银触点广泛应用于各种电子元器件中,其表面要求覆盖银层完整光亮,但在生产中表面会出现多种缺陷难以检测而影响使用。为保证其出厂的零缺陷,提出了基于ROI的银触点模板匹配缺陷检测方法。通过对图像进行形态学处理,保证了整张图像的低噪声,根据银触点的表面外形特征,优化了模板匹配的搜索路径,实现了自动选取目标。凸包运算后准确做出圆形区域的最小外接矩形ROI,通过位址映射求出最小外接矩形的位置,得到信息完整的原图ROI。将模板ROI与实时ROI进行去均值归一化相关匹配,计算两幅图像的相似度。通过大量实验得出合格约束相似度,对比人工分拣与机器视觉ROI模板匹配的分拣误差,得出基于ROI的银触点模板匹配缺陷检测方法,符合银触点的出厂要求。

针对扣件的断裂、缺失和螺母松动等3种主要缺陷引起的扣件转动,对基于Mask R-CNN网络扣件缺陷检测系统开展研究。首先将扣件图片输入到主干特征提取网络Resnet101对图片进行卷积、池化操作,随后构造FPN(Feature Pyram id Ne tw orks),经过FPN进行多尺度特征融合后的结果输入到RPN(Re gion Propos al Ne tw orks),再由RPN筛选出一部分RoI(Region of Interest),然后对RoI进行RoI Align操作,最后对RoI进行分类、bounding_box回归和扣件掩膜(mask)生成,最后得到的实例分割检测结果。该结果不仅可以通过预测框显示正常扣件和缺陷扣件类别,还可以通过语义分割得到的扣件形状判断扣件类别。因此,在一定程度上缩小了实际操作中因网络本身引起的误差。