弋江区ccd光影像筛选机订制常用解决方案「迈迅威视觉」

为了实现外观缺陷自动检测,研究了基于机器视觉技术的外观缺陷检测系统。首先针对外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了外观缺陷快速、准确分割;然后通过分析外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了外观缺陷特征;后选择BP神经网络作为缺陷分类器,根据经验和实验确定了神经网络结构及参数,并分析了传统BP算法在外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了神经网络分类效果。

作为近现代基本的之一,其对于的重要性不言而喻。所以一个安全、地生弹成为衡量一个国家业水平的一个重要的标准之一。然而虽然生产安全如此重要,但是在我国,生产完后的检测环节却仍然是主要依赖人工检测方法。这种方法不仅检测结果不稳定,而且人力消耗大,检测效果差。当长时间工作之后,人很容易产生疲劳,进而就导致误判和漏判,留下了很严重的安全隐患。

在易拉罐的生产过程中，需要对产品的瑕疵及印刷质量进行检测。而易拉罐瓶盖的综合检测一直是一个难题，其中的原因在于产品的材质具有极高的反射度并且表面印制了彩案，打光技术难以解决。而机器视觉技术的运用，能迅速准确的发现印刷品的各种缺陷。工业镜头基于机器视觉的罐盖质量检测系统，根据易拉罐罐盖制造生产线的工作环境和检测要求，实现了铝制罐盖瑕疵的自动检测和快速剔除。该视觉系统实时性好，可靠性高，有效地提高了罐盖检测生产线的工作效率。

基于机器视觉的易拉罐质量检测系统使用机器视觉LED光源：圆顶式无影光，三环式无影光，低角度环形光，同轴光，有效地解决了打光的难题。通过对复合式光源的组合控制，能获得轮廓清晰、色彩对比鲜明的瓶盖图像，并能迅速地与设定值比较，找出具有边缘凹陷、表面划伤、拉环变形、密封胶破损、印刷字符、图案不清晰的不良产品，并立即剔出生产线。