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。

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。