随着计算机技术的发展,现代工业对自动化程度的要求越来越高,工业体系向着智能化的方向发展,使得人们对工业产品表面质量的要求也越来越高。传统的表面质量检测大多是通过人工目测的方式,不仅效率低下而且稳定性差。磁环被广泛应用音响设备中,一些表面缺陷将直接影响其功效,对其表面进行缺陷检测是目前生产过程中必不可少的环节。因此,基于机器视觉的检测技术随之而生,并且蓬勃发展。本文主要针对圆锥滚子外观缺陷,利用视觉检测的技术和图像处理与分析的方法,完整地开发出一套视觉检测系统,包括硬件部署和软件实现,并设计了有针对性的表面缺陷检测的图像处理算法,提出了一套有效的表面缺陷检测的解决方案
分析了各种常用的边缘检测算子的优缺点,通过对各种算法处理后的图像进行分析和比较后,采用了Robert算子作为本系统图像的边缘检测算子,保证了检测结果的实用性和快速性。后提取了滚子表面图像中的缺陷特征参数,并计算出缺陷的单个面积和全部缺陷面积,为滚子分级提供了信息。为滚子分级提供了信息。利用迁移学习的方法,设计了一个基于预训练模型的卷积神经网络,针对损伤和欠磨两个缺陷目标数据集进行网络微调。为滚子分级提供了信息。
机器视觉检测系统的性能取决于高质量图像的采集,让系统能够“看见”更多的缺陷细节,并进行有意义的评估。标准机器视觉相机传感器的分辨率通常为100万到500万像素。成像光度计或色度计提供的出色分辨率(可达2900万像素)和动态范围(可达73.4 dB),迈迅威机器视觉系统可以提供无以伦比的图像清晰度。凭借高动态范围,这些系统可以检测到元件表面因光线反射引起的极细微变化(比如阴影表明有划痕),而高分辨率的CCD传感器则使这些系统能够采集到高质量图像,并高度精地对缺陷进行分类。有划痕、凹凸不平和带有其他瑕疵的产品会造成代价高昂的退货,还可能有损品牌声誉和未来的业务。相机能够检测到人工检测员难以察觉到的缺陷,包括玻璃上的细微划痕和杂质颗粒。