检索结果-南通市图书馆

作者：杜春花曲阜师范大学

学位级别：硕士

近年来,基于机器视觉的胶囊缺陷检测与识别技术日渐成熟。国内外也陆续出现了相应的产品,逐步实现了机器检测替代人工检测,提高了生产效率。虽然国外的胶囊检测识别设备具有较好的检测效果和识别率,但价格较高。因此,研究和设计具有更... 详细信息

近年来,基于机器视觉的胶囊缺陷检测与识别技术日渐成熟。国内外也陆续出现了相应的产品,逐步实现了机器检测替代人工检测,提高了生产效率。虽然国外的胶囊检测识别设备具有较好的检测效果和识别率,但价格较高。因此,研究和设计具有更高性价比的胶囊缺陷检测与识别系统具有现实意义,高性能的胶囊缺陷检测和识别系统的研究也成为目前智能制造的一个重点内容。本文研究设计了一套高性能的基于机器视觉的胶囊缺陷检测与识别系统,采用图像处理技术和模式识别技术实现胶囊的缺陷识别与分类。首先,介绍基于机器视觉的胶囊缺陷检测平台的总体结构,包括硬件系统设计和软件系统设计两部分。硬件平台的搭建包括工业相机、LED光源、工控机、微控制器等装置,并对采用的各种装置进行了说明。软件平台方面基于OpenCV开源图像视觉库,对图像处理算法进行设计并改进,形成包含图像处理与机器学习在内的胶囊缺陷检测与识别系统。其次,研究胶囊本体图像的区域分割与缺陷区域的边缘检测算法。对于胶囊本体图像的区域分割,先利用最小外接矩形方法求出胶囊的倾斜角度进而计算出旋转角度,再通过仿射变换实现对胶囊的倾斜校正,然后采用Scharr算子将胶囊分割为胶囊帽、胶囊体及中间结合部分。对于缺陷区域的边缘检测,首次将改进的Canny边缘检测算法应用于胶囊缺陷检测与识别系统,与传统Canny边缘检测算法相比,该算法检测的边缘信息更加清晰、更加完整,为胶囊缺陷区域边缘的准确提取提供了保证。最后,针对胶囊缺陷的常见特征类型和提取方法,提出一组带有典型特征值的向量作为缺陷识别分类器的输入量。在标准BP算法的基础上进行改进,对引入动量因子的改进算法和基于Levenberg-Marquardt的改进算法进行分析与比较,最终采用一种基于Levenberg-Marquardt改进的BP神经网络算法。使用改进的算法设计了分类器,采用胶囊缺陷样本集对设计好的分类器进行训练与测试。实验结果表明,该方法合理可行,且收敛速度快、预测精度高,同时测试准确度也较高。因此,本文研究的基于胶囊缺陷检测与识别技术具有可行性、有效性及较高的实用性。

关键词：胶囊缺陷区域分割 Canny算法 BP神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的胶囊缺陷检测装置设计

引用

贵州大学学报（自然科学版） 2020年第3期37卷 42-48页

作者：朱书德李少波王铮杨静董豪段仲静王军贵州大学机械工程学院贵州贵阳550025

针对单一角度采集的图像检测样本存在的高误检率、错误率等问题,文章提出一种特殊的打光方案及相机安装方案,实现对胶囊360°全方位的缺陷检测,利用彩色相机填补了胶囊异色点、黑点,印字、小切口以及混批等缺陷不能检测的空白。在胶囊... 详细信息

针对单一角度采集的图像检测样本存在的高误检率、错误率等问题,文章提出一种特殊的打光方案及相机安装方案,实现对胶囊360°全方位的缺陷检测,利用彩色相机填补了胶囊异色点、黑点,印字、小切口以及混批等缺陷不能检测的空白。在胶囊有序传送的前提下,提出“隔组间排”原理,以更多时间和空间使电磁铁伸缩杆完成踢废动作,平衡“传送效率”“检测效率”“踢废效率”三者之间的矛盾,提高设备的处理能力,实现胶囊的缺陷检测。

关键词：机器视觉胶囊缺陷检测装置

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的胶囊表面缺陷的识别与分拣技术研究

基于机器视觉的胶囊表面缺陷的识别与分拣技术研究

引用

作者：侯海飞浙江大学

学位级别：硕士

随着科技的发展,机器视觉在工业生产的某些领域已较为成熟且得到了较好的运用,对生产效率和产品质量的提高起到了很大的作用。与此同时,由于药品质量关系到每个人的健康问题,国家对药品质量的检测监督要求也逐步提高。而目前,针对胶囊... 详细信息

随着科技的发展,机器视觉在工业生产的某些领域已较为成熟且得到了较好的运用,对生产效率和产品质量的提高起到了很大的作用。与此同时,由于药品质量关系到每个人的健康问题,国家对药品质量的检测监督要求也逐步提高。而目前,针对胶囊表面缺陷的识别,国内各大制药厂商大多仍在使用人工肉眼观察的方法,找出有缺陷的胶囊。这种人工检测的方式不但效率低、成本高而且由于人自身一些固有因素,使得检测的准确率不能得到可靠保证。基于以上背景,本文旨在构建一套用于胶囊表面缺陷识别的机器视觉系统,用于代替传统的人工检测,不仅具有重要的科学意义,而且具有广阔的应用前景。本文在充分分析国内外相关技术的研究现状及局限性的基础上,分别从系统的结构设计、胶囊的数字图像处理技术和缺陷识别技术这几方面进行了广泛深入的研究。提出了整套的胶囊表面缺陷识别方案和方法。为了能稳定、快速、准确地对胶囊进行检测,我们对胶囊传送带进行了特殊设计。设计了独特的胶囊凹槽,使得胶囊能够随着传送带的传动而翻转,每次翻转约90°,翻转三次,共采集到四幅不同表面的胶囊图像,完全覆盖了胶囊一周,达到完全检测的效果。建立了基于机器视觉的胶囊表面缺陷识别与有缺陷胶囊的分拣系统。设计了系统的照明光源,增强了本文需要的缺陷特征;选择了合适的采集设备,胶囊的定位探测装置,使得胶囊目标的触发和图像采集能够稳定、高效的完成。另外还设计了独特的针对有缺陷胶囊分拣装置。完成了一套用于胶囊缺陷特征提取和缺陷识别的算法。包括从直接采集得到胶囊模组中提取出单个胶囊体,胶囊图像的滤波,区域分割和缺陷边缘检测,获取了胶囊缺陷的特征值。并首次将神经网络引入了胶囊缺陷的识别,最终实现了较高的识别准确率。设计了一种基于最小矩形区域的胶囊图像分割算法。在探讨了经典的区域生长分割、分水岭分割后,首先提出了一种基于Hough变换的倾斜胶囊矫正和横向投影分割的方法,然后根据胶囊图像的特点,采用先增强中部结合体区域,再对全局区域采用两个最小矩形区域包含的方式,以上下区域最左为支点,在一定范围内以一定的步长调整矩形倾角,在完全包含的前提下,以最小面积的矩形区域为准,实现了对胶囊图像的正确分割。编写了配套的基于MFC的可视化的人机交互软件。包括胶囊的选择、参数导入、BP神经网络训练、目标的实时监控和检测结果统计等主要功能,方便使用者对机器进行操作和管理。最后,本文对课题的研究内容和成果作了总结,阐述了研究的特色和创新之处,指出了工作中的不足和有待完善的地方,并对今后的工作给出了方向性的建议。

关键词：机器视觉 CCD图像采集缺陷识别与分拣系统胶囊缺陷识别最小矩形区域分割边缘检测 BP神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的胶囊表面缺陷检测方法研究

基于机器视觉的胶囊表面缺陷检测方法研究

引用

作者：段仲静贵州大学

学位级别：硕士

目前,国内外对基于机器视觉的胶囊缺陷检测技术研究日渐成熟,也相继出现了一些胶囊表面缺陷检测设备。使用机器实现自动化检测,能大大提高企业的竞争力。国外对该领域的研究较早于国内,检测技术也更成熟,但国外的检测设备售价昂贵,这给... 详细信息

目前,国内外对基于机器视觉的胶囊缺陷检测技术研究日渐成熟,也相继出现了一些胶囊表面缺陷检测设备。使用机器实现自动化检测,能大大提高企业的竞争力。国外对该领域的研究较早于国内,检测技术也更成熟,但国外的检测设备售价昂贵,这给国内很多胶囊生产企业的检测模式转型带来了阻碍。因此,对胶囊缺陷在线检测技术的研究是非常有实际意义的。本文以采用机器视觉技术实现胶囊表面缺陷自动在线检测为研究目的。主要研究内容如下:首先针对视觉检测系统,设计并搭建了胶囊图像采集系统,设计了胶囊图像数据类别和数量,并通过该图像采集平台实现了胶囊数据采集。针对图像预处理问题,提供了相应的解决方案:采用Tensor Flow深度学习框架对数据集进行Rotate、Transpose离线增强及Mosaic在线增强。并对图像进行灰度化、降噪及去除光照不均匀增强处理。然后基于YOLOv5模型对胶囊表面缺陷检测算法进行设计。对YOLOv5模型从网络宽度和深度两个维度上进行改进,提出了一种胶囊表面缺陷在线检模型Yolov5＿ours。对batch size和学习率两个超参数进行寻优实验及对所提模型和其它主流算法在本文数据集上进行对比实验,该模型获得了99.96%的精确率,99.80%的召回率及每秒52.13帧的检测速度。实验表明,所提模型在检测精度和速度上都具有明显优势。最后,设计并开发了胶囊表面缺陷检测原型系统。详细介绍了检测软件的总体设计、开发环境及功能设计等研究工作,并对软件进行了测试验证。

关键词：机器视觉胶囊缺陷 YOLOv5网络图像处理目标检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：