影象採集
預處理特徵提取
缺陷分類
特徵提取為其中的關鍵,缺陷特徵提取的好壞直接影響檢測的效果。
預處理的目的是減少影象的雜訊,
提高目標與背景的對比度,
突出影象中的
缺陷特徵。
小波技術在預處理中的應用:
1.小波去噪
2.小波融合
可以將不同角度拍攝的影象進行融合
採用小波融合方法既能夠很好地保留幾幅源影象基本資訊,又能夠突出影象
中的缺陷邊緣、結構等高頻資訊,使融合後的影象資訊更加全面、準確,圖
像質量效果更加優良,全方位地表達了缺陷特徵,可以為缺陷的進一步分類
識別提供充足的資料支援。
不具備明顯紋理特徵的影象檢測
此類影象的特點為缺陷目標和背景對比度低,
瑕疵目標的形狀比較複雜,
整個瑕疵目標佔整幅影象的比例非常小,受雜訊影響大,影象沒有紋理。
由於影象中無紋理,缺陷特徵一般先用邊緣檢測運算元提取缺陷區域的邊緣,
在將其從目標影象中分割出來,提取其特徵引數如周長,面積,質心,圓形度,
伸長度等,以此來進行缺陷檢測和分類。
邊緣檢測運算元:
1.梯度運算元
2.log
運算元3.
canny
運算元邊緣檢測運算元需要準確的提取瑕疵邊緣,
又能抑制雜訊的干擾,
同時該演算法
還要具備快速、自適應性。需要尋找一種新或改進的演算法。
為了辯識缺陷目標,
需要將其與源影象的背景中分離出來,
在此基礎上進行
進一步的處理和分析。
影象分割的演算法:
1.閾值分割
晶圓缺陷檢測裝置 機器視覺檢測 視覺缺陷檢測裝置
機器視覺是一種裝備感測視覺儀器的檢測裝置,其中光學檢測儀器的比例很高,可用於檢測各種產品中的缺陷,判別和選擇物體,或丈量尺寸。應用於自動化生產線對物料進行校準定位。計算機視覺是最工業化的部分,首要用於工廠自動化測驗和機械人工業。機器視覺系統主要由三個部分組成的,輸出或顯示的影象採集,處理和分析影象。...
opencv表面缺陷檢測 視覺檢測 表面缺陷檢測
當今社會,隨著計算機技術,人工智慧等科學技術的出現和發展,以及研究的深入,出現了基於機器視覺技術的表面缺陷檢測技術。這種技術的出現,大大提高了生產作業的效率,避免了因作業條件,主觀判斷等影響檢測結果的準確性,實現能更好更精確地進行表面缺陷檢測,更加快速的識別產品表面瑕疵缺陷。產品表面缺陷檢測屬於機器...
基於頻域的缺陷檢測
基於頻域的缺陷檢測,是比較難理解的一部分,在純看理論無法理解的情況下,可以通過先學習一些示例的學習,再回過頭去重新理解理論。基於頻域的缺陷檢測示例解析 缺陷 傅利葉變換之劃痕檢測 理論 傅利葉 頻域 濾波 檢測 halcon中頻域和空間域轉換的兩個重點運算元 檢測 基於頻域的mura缺陷檢測 檢測 ...