择ROI区域,使用全局阈值分割算子threshold进行图像分割,采用膨胀方法连接断裂区域。在提取表面缺陷时,先用connection算子对图像区域分割,再选择面积、长度和宽度3个特征对表面缺陷进行提取。将本检测方法与人工检测方法比较分析,试验结果表明在检测样品均为50个时,本方法检测合格、不合格和混合样品所需时间分别为12.50、6.64和10.58 min,具有更高检测速度,实时性更好;准确率分别为96%、84%和90%,准确率还有待提升,需要进一步的研究。; 关键词机器视觉圆柱形蜂窝陶瓷图像处理侧面裂隙缺陷检测; Keywords machine vision cylindrical honeycomb ceramics image processing side cracks defect detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TQ174.7 [化学工程—陶瓷工业]; 在线阅读下载PDF 职称材料

题名基于机器视觉的铸件分拣检测系统的研究综述被引量：5: 4; 作者王成军朱梓豪韦志文; 机构安徽理工大学人工智能学院安徽理工大学机械工程学院; 出处《制造技术与机床》北大核心 2023年第9期109-114,共6页; 基金安徽省重点研究与开发计划项目(201904a05020092)。; 文摘传统的铸件分拣检测由人工进行,其劳动强度大且容易因疲劳产生视觉误差以及有些铸件存在微小缺陷人眼难以识别,因而机器视觉技术在铸件分拣领域表现出了良好的应用前景。基于此,详细分析和探讨了机器视觉技术分拣检测系统的组成、关键技术以及机器视觉在缺陷检测和分拣机器人上的应用现状。最后对未来铸件分拣的发展趋势做出了展望。; 关键词机器视觉技术机器分拣图像处理缺陷检测; Keywords machine vision technology machine sorting defect detection image processing; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TH122 [机械工程—机械设计及理论] TG248 [金属学及工艺—铸造]; 在线阅读下载PDF 职称材料

题名基于多尺度边缘拟合的陶瓷过滤网质量检测方法被引量：2: 5; 作者周静董子昊任佳颖郑飞李金屏; 机构济南大学信息科学与工程学院济南大学山东省网络环境智能计算技术重点实验室济南大学山东省“十三五”高校信息处理与认知计算重点实验室济南圣泉集团股份有限公司; 出处《光子学报》 EI CAS CSCD 北大核心 2021年第11期165-176,共12页; 基金山东省重点研发计划(No.2017CXGC0810)。; 文摘针对人工检测陶瓷过滤网效率低、精度差等问题,提出了一种基于多尺度边缘拟合的方法,通过引入多尺度思想实现边缘的精确定位,并设计边缘筛选方案有效降低不规则边缘对直线拟合的影响。首先采用基于多尺度的边缘检测方法提取外边缘;其次设计分段拟合的筛选方案以剔除不规则的边缘;然后采用加权最小二乘法拟合筛选后的边缘;再在对边缘进行精确直线拟合的基础上,利用缺陷凸出、凹陷特点提取距离等特征,构建缺陷判别规则检测外形缺陷。最后根据几何运算获取外形尺寸,并与标准尺寸进行比较判断产品质量。实验结果表明,该方法可快速、准确地检测陶瓷过滤网外形缺陷和尺寸。; 关键词机器视觉陶瓷过滤网尺寸测量缺陷检测最小二乘法分段拟合; Keywords Machine vision ceramic filter Dimension measurement Defect detection Least squares Piecewise fitting; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于机器视觉的表面缺陷检测关键技术被引量：6: 6; 作者吴绍锋白云娇; 机构重庆人文科技学院机电与信息工程学院; 出处《农业技术与装备》 2023年第10期66-69,共4页; 基金重庆人文科技学院自然科学项目(CRKZK2021009) 重庆人文科技学院教改项目(21CRKXJJG10) 重庆人文科技学院教改项目(20CRKXJJG08)。; 文摘通过总结近几年表面缺陷检测技术研究成果,从机器视觉系统,利用Matlab软件对钢材表面裂纹缺陷进行傅里叶变换及小波变换去噪技术,探讨了基于机器视觉的表面缺陷检测关键技术,以期达到可靠、高效地检测零件表面缺陷的目的,进而提高产品质量。; 关键词机器视觉表面缺陷正交变换检测技术制造业; Keywords machine vision surface defects orthogonal transformation detection technology manufacturing industry; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名BGA焊球视觉检测算法及系统设计被引量：6: 7; 作者罗志伟杨玉龙李志红; 机构厦门理工学院机械与汽车工程学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2018年第9期2190-2197,共8页; 基金厦门理工学院高层次人才科技类基金资助项目(No.YKJ17017R) 福建省科技计划基金资助项目(No.2018H0039) +1 种基金国家自然科学基金面上项目(No.51575464); 文摘为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。; 关键词机器视觉缺陷检测球栅阵列圆度锡球分类器; Keywords computer vision defect detection Ball Grating Array(BGA) roundness solder ball classifier; 分类号 TP23 [自动化与计算机技术—检测技术与自动化装置] TP278 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名深度学习在陶瓷表面缺陷检测方面的研究进展被引量：5: 8; 作者周曼吴天钊代宝鑫许新统孔令兵梁立新; 机构深圳技术大学新材料与新能源学院深圳大学应用技术学院深圳技术大学集成电路与光电芯片学院深圳技术大学; 出处《陶瓷学报》 CAS 北大核心 2023年第5期874-884,共11页; 基金广东省基础与应用基础研究基金(2020B1515120002) 深圳市高等院校稳定支持面上项目(SZWD2021001)。; 文摘针对陶瓷表面缺陷检测问题,深度学习算法是近年来研究的热点之一。通过建立合适的数据集、合适的网络模型和算法,可以实现对陶瓷表面缺陷的自动检测和分类。目前,常用的深度学习表面缺陷检测算法包括卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)和多层感知器(Multilayer Perceptron,MLP)等。其中,基于YOLOv5算法的陶瓷缺陷检测方法是近期较为先进的一种方法,它具有较高的检测精度和实时性,能够准确地检测和识别陶瓷表面的各种缺陷,通过优化网络结构和损失函数,还可以进一步提高算法的性能;基于CSS算法的陶瓷缺陷检测方法提出使用图像分割的方法来分割陶瓷缺陷样本,并对分割后的样本集图像做二值化处理,突出缺陷的位置和大小。综述了陶瓷与深度学习相结合在材料表面缺陷检测方面的研究进展,并介绍了基于深度学习算法的陶瓷缺陷检测方法,以及详细综述了基于YOLOv5和基于CSS的陶瓷表面缺陷检测算法过程。; 关键词深度学习材料科学与工程机器视觉陶瓷表面缺陷检测; Keywords Deep learning Machine vision ceramics ceramic surface defect detection; 分类号 TQ174.75 [化学工程—陶瓷工业]; 在线阅读下载PDF 职称材料

题名计算机视觉技术在塑料检测领域的应用进展被引量：5: 9; 作者王占强薄楠林; 机构嵩山少林武术职业学院郑州商学院; 出处《合成树脂及塑料》 CAS 北大核心 2022年第4期88-91,共4页; 基金郑州市地方高校教育教学改革工程项目“民办高校信息化教学环境下学习策略研究”(ZZJG-C7053)。; 文摘综述了计算机视觉技术在注塑机智能控制、注塑机模具监视、注塑制品质量、微小塑料零件质量、吹塑产品质量、微塑料等检测领域的应用进展。计算机视觉技术在注塑、吹塑、塑料制品缺陷检测方面的应用,不仅提高了塑料加工精度和准确率,也降低了加工成本,提高了劳动生产率。; 关键词计算机视觉技术图像处理缺陷检测塑料应用进展; Keywords computer vision technology image processing defect detection plastic application progress; 分类号 TQ325 [化学工程—合成树脂塑料工业] TP274.5 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	关于机器视觉的管道机器人焊缝缺陷检测研究	杨婉婷	《农业技术与装备》	2024	1	在线阅读下载PDF 职称材料
2	基于计算机视觉的陶瓷圆度快速检测系统研究	王俊祥彭华仓胡鸿豪刘英朱永红	《陶瓷学报》 CAS 北大核心	2015	12	在线阅读下载PDF 职称材料
3	基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测	毛卫平高伟顾寄南雷文桐胡君杰方新领	《电子测量技术》北大核心	2022	10	在线阅读下载PDF 职称材料
4	基于机器视觉的铸件分拣检测系统的研究综述	王成军朱梓豪韦志文	《制造技术与机床》北大核心	2023	5	在线阅读下载PDF 职称材料
5	基于多尺度边缘拟合的陶瓷过滤网质量检测方法	周静董子昊任佳颖郑飞李金屏	《光子学报》 EI CAS CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
6	基于机器视觉的表面缺陷检测关键技术	吴绍锋白云娇	《农业技术与装备》	2023	6	在线阅读下载PDF 职称材料
7	BGA焊球视觉检测算法及系统设计	罗志伟杨玉龙李志红	《光学精密工程》 EI CAS CSCD 北大核心	2018	6	在线阅读下载PDF 职称材料
8	深度学习在陶瓷表面缺陷检测方面的研究进展	周曼吴天钊代宝鑫许新统孔令兵梁立新	《陶瓷学报》 CAS 北大核心	2023	5	在线阅读下载PDF 职称材料
9	计算机视觉技术在塑料检测领域的应用进展	王占强薄楠林	《合成树脂及塑料》 CAS 北大核心	2022	5	在线阅读下载PDF 职称材料