表面瑕疵检测系统正在迅速取代人工视觉检测

简介: **表面瑕疵检测系统正在迅速取代人工视觉检测**   据了解到,在当前大批量工业自动生产过程中,用人工检查产品质量效率过低且精度不高;和其他一些人工视觉检测难以满足要求的场合,表面瑕疵检测系统正在迅速取代人工视觉检测。

  据了解到,在当前大批量工业自动生产过程中,用人工检查产品质量效率过低且精度不高;和其他一些人工视觉检测难以满足要求的场合,表面瑕疵检测系统正在迅速取代人工视觉检测。事实上,也正因如此,在世界上现代自动化生产过程中表面瑕疵检测系统已广泛应用于带钢、薄膜、金属、纸张、无纺布、玻璃等领域。

  机器视觉就是用机器代替人眼来做测量和判断,视觉系统的输出并非图像视频信号,而是经过运算处理之后的检测结果(如缺陷、尺寸等数据)。系统采用CCD相机将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对 这些信号进行各种运算来抽取目标的特征,如:面积、长度、数量、位置等。最后,根据预设的容许度和其他条件输出结果,如:缺陷、尺寸、角度、偏移量、个数、合格 /不合格、有/无等。上位机(如PC和PLC)实时获得检测结果后,指挥运动系统或I/O系统执行相应的控制动作(如定位和分类)。

  表面瑕疵检测主要技术指标:

  1、测量精度:0.1mm以上的斑点、污点、孔洞等瑕疵;

  2、适用宽度:按要求定制;

  3、CCD数量:依被测物宽度及检测精度决定;

  4、检测常见的瑕疵,对瑕疵缺陷信息进行处理,实时提供瑕疵的位置、大小,以及记录供用户参考核对;

  5、系统可设置瑕疵报警的参数,用户可根据生产要求设置报警线,实现声光报警并对不合格位置在线做标记。

相关文章
|
7月前
|
机器学习/深度学习 编解码 API
深度学习+不良身体姿势检测+警报系统+代码+部署(姿态识别矫正系统)
深度学习+不良身体姿势检测+警报系统+代码+部署(姿态识别矫正系统)
|
机器学习/深度学习 人工智能 数据库
【表面缺陷检测】表面缺陷检测数据集汇总
本文收集整理了16个表面缺陷检测相关的数据集,并对每个数据集的特点进行了简单的介绍。
【表面缺陷检测】表面缺陷检测数据集汇总
|
7月前
|
传感器 编解码 监控
LabVIEW基于机器视觉的钢轨表面缺陷检测系统
LabVIEW基于机器视觉的钢轨表面缺陷检测系统
97 3
|
7月前
|
机器学习/深度学习 算法 前端开发
高速公路表面图像裂缝检测程序
高速公路表面图像裂缝检测程序
|
传感器 定位技术 图形学
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建(2)
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
218 0
|
传感器 机器学习/深度学习 算法
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建(1)
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
235 0
|
传感器 机器学习/深度学习 算法
CVPR 2023 | 移动传感器引导的跨时节六自由度视觉定位,准确且高效
CVPR 2023 | 移动传感器引导的跨时节六自由度视觉定位,准确且高效
229 0
【超简单】之基于PaddleX的2022“兴智杯”齿轮瑕疵检测预测部分
【超简单】之基于PaddleX的2022“兴智杯”齿轮瑕疵检测预测部分
146 0
【超简单】之基于PaddleX的2022“兴智杯”齿轮瑕疵检测预测部分
|
机器学习/深度学习 算法 数据处理
halcon视觉缺陷检测系列(1)常用的6种方法
halcon视觉缺陷检测系列(1)常用的6种方法
2504 0
halcon视觉缺陷检测系列(1)常用的6种方法
|
传感器 机器学习/深度学习 人工智能
AI专用领域之一:声音、相机陷阱用于野生动物研究和保护
在这篇文章中以两篇文章为基础,分别讨论了声音、相机陷阱(camera traps)是如何实现野生动物监测的。此外,最后一篇文章还讨论了如何利用人工智能技术辅助解决野生动物偷猎(wildlife poaching)的问题,即对偷猎者轨迹的预测问题。
198 0
AI专用领域之一:声音、相机陷阱用于野生动物研究和保护