目前电子商品外型表面缺陷人工检测工作量大,效率低而且漏检率高,迫切需求商品缺陷的自动化检测;实际检测中,塑料制品表面在光照条件下会浮现反光,严峻妨碍后续处理;缺陷弱小且与制品颜色对照别明显,采纳直截了当阈值没法分割;针对这一现状将机器视觉技术与虚拟仪器相结合,按照商品缺陷特征,选择合适的光照方案抑制反光,利用锐化滤波猎取了缺陷位置特征清晰的图象,并对边缘含糊缺陷有效分割;识不结果表明,图象处理算法平稳,对绝大部分缺陷具有良好的检测效果。 半导体芯片广泛应用于各个领域,各类电子商品,差不多成为经济进展,國家信息内容安全的命脉,深刻妨碍着现代人类的日子.在半导体芯片封装创造过程中,别可幸免地在芯片表面产生各类缺陷,直截了当妨碍到芯片的运行效能及寿命.传统人工目视检测法差不多难以习惯半导体芯片封装创造的高速,高精密度的检测需求.利用机器视觉技术对芯片表面缺陷举行检测,具有无接触无损伤,检测精密度高,速度快,平稳性高等优点.虽然目前基于机器视觉的芯片缺陷检测技术在芯片打印字符,引足外型外形尺寸部位等方面的研究已取得很好的发展,但关于芯片表面的外型缺陷检测与分类研究尚处于起步。 机器视觉作为一项先进自动化检测技术,可有效提高成产效率和工业创造水平,视觉检测可应用于商品外型缺陷自动识不。本文以扣式电池为对象,研究了正负两极面的表面外型缺陷检测办法。 本文设计了一种基于视觉技术的扣式电池在线检测体系,分析了扣式电池金属表面缺陷成像的难点,研究其视觉成像原理,并设计了低成本的机器视觉硬件体系;并且开辟了视觉检测上位机软件,实现体系操纵、图象处理与识不等作用,并包含可以实时显示的人机界面。 机器视觉算法是缺陷检测技术的关键,本文重点研究了电池表面图象预处理、定位和字符校准、字符区域定位和分割、缺陷分析和识不等算法。