基于机器视觉的焊缝缺陷检测技术的研究
哈尔滨理工大学
硕士学位论文
基于机器视觉的焊缝缺陷检测技术的研究
姓名：王慧玲
申请学位级别：硕士
专业：计算机应用技术
指导教师：林克正
20080301
常见的焊接缺陷与缺陷图片
常见的焊接缺陷(1) 常见的焊接缺陷 （1）未焊透：母体金属接头处中间（X坡口）或根部（V、U坡口）的钝边未完全熔合在一起而留下的局部未熔合。未焊透降低了焊接接头的机械强度，在未焊透的缺口和端部会形成应力集中点，在焊接件承受载荷时容易导致开裂。 （2）未熔合：固体金属与填充金属之间（焊道与母材之间），或者填充金属之间（多道焊时的焊道之间或焊层之间）局部未完全熔化结合，或者在点焊（电阻焊）时母材与母材之间未完全熔合在一起，有时也常伴有夹渣存在。 （3）气孔：在熔化焊接过程中，焊缝金属的气体 或外界侵入的气体在熔池金属冷却凝固前未来得及逸出而残留在焊缝金属部或表面形成的空穴或孔隙，视其形态可分为单个气孔、链状气孔、密集气孔（包括蜂窝状气孔）等，特别是在电弧焊中，由于冶金过程进行时间很短，熔池金属很快凝固，冶金过程中产生的气体、液态金属吸收的气体，或者焊条的焊剂受潮而在高温下分解产生气体，甚至是焊接环境中的湿度太大也会在高温下分解出气体等等，这些气体来不及析出时就会形成气孔缺陷。尽管气孔较之其它的缺陷其应
力集中趋势没有那么大，但是它破坏了焊缝金属的致密性，减少了焊缝金属的有效截面积，从而导致焊缝的强度降低。 某钢板对接焊缝X射线照相底片 V型坡口，手工电弧焊，未焊透 某钢板对接焊缝X射线照相底片 V型坡口，手工电弧焊，密集气孔 （4）夹渣与夹杂物：熔化焊接时的冶金反应产物，例如非金属杂质（氧化物、硫化物等）以及熔渣，由于焊接时未能逸出，或者多道焊接时清渣不干净，以至残留在焊缝金属，称为夹渣或夹杂物。视其形态可分为点状和条状，其外形通常是不规则的，其位置可能在焊缝与母材交界处，也可能存在于焊缝。另外，在采用钨极氩弧焊打底+手工电弧焊或者钨极氩弧焊时，钨极崩落的碎屑留在焊缝则成为高密度夹杂物（俗称夹钨）。 W18Cr4V（高速工具钢）-45钢棒 对接电阻焊缝中的夹渣断口照片 钢板对接焊缝X射线照相底片 V型坡口，手工电弧焊，局部夹渣
焊接缺陷和检验术语
焊接缺陷和检验术语 一、焊接缺陷 1、焊接缺陷焊接过程中在焊接接头中产生的金属不连续、不致密或连接不良的现象。 2．未焊透焊接时接头根部未完全熔透的现象，对对接焊缝也指焊缝深度未达到设计要求的现象。 3．未熔合熔焊时，焊道与母材之间或焊道与焊道之间，未完全熔化结合的部分，电阻点焊指母材与母材之间未完全熔化结合的部分。 4．夹渣焊后残留在焊缝中的焊渣。 5．夹杂物由于焊接冶金反应产生的，焊后残留在焊缝金属中的微观非金属杂质（如氧化物、硫化物等）。 6．夹钨钨极惰性气体保护焊时由钨极进入到焊缝中的钨粒。7．气孔焊接时，熔池中的气泡在凝固时未能逸出而残留下来所形成的空穴。气孔可分为密集气孔、条虫状气孔和针状气孔等。 8．咬边由于焊接参数选择不当，或操作方法不正确，沿焊趾的母材部位产生的沟槽或凹陷。 9．焊瘤焊接过程中，熔化金属流淌到焊缝之外未熔化的母材上所形成的金属瘤。 10．白点在焊缝金属拉断面上，出现的如鱼目状的一种白色圆形斑点。
11．烧穿焊接过程中，熔化金属自坡口背面流出，形成穿孔的缺陷。 12．凹坑焊后在焊缝表面或焊缝背面形成的低于母材表面的局部低洼部分。 13．未焊满由于填充金属不足，在焊缝表面形成的连续或断续的沟槽。 14．下塌单面熔化焊时，由于焊接工艺不当，造成焊缝金属过量透过背面，而使焊缝正面塌陷，背面凸起的现象。二、焊接裂纹 1．焊接裂纹在焊接应力及其他致脆因素共同作用下，焊接接头中局部地区的金属原子结合力遭到破坏而形成的新界面所产生的缝隙。它具有尖锐的缺口和大的长宽比的特征。2．热裂纹焊接过程中，焊缝和热影响区金属冷却到固相线附近的高温区产生的焊接裂纹。 3．弧坑裂纹在弧坑中产生的热裂纹。 4．冷裂纹焊接接头冷却到较低温度下（对于钢来说在MS温度以下）时产生的焊接裂纹。 5．延迟裂纹钢的焊接接头跨却到室温后并在一定时间（几小时、几天、甚至十几天）才出现的焊接冷裂纹。 6．焊根裂纹沿应力集中的焊缝根部所形成的焊接冷裂纹。7．焊趾裂纹沿应力集中的焊趾处所形成的焊接冷裂纹。8．焊道下裂纹在靠近堆焊焊道的热影响区内所形成的焊接
机器视觉检测的分析简答作业及答案要点学习资料
2012研究生机器视觉课程检测及课程设计内容 一、回答下列问题： 1、什么是机器视觉，它的目标是什么？能否画出机器视觉检测系统的结构方 块图，并说出它们的工作过程原理和与人类视觉的关系？ 机器视觉是机器（通常指计算机）对图像进行自动处理并报告“图像中有什么”的过程，也就是说它识别图像中的内容。图像中的内容往往是某些机器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。 原始数据特征向量类别标识 特征度量模式分类器 机器视觉系统的组成框图 2、在机器视觉检测技术中：什么是点视觉技术、一维视觉技术、二维视觉技 术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技术等？ 能否说出他们的应用领域病句、案例？能否描述它们的技术特点？ 答：点视觉：用一个独立变量表示的视觉称之为点视觉。如应用位移传感器测量物体的移动速度。 一维视觉：普通的CCD。 两维视觉：用两个独立变量表示的视觉称之为两维视觉。比如普通的CCD。 三维视觉：用三个独立变量表示的视觉称之为三维视觉。比如用两个相机拍摄（双目视觉）；或者使用一个相机和一个辅助光源。 彩色视觉：用颜色作为变量的视觉称之为彩色视觉。物体的颜色是由照 射光源的光谱成分、光线在物体上反射和吸收的情况决定的。比如，一 个蓝色物体在日光下观察呈现蓝色，是由于这个物体将日光中的蓝光 反射出来，而吸收了光谱中的其他部分的光谱，而同样的蓝色物体， 在红色的光源照射下，则呈现红紫色， 非可见光视觉技术：用非可见光作为光源的视觉技术。比如非可见光成像技术。
3、机器视觉检测技术中：光源的种类有哪些？不同光源的特点是什么？光照 方式有几种？不同光照方式的用途是什么？又和技术特点和要求？ 机器视觉检测技术中光源有以下几种：荧光灯，卤素灯+光纤导管，LED 光源，激光，紫外光等。几种光源的特点如下： 成本亮度稳定度使用寿命复杂设计温度影响种类名 称 荧光灯低差差一般低一般 卤素灯+光纤导管高好一般差一般差LED光源一般一般好好高低光照方式有以下几种： 背景光法（背光照射）是将被测物置于相机和光源之间。这种照明方式的优点是可将被测物的边缘轮廓清晰地勾勒出来。由于在图像中，被测物所遮挡的部分为黑色，而未遮挡的部分为白色，因此形成“黑白分明”的易于系统分析的图像。此方法被应用于90%的测量系统中。 前景光法（正面照射）是将灯源置于被测物和相机之前。又可分为明场照射和暗场照射。明场照射是为了获得物体的几乎全部信息，照射物体的光在视野范围之内几乎全部反射回去；暗场照射是为了获取物体表面的凹凸，照射物体的光在视野范围之外有部分光反射回去。 同轴光法是将灯源置于被测物和相机之间。 4、机器视觉检测系统中，光学系统的作用是什么？光学器件有哪几种，它们 各自的作用是什么？光学镜头有几种类型，它们各自有何用途？光学镜头有哪些技术参数，各自对测量有什么影响？ 答：机器视觉检测系统中，光学系统用来采集物体的轮廓、色彩等信息。 光学器件主要有：镜头、成像器件（CCD和CMOS)、光圈、快门等。 镜头的作用是对成像光线进行调焦等处理，使成像更清晰；成像器件的作用是将光学图像转换成模拟电信号；光圈的作用如同人得瞳孔， 控制入射光的入射量，实现曝光平衡；快门的作用是将想要获取的光学
焊缝缺陷图片
Radiograph Interpretation - Welds In addition to producing high quality radiographs, the radiographer must also be skilled in radiographic interpretation. Interpretation of radiographs takes place in three basic steps which are (1) detection, (2) interpretation, and (3) evaluation. All of these steps make use of the radiographer's visual acuity. Visual acuity is the ability to resolve a spatial pattern in an image. The ability of an individual to detect discontinuities in radiography is also affected by the lighting condition in the place of viewing, and the experience level for recognizing various features in the image. The following material was developed to help students develop an understanding of the types of defects found in weldments and how they appear in a radiograph. Discontinuities Discontinuities are interruptions in the typical structure of a material. These interruptions may occur in the base metal, weld material or "heat affected" zones. Discontinuities, which do not meet the requirements of the codes or specification used to invoke and control an inspection, are referred to as defects. General Welding Discontinuities The following discontinuities are typical of all types of welding. Cold lap is a condition where the weld filler metal does not properly fuse with the base metal or the previous weld pass material (interpass cold lap). The arc does not melt the base metal sufficiently and causes the slightly molten puddle to flow into base material without bonding. Porosity is the result of gas entrapment in the solidifying metal. Porosity can take many shapes on a radiograph but often appears as dark
基于机器视觉的产品检测技术研究
基于机器视觉的产品检测技术研究 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。 1.3机器视觉的研究现状 机器视觉研究出现于60年代初期，电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能。它作为早期人工智能研究的一部分，由于技术条件的限制，进展缓慢。80年代初，在D·Marr提出的计算视觉理论指导下，机器视觉研究得到了迅速发展，成为
机器视觉检测分解
研究背景： 产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 （1）人工目视检测法 （2）频闪检测法 无损检测技术 （1）涡流检测法 （2）红外检测法 （3）漏磁检测法 计算机视觉检测技术 （1）激光扫描检测法 （2）CCD 检测法 采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。 基于机器视觉的缺陷检测系统优点： 集成化生产缩短产品进入市场时间改进生产流程100%质量保证实时过程监控提高产量精确检测100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。 国外研究发展现状： 20 世纪90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习神经
基于机器视觉的表面缺陷检测系统设计
编号 本科生毕业设计 基于机器视觉的表面缺陷检测系统设计 Surface defect detection system design based on machine vision 学生姓名 专业电子信息工程 学号 指导教师 学院电子信息工程学院 二〇一三年六月
毕业设计（论文）原创承诺书 1．本人承诺：所呈交的毕业设计（论文）《基于机器视觉的表面缺陷检测系统设计》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定容，不弄虚作假，不抄袭别人的工作内容。 2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。 3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。 4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。 以上承诺的法律结果将完全由本人承担！ 作者签名：年月日
中文摘要 为了不断提高产品质量和生产效率，金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。针对金属工件表面的多种缺陷，本文设计了一套基于机器视觉能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用面阵CCD和多通道图像采集卡作为图像采集部分，提高了检测系统的速度并降低了对CCD的性能要求，使系统在现有的条件下比较容易实现实时在线检测；采用自动选取图像分割阈值，根据实际应用的阈值把工件信息从图像中提取出来并扫描工件图像中的信息，实现了系统的自动测量；根据扫描得到的工件信息去除掉工件边缘的光圈，利用自动选取的阈值对金属工件表面的图像进行二值化分割，从而实现各种缺陷的自动提取及识别。 关键词：机器视觉表面缺陷CCD 图像处理缺陷检测
铝合金焊接缺陷及检验
第八章：焊接缺陷及焊接质量检验 学习要求：掌握焊接中各种焊接缺陷，了解焊接缺陷产生的原因及预防措施，掌握各种焊接检验方法。掌握公司焊缝外观检验标准， 课时：4课时 基本内容 前言：随着科学技术的发展，焊接在工业生产中的地位更加重要。从大量结构的事故原因分析结果可以看出，很多是由于焊接质量不好造成的，而焊工的责任心和操作技能直接影响到焊接质量。为提高焊工的素质，保证焊接结构的使用安全、可靠，对焊工进行培训与考核是十分必要的。 第一节焊接缺陷 焊接缺陷：焊接接头中产生的不符合设计或工艺文件要求的缺陷 一、焊接缺陷的分类按焊接缺陷在焊缝中的位置，可分为外部缺陷与内部缺陷两大类。外部缺陷位于焊缝区的外表面，肉眼或用低倍放大镜即可观察到。例如：焊缝尺寸不符合要求、咬边、焊瘤、弧坑、烧穿、下塌、表面气孔、表面裂纹等。内部缺陷位于焊缝内部，需用破坏性实验或探伤方法来发现。例如：未焊透、未熔合、夹渣、内部气孔、内部裂纹等。 二、常见电焊缺陷 （1）焊缝尺寸不符合要求主要指焊缝宽窄不一、高低不平、余高不
足或过高等。焊缝尺寸过小会降低焊接接头强度；尺寸过大将增加结构的应力和变形，造成应力集中，还增加焊接工作量。焊接坡口角度不当或装配间隙不均匀，焊接电流过大或过小，运条方式或速度及焊角角度不当等均会造成焊缝尺寸不符合要求。 （2）咬边由于焊接参数选择不当，或操作工艺不正确，沿焊趾的母材部位产生的沟槽或凸陷即为咬边。咬边使母材金属的有效截面减小，减弱了焊接接头的强度，而且在咬边处易引起应力集中，承载后有可能在咬边处产生裂纹，甚至引起结构的破坏。产生咬边的原因 操作方式不当，焊接规范选择不正确，如焊接电流过大，电弧过长，焊条角度不当等。咬边超过允许值，应予补焊。 （3）焊瘤焊接过程中，熔化金属流淌到焊缝之外未熔化的母材上，所形成的金属瘤即为焊瘤。焊瘤不仅影响焊缝外表的美观，而且焊瘤下面常有未焊透缺陷，易造成应力集中。对于管道接头来说，管道内部的焊瘤还会使管内的有效面积减少，严重时使管内产生堵塞。焊瘤常在立焊和仰焊时发生。焊缝间隙过大，焊条角度和运条方法不正确，焊条质量不好，焊接电流过大或焊接速度太慢等均可引起焊瘤的产生。（4）烧穿焊接过程中，熔化金属自坡口背面流出，形成穿孔的缺陷称为烧穿。烧穿常发生于打底焊道的焊接过程中。发生烧穿，焊接过程难以继续进行，是一种不允许存在的焊接缺陷。造成烧穿的主要原因是焊接电流太大或焊接速度太低；坡口和间隙太大或钝边太薄以及操作不当等。为了防止烧穿，要正确设计焊接坡口尺寸，确保装配质量，选用适当的焊接工艺参数。单面焊可采用加铜垫板或焊剂垫等办法防
机器视觉测量技术
机器视觉测量技术杨永跃合肥工业大学 2007.3 目录 第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式
2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像
第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
3 第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界,有效解决问题。 人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器,赋予人类视觉功能极其重要。 机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。 机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等 数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定
机器视觉测量技术1.
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
焊缝质量检测方法
一外观检验 用肉眼或放大镜观察是否有缺陷，如咬边、烧穿、未焊透及裂纹等，并检查焊缝外形尺寸是否符合要求。 二密封性检验 容器或压力容器如锅炉、管道等要进行焊缝的密封性试验。密封性试验有水压试验、气压试验和煤油试验几种。 1水压试验水压试验用来检查焊缝的密封性，是焊接容器中用得最多的一种密封性检验方法。 2气压试验气压试验比水压试验更灵敏迅速，多用于检查低压容器及管道的密封性。将压缩空气通入容器内，焊缝表面涂抹肥皂水，如果肥皂泡显现，即为缺陷所在。 3煤油试验在焊缝的一面涂抹白色涂料，待干燥后再在另一面涂煤油，若焊缝中有细微裂纹或穿透性气孔等缺陷，煤油会渗透过去，在涂料一面呈现明显油斑，显现出缺陷位置。 三焊缝内部缺陷的无损检测 1渗透检验渗透检验是利用带有荧光染料或红色染料的渗透剂的渗透作用，显示缺陷痕迹的无损检验法，常用的有荧光探伤和着色探伤。将擦洗干净的焊件表面喷涂渗透性良好的红色着色剂，待渗透到焊缝表面的缺陷内，将焊件表面擦净。再涂上一层白色显示液，待干燥后，渗入到焊件缺陷中的着色剂由于毛细作用被白色显示剂所吸附，在表面呈现出缺陷的红色痕迹。渗透检验可用于任何表面光洁的材料。 2磁粉检验磁粉检验是将焊件在强磁场中磁化，使磁力线通过焊缝，遇到焊缝表面或接近表面处的缺陷时，产生漏磁而吸引撒在焊缝表面的磁性氧化铁粉。根据铁粉被吸附的痕迹就能判断缺陷的位置和大小。磁粉检验仅适用于检验铁磁性材料表面或近表面处的缺陷。 3射线检验射线检验有X射线和丫射线检验两种。当射线透过被检验的焊缝时，如有缺陷，则通过缺陷处的射线衰减程度较小，因此在焊缝背面的底片上感光较强，底片冲洗后，会在缺陷部位显示出黑色斑点或条纹。X射线照射时间短、速度快，但设备复杂、费用大，穿透能力较丫射线小，被检测焊件厚度应小于30mm。而丫射线检验设备轻便、操作简单，穿透能力强，能照投300mm的钢板。透照时不需要电源，野外作业方便。但检测小于50mm以下焊缝时，灵敏度不咼。 4超声波检查超声波检验是利用超声波能在金属内部传播，并在遇到两种介质的界面时会发生反射和折射的原理来检验焊缝内部缺陷的。当超声波通过探头从焊件表面进入内
基于机器视觉技术的物体表面缺陷检测.
基于机器视觉技术的物体表面缺陷检测 何小利1 , 宋钰 2 (1. 四川理工学院计算机学院, 四川自贡643000; 2. 四川理工学院网络中心, 四川自贡643000; 摘要:本文对物体表面缺陷进行研究和检测. 而检测的方法是采用LED 环形灯光直接暗视场正面照明方式来提取插座面板划痕图像. 具体过程是使用动态阈值分割图像, 并采用放射变换、区域特征处理及连通区域提取等技术来检测出插座面板划痕. 关键词:机器视觉; 物体表面; 缺陷检测中图分类号:T P393 文献标识码:A 文章编号: 1009-4970(2011 02-0064-050 引言 在传统的产品生产过程中, 一般情况下对产品的表面缺陷检测是采用人工检测的方法. 随着科学 技术的不断发展, 特别是计算机技术的发展, 出现了计算机视觉检测技术. 利用这种新技术设计出来的系统不受恶劣环境和主观因素的影响, 能快速、准确地检测产品的质量, 完成人工无法完成的检测任务. 机器视觉检测结合了计算机图像处理和模式识别理论, 它综合了计算机技术、数据结构、图像处理, 模式识别和软件工程等不同领域的相关知识. 一个典型的机器视觉系统应该包括以下五大块, 照明、镜头、相机、图像采集卡、视觉处理器.
1 物体表面缺陷检测 物体表面缺陷检测是机器视觉的一种典型应用. 本文以插座面板划痕检测为例, 通过采用LED 环形灯直接暗视场正面照明方式采集图像, 然后使用动态阈值分割法将插座面板区域中划痕检测的感兴趣区域提取出来, 再通过使用区域特征、区域形态学对插座面板区域使用腐蚀运算去掉分割区域中杂点和小的突出物, 确保计算上有足够的精度, 最后使用放射变换、图像平滑、连通区域提取等算法 检测出划痕并显示其结果(见图 1. 图1 插座面板划痕检测流程图 1. 1 图像获取 照明的方向性通常有两种:漫射和直接照射.
常见焊接缺陷及X射线无损检测要点
前言 船舶制造业自20世纪初开始研究焊接应用技术，并于1920年以英国船厂首次采用焊接技术建造远洋船为标志，焊接技术逐渐在船厂得到推广应用，并迅速取代铆接技术。由于焊接过程中各种参数的影响，焊缝中有时候不可避免地会出现裂纹、气孔、央渣、未熔合和未焊透等缺陷。为了保证焊接构件的产品质量，必须对其中的焊缝进行有效的检测和评价，尤其是在船舶压力管道、分段大接缝、外板及水密与强力接点等部位进行质量检测是十分必要的。 众所周知，船舶结构件发生焊接裂纹对结构强度和航行安全危害极大，特别是一些隐性裂纹不易发现，一旦船舶出厂，这些隐性裂纹后患无穷。因此，船舶在建造焊接过程中产生的裂纹一经发现，就必须立即查明原因并采取果断的措施彻底根除。焊接质量的检验方法，一般分无损检验和破坏检验两大类，采用何种方法，主要根据产品的技术要求和有关规范的规定。 无损探伤分渗透检验、磁粉探伤、超声波探伤和射线照相探伤。破坏检验方法是用机械方法在焊接接头(或焊缝)上截取一部分金属，加工成规定的形状和尺寸，然后在专门的设备和仪器上进行破坏试验。依据试验结果，可以了解焊接接头性能及内部缺陷情况，判断焊接工艺正确与否。经检验，船体结构焊缝超过质量允许限值时，应首先查明产生缺陷的原因，确定缺陷在工件上的部位。在确认允许修补时，再按规定对焊缝进行修补。
一、船舶焊接缺陷及无损探伤技术简介 1、船舶焊接中的常见缺陷分析 船舶焊接是保证船舶密性和强度的关键，是保证船舶质量的关键，是保证船舶安全航行和作业的重要条件。如果焊接存在着缺陷，就有可能造成结构断裂、渗漏，甚至引起船舶沉没。因此，在船舶建造中焊接质量是重点验收工作之一，规范也明确规定，焊缝必须进行外观检查，外板对接焊缝必须进行内部检查。船体焊缝内部检查，可采用射线探伤与超声探伤等办法。射线探伤能直接判断船体焊缝中存在的缺陷的种类、大小、部位及分布情况，直观可靠，重复性好，容易保存，当前船厂普遍采用X射线探伤来进行船体焊缝的内部质量检查。船舶焊接缺陷种类很多，按其位置不同，可分为外部缺陷和内部缺陷。常见缺陷有气孔、央渣、焊接裂纹、未焊透、未熔合、焊缝外形尺寸和形状不符合要求、咬边、焊瘤、弧坑等． 2、焊接缺陷分类 (1)气孔 气孔是指在焊接时，熔池中的气泡在凝固时未能逸出而形成的空穴。产生气孔的。 主要原因有：坡口边缘不清洁，有水份、油污和锈迹；焊条或焊剂未按规定进行焙烘，焊芯锈蚀或药皮变质、剥落等。由于气孔的存在，使焊缝的有效截面减小，过大的气孔会降低焊缝的强度，破坏焊缝金属的致密性。 预防产生气孔的办法是：选择合适的焊接电流和焊接速度，认真清理坡口边缘水份、油污和锈迹。严格按规定保管、清理和焙烘焊接材料。 (2)夹渣 夹渣就是残留在焊缝中的熔渣。夹渣也会降低焊缝的强度和致密性。 产生夹渣的原因主要是：焊缝边缘有氧割或碳弧气刨残留的熔渣；坡口角度或焊接电流太小，或焊接速度过快。在使用酸性焊条时，由于电流太小或运条不当形成“糊渣”；使用碱性焊条时，由于电弧过长或极性不正确也会造成夹渣。 防止产生夹渣的措施是：正确选取坡口尺寸，认真清理坡口边缘，选用合适的焊接电流和焊接速度，运条摆动要适当。 (3)咬边 焊缝边缘留下的凹陷，称为咬边。
基于机器视觉的产品检测技术研究【详述】
机器视觉概念/研究现状/应用/检测 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，
要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。
机器视觉检测技术的应用与分类
机器视觉检测的技术应用与分类 （编辑：李军单位：无锡创视新科技有限公司） 由于机器视觉检测能够最大程度的提高产品质量、降低成本，同时机器视觉系统可以24小时不间断的工作，且可在各种恶劣生产环境下高速在线检测，检测的准确度也达到接近100 %，因此工业企业大量采用机器视觉检测技术进行产品在线质量检测。 随着计算机技术、数字图像处理技术、LED光源技术等领域的不断发展，机器视觉技术也有了长足的进步。机器视觉技术在检测领域的应用也越来越广、可靠性越来越高、检测速度也越来越快，已经成为众多领域不可或缺的技术手段。 目前机器视觉检测分类主要以功能、安装载体、检测技术进行划分 按照检测功能可划分：定位、缺陷检测、计数/遗漏检测、尺寸测量。 按照其安装的载体可分为：在线检测系统和离线检测系统。 按照检测技术划分，通常有立体视觉检测技术、斑点检测技术、尺寸测量技术、OCR技术等。 视觉检测对于消除瑕疵、模糊、碎屑或凹陷等产品缺陷，以确保产品的功能和性能至关重要。因此已经被广泛用于各大行业的产品缺陷检测、尺寸检测中。如利用视觉系统能进行产品多种项目的检测，用视觉系统检测电子部件的缺陷或偏移的针脚，用视觉系统测量注射器部件形状或区分颜色来进行检查错误装配等。 同时，在交通行业的车牌识别和流量检测、药品行业的包装检测、饮料行业的容量检测和外包装检测、烟草行业的烟标检测和包装材料检测、汽车行业的装配检测、印刷品表面缺陷检测、无纺布疵检在线检测、五金行业的螺丝钉检测、运输行业的货物分拣、食品行业的水果分拣、电子行业的焊接检测和装配定位、钢铁行业的带钢表面缺陷检测、智能读表、智能抄表等都有应用。
焊缝外观缺陷检验标准规定
焊缝外观检验标准 1、目的 指导焊工及焊接检验人员工作，确保焊接质量。 2、适用范围 本标准适用于钢结构件焊缝外观质量检验（自检和专检）。 3、焊接部外观检查项目 3.1 焊接缺陷： 3.1.1咬边：由于焊接参数选择不当，或操作 工艺不正确，沿焊趾的母材部位产生的沟槽或凹陷。 3.1.2焊缝表面气孔：焊接时，熔池中的气泡 在凝固时未能逸出而残留下来形成的空穴叫气孔。表面气孔指露在表面的气孔。 3.1.3未熔合：熔焊时，焊道与母材之间或 焊道与焊道之间，未完全熔化结合的部分；点焊时母材与母材之间未完全熔化结合的部分。 3.1.4未焊透：焊接时接头根部未完全熔透 的现象。 3.1.5裂纹：在焊接应力及其它致脆因素共 同作用下，焊接接头中局部地区的金属原子结合力遭到破坏而形成的新界面而产生的缝隙，它具有尖锐的缺口和大的长宽比的特征。 3.1.6未焊满：由于填充金属不足，在焊缝 表面形成的连续或断续的沟槽。 3.1.7焊瘤：焊接过程中，熔化金属流淌到 焊缝之外未熔化的母材上所形成的金属瘤。 3.1.8烧穿：焊接过程中，熔化金属自坡口 背面流出，形成穿孔的缺陷。 3.2焊缝形状缺陷： 3.2.1焊缝成形差：熔焊时，液态焊缝金属冷凝后形成的焊缝外形叫焊缝成形，焊缝成形差是指焊缝外观上，焊缝高低、宽窄不一，焊缝波纹不整齐甚至没有等。 3.2.2焊脚尺寸：在角焊缝横截面中画出最大等腰三角形中，直角边的长度。缺陷表现在焊脚尺寸小于设计要求和焊脚尺寸不等（单边）等。 3.2.3余高超差：余高高于要求或低于母材。 3.2.4错边：对接焊缝时两母材不在一平面上。 3.2.5漏焊：要求焊接的焊缝未焊接。表现在整条焊缝未焊接、整条焊缝部分未焊接、未填满弧坑、焊缝未填满未焊完等。 3.2.6 漏装：结构件中某一个或一个以上的 零件未组焊上去。 3.2.7飞溅。
机器视觉检测技术在工业检测中的应用
机器视觉检测技术在工业检测中的应用 发表时间：2018-11-11T11:27:25.170Z 来源：《电力设备》2018年第17期作者：吴崇龙[导读] 摘要：机器视觉主要研究用计算机来模拟人的视觉功能，通过摄像机等得到图像，然后将它转换成数字化图像信号，再送入计算机，利用软件从中获取所需信息，做出正确的计算和判断，通过数字图像处理算法和识别算法，对客观世界的三维景物和物体进行形态和运动识别，根据识别结果来控制现场的设备动作。 (身份证号码：44080319880423xxxx) 摘要：机器视觉主要研究用计算机来模拟人的视觉功能，通过摄像机等得到图像，然后将它转换成数字化图像信号，再送入计算机，利用软件从中获取所需信息，做出正确的计算和判断，通过数字图像处理算法和识别算法，对客观世界的三维景物和物体进行形态和运动识别，根据识别结果来控制现场的设备动作。从功能上来看，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分，计算机视觉是研究试图建立从图像或者多维数据中获取“所需信息”的人工智能识别系统。正广泛地应用于医学、军事、工业、农业等诸多领域中。 关键词：机器视觉；工业检测；应用视觉技术在国内外发展极其必要。2008年经济危机极大冲击了美国至全球的各个领域。美国汽车制造业“BigThree”频临破产，进一步自动化是唯一出路。美国政府推行“MadeinUS”计划。出台多个政策刺激鼓励企业技术发明创新，视觉技术的应用就显得非常必要。近年在国内，劳动力工资成本大幅提高，很多生产企业迁移到人力资源更低廉的国家和区域，食品、医药质量事件不断。“MadeinChina”在世界声誉亟需提高，为提高质量保持竞争力，各领域的视觉检测及高度自动化势在必行。视觉检测对工业自动化的重要性与日俱增，工业自动化需求对视觉技术的推动高度集成化。在工业生产中，相对于传统的一些测量方法，机器视觉最大的优点是快捷、安全、可靠性大，精确和智能化，机器视觉精准地采集图片和算法分析，提高了产品验证的一致性，无接触并适应各种高温低温环境的测量，提升了产品生产的安全性、降低工人劳动强度，更实现企业高效安全生产和自动化管理，这些都具是不可替代的。下面通过举例证明这些方面的应用。 1机器视觉检测技术具体应用随着社会生产的发展，人们对于口罩外观质量的要求日趋严格。无纺布口罩的生产流程主要有：口罩定型、口罩成型、焊接冲切、上鼻梁条、耳带焊接、文字移印共六道工序，在口罩焊接冲切的过程中，如果对杯型口罩本体和口罩外套进行压合、焊接、切边的操作的过程不当就会使口罩出现瑕疵，影响产品的品质及企业的信誉。因此在无纺布口罩生产的过程中，应当采取一定的措施检测并剔除含有毛发、污点的口罩，保证口罩的品质。无纺布口罩的成品和半成品在流水线上以每秒近十片的速度流转，有时运行速度超过了每分钟一千米，在这种速度下传统的人工检测技术无法适应高速生产线，而且人工检测方法效率低下，劳动成本高，容易漏检，给企业造成损失。所以通过机器视觉技术进行无纺布口罩表面瑕疵检测口罩质量检测提供了很好的方案。 机器视觉系统的工程顺序为：首先将标准的样品放到传送带上，将样品移动到高速CCD线阵照相机下方，照明系统发出的平行光源照亮物体，选用畸变小的光学镜头，将被检测样品的三维场景的图像采集到计算机内部，形成二维图像，精确地反映样品表面的实际情况，建立标准样本特征库。为了对样品进行精确的测量，可以在摄像机视场内不同方位对标定标准样品进行多次标定，然后求其均值作为最终的标定系数，这样既可消除镜头畸变引起的误差又可去掉标定过程引入的随机误差。这种标定方法具有标定精度高、过程简单、成本低廉的优势，相较于标准的网格平面体标定方式更加容易实现，以标准样品为标定物，保证了被测样品各位置的光学参数与标定得到的参数相一致，确保了应用系统的标定精度和稳定性。标定方法的确定为下一步样品的检测和相机抓拍的控制提供了基础。 其次采用闭环控制方法，精确抓拍高速运动工件的图像，以防止工件抓拍不完整为后续检测工作带来困难，其控制过程为：传感器检测到工件的工位信息后,将工件的工位信息发送给相机控制单元,相机控制单元控制相机快门开启,完成相机拍照(工件图像曝光),获取工件图像,该图像传送到工件图像分割与定位单元进行处理,定位出工件图像在整幅图像中的位置,计算出工件图像中心与整幅图像中心的位置偏差,将位置偏差反馈到相机控制单元,相机控制单元根据本次的位置偏差调整下次的相机快门开启时间,以便让工件图像处于整幅图像中心位置,实现相机精确抓拍工件图像的控制。 再次对工件图像进行快速处理，对这些信号进行各种运算来提取产品的异常特征，如表面是否有毛发、异物、污点，以及耳绳、鼻梁线等部件有无缺失等等。 最后将被检测工件图像与标准样本特征库中的特征进行对比,找出被检测工件图像特征与特征库中的特征不相符的部分,若不相符的部分超出规定的范围,即可以判定为瑕疵工件。通过系统设计的剔废机构自动将有异常特征的废件剔除，从而实现口罩缺陷的自动识别、剔废功能，检测精度达到纵横向均为0.01毫米。 2机器视觉识别技术应用实例当前，机器视觉已成功地应用于工业检测领域，大幅度地提高了产品的质量和生产效率。企业中用于检测输血袋编号。在血袋生产过程中，血袋上的字符编号的正确和唯一是必不可少的检测信息。依靠工人的肉眼逐条检测带状转印薄膜上的字符串，来追踪血袋编号是否错印，劳动强度大，效率低,不能从根本上保证检测质量。一旦血袋编号出现重印、错印将会发生严重医疗事故，因此一种基于机器视觉技术的血袋编号字符的提取、识别与错误反馈于一体的检测系统就适时、必要地诞生了，用以提高一次性血袋出厂编号的检测精度和自动化水平，保证产品质量，解决生产实际问题。 2.1字符在线识别系统组成 为达到识别目的，识别系统由硬件和软件构成。硬件系统主要有血袋编号检测台机械结构、LED阵列照明系统、血袋编号图像采集系统、摄像机和计算机等。软件部分是系统的核心，主要由图像预处理、字符定位、字符倾斜校正、字符分割、字符识别等部分组成。 2.2识别系统的实现 本系统基于labVIEW编程、图像处理、微型计算机接口技术等实现输血袋的文字在线识别。使用图像灰度化技术、平滑、校正、直方图均衡化等技术进行图像预处理。使用投影定位法等对字符进行定位。使用投影法、模版匹配等进行倾斜角度调整。使用垂直投影法对字符进行分割。使用了BP神经网络来识别分割后的字符。为提高识别率，设计训练了三个神经网络:字母网络、数字网络、字母与数字网络。 2.3实验结果