针对传统自动化设备在网格布断裂缺陷检测方面的不足,提出了一种基于机器视觉的网格布断裂缺陷检测方法。首先,获取网格布的高对比度图像,利用中值滤波去掉图像中的噪声,采用Otsu阈值分割算法实现目标和背景的分离。根据网格部分断裂和完全断裂的两种缺陷特点,分别设计针对性算法。网格部分断裂的特点是由背景生成的凸包区域内包含有目标物体,因此采用Blob分析和凸包检测相结合的方式,实现对此种缺陷的检测。当网格完全断裂时,缺陷区域与相近区域的位置信息会发生变化,通过分析网格骨架交点生成的圆形区域内连通区域的数目,可以完成网格完全断裂缺陷的识别。实验结果表明,该方法可以应用于网格布的断裂缺陷检测,缺陷识别率在97%以上,可以满足检测要求。

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统。针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对图像缺陷特征进行形态学特征识别和提取,得到判断结果。实验结果表明:该检测方式能快速、准确、高效地提取电子元件缺陷特征;单幅图平均图像处理时间为131 ms,检测平均准确率为95%;另一方面,自动控制系统稳定性强,精度高,单个元件检测周期平均时间为4.7 s,相教于人工检测效率提高了38%,满足工业要求。