為了實(shí)現(xiàn)外觀缺陷自動(dòng)檢測(cè),研究了基于機(jī)器視覺技術(shù)的外觀缺陷檢測(cè)系統(tǒng)。首先針對(duì)外觀缺陷圖像特點(diǎn),分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實(shí)現(xiàn)了外觀缺陷快速、準(zhǔn)確分割;然后通過分析外觀缺陷特點(diǎn),分別從形狀、顏色和紋理共選取了12個(gè)類別差異明顯的特征參數(shù),提取了外觀缺陷特征;最后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類器,根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀缺陷分類應(yīng)用中的不足,通過改變收斂標(biāo)準(zhǔn)、自適應(yīng)調(diào)整步長(zhǎng)和引入動(dòng)量項(xiàng)以優(yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類效果。


目的為實(shí)現(xiàn)飲料易拉罐拉環(huán)背部激光打碼的自動(dòng)化,提出一種基于遺傳算法的易拉罐罐蓋圖像識(shí)別新方法。方法首先搭建一套易拉罐蓋激光自動(dòng)打碼機(jī),基于所搭建的實(shí)驗(yàn)系統(tǒng),利用CCD相機(jī)實(shí)時(shí)采集罐蓋圖像。對(duì)所采集到的圖像進(jìn)行中值濾波和灰度增強(qiáng)處理,在此基礎(chǔ)上,研究基于遺傳算法的罐蓋圖像閾值分割新方法,分析、確定算法的關(guān)鍵參數(shù)(個(gè)體數(shù)目、交叉率、變異率等),由此得到罐蓋的二值化圖像,并對(duì)算法處理結(jié)果進(jìn)行誤差分析。結(jié)果遺傳算法經(jīng)過約15代的迭代計(jì)算,能夠收斂,獲取到的圖像閾值,整個(gè)算法的運(yùn)行時(shí)間約30 ms,最終的圖像精度約為7.9 pixel。

機(jī)器視覺檢測(cè)在制藥行業(yè)中的應(yīng)用

制藥業(yè)必須遵守眾多國(guó)際法規(guī)。因此，在生產(chǎn)過程中或結(jié)束之后對(duì)藥品進(jìn)行100%檢測(cè)，以確保高質(zhì)量產(chǎn)品并符合相關(guān)法規(guī)。德國(guó)Basler工業(yè)數(shù)字相機(jī)有著高分辨率、高幀速度、精小體型、線材長(zhǎng)等優(yōu)點(diǎn)能夠滿足制藥工業(yè)的各種要求，而基于工業(yè)數(shù)字相機(jī)的視覺檢測(cè)系統(tǒng)可以進(jìn)行多項(xiàng)應(yīng)用，包括：

生產(chǎn)流程控制：如藥粒泡罩檢測(cè)，剔除破損的藥粒，正常通過正確的藥粒，保證所有泡罩內(nèi)的藥粒都是完好無損；