相关推荐
工业质检-缺陷检测数据集
文章转自https://www.jiqizhixin.com/articles/2020-10-25-3 以备后用,非常感谢! 目前, 基于机器视觉的表面缺陷装备已经在各工业领域广泛替代人工肉眼检测,包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器 视觉的表面缺陷检测方法,往往采用常规图像处理 算法或人工设计特征加分类器方式。一般来说,通常利用被检表面或缺陷的不同性质进行成像方案的设计,合理的成像方案有助于获得光照均匀的图像,并将物体表面缺陷明显的体现出来。近
机器视觉工业缺陷检测的那些事(三、镜头)
机器视觉工业缺陷检测的那些事(三) 3、镜头的选择 工业相机镜头由多个透镜、可变(亮度)光圈和对焦环组成。如下图所示,在使用时由操作者观察相机显示屏来调整可变光圈和焦点,以确保图像的明亮程度及清晰度(有些镜头有固定调节系统)。 (1)镜头的接口 镜头的接口尺寸是有国际标准的,共有三种接口型式,即F型、C型、CS型,其他有M42、莱卡、哈苏、AK。F型接口是通用型接口,一般适用于焦距大于25mm的镜头;而当物镜的焦距约小于25mm时,因物镜的尺寸不大,便采用C型或CS型接口。 C接口和CS接口的
工业机器视觉缺陷检测工作小结
(因为网上没有很系统的讲义和文档,都是零零散散的,因此,我自己尝试着总结一下、仅供参考)
机器视觉工业缺陷检测的那些事(一、光源)
机器视觉工业缺陷检测的那些事(一) 视觉工业检测大体分为工件尺寸测量与定位,和表面缺陷检测,及各种Logo标识的检测与识别等。 尺寸测量主要是检测物体的长、宽、高,比较常见主要是物体的二维尺寸(宽和高)检测。 表面缺陷检测主要是物体表面局部物理或者化学性质不均匀的区域,比较常见的有金属或者塑料制品表面的划痕(如:手机壳/屏幕表面的划痕)、斑点和孔洞(如:PCB板漏了焊点或者表面多了焊点),纸张表面的色差、脏污点、破损,纸制品表面的压痕、凸起,玻璃等非金属制品表面的杂质、破损、污点、平整度等...
机器视觉工业缺陷检测的那些事(光源)
一般机器视觉系统:相机、镜头、光源、运动系统。视觉工业检测大体分为工件尺寸测量与定位,和表面缺陷检测,及各种Logo标识的检测与识别等。尺寸测量主要是检测物体的长、宽、高,比较常见主要是物体的二维尺寸(宽和高)检测。表面缺陷检测主要是物体表面局部物理或者化学性质不均匀的区域,比较常见的有金属或者塑料制品表面的划痕(如:手机壳/屏幕表面的划痕)、斑点和孔洞(如:PCB板漏了焊点或者表面多了焊点),纸张表面的色差、脏污点、破损,纸制品表面的压痕、凸起,玻璃等非金属制品表面的杂质、破损、污点、平整度等。
【表面缺陷检测】表面缺陷检测数据集汇总
本文收集整理了16个表面缺陷检测相关的数据集,并对每个数据集的特点进行了简单的介绍。(文末附数据集)
机器视觉工业缺陷检测的那些事(二、相机)
机器视觉工业缺陷检测的那些事(二) 2、相机的选择 (1)工业数字相机的分类: 工业相机按照芯片类型可以分为CCD相机、CMOS相机; 按照输出色彩可以分为单色(黑白)相机、彩色相机; 按照传感器的结构特性可以分为线阵相机(黑白摄像机、3Line彩色相机、3CCD彩色相机(分光棱镜)、面阵相机(黑白摄像机、Bayer彩色相机、3CCD彩色相机(分光棱镜); 按照输出信号方式可以分为模拟相机(PAL(黑白为CCIR))、NTSC(黑白为EIA))、数字相机(IEEE1394、USB2.0、Came
【智能体】零代码实战:Coze多智能体协作开发全流程解析
本文详细解析了Coze平台的多智能体协作开发全流程,从入门指南到实战技巧,帮助用户零代码构建高效AI团队。通过模块化设计和专业分工,多智能体系统能显著提升任务处理速度和准确率,适用于客服、内容创作、教育培训等多个场景。文章还提供了性能优化和常见问题解决方案,助力开发者快速掌握Multi-Agent技术。
机器视觉工业缺陷检测的那些事(四、常用算法与库)
机器视觉工业缺陷检测的那些事(四) 二、算法(预处理算法、检测算法) 常用的图像处理算法: 1、图像变换:(空域和频域、几何变换、色度变换) 几何变换:图像平移、旋转、镜像、转置; 尺度变换:图像缩放、插值算法(最近邻插值、线性插值、双三次插值); 2、图像增强: 灰度变换增强(线性灰度变换、分段线性灰度变换、非线性灰度变换); 直方图增强(直方图统计、直方图均衡化); 图像平滑/降噪(邻域平均法、加权平均法、中值滤波、非线性均值滤波、高斯滤波、双边滤波); 图像(边缘)锐化:Rob.
从零开始:QNX SDP 8.0开发环境搭建与实战入门
本文详细介绍了如何从零开始搭建QNX SDP 8.0开发环境并进行实战入门。内容涵盖许可证获取、环境安装、命令行与IDE工具使用、BSP构建、系统镜像生成,以及编写、编译和运行第一个QNX程序的全过程。旨在帮助嵌入式开发者,特别是汽车电子和工业控制领域的工程师,快速掌握这一实时操作系统(RTOS)的开发基础。
Windows 11登录界面密码框消失Bug解析与解决方案
Windows操作系统登录认证机制是系统安全的第一道防线,其图形界面由桌面窗口管理器(DWM)负责渲染。当UI元素渲染异常时,会导致密码输入框等关键组件不可见。这类图形子系统故障通常源于驱动兼容性或主题服务冲突,在Windows 11最新累积更新后尤为常见。通过系统文件检查(sfc)、注册表修复或创建新用户等工程实践方法可有效解决问题。对于企业IT环境,建议采用PIN码或生物识别等替代认证方案,同时定期执行磁盘清理和系统健康检查等Windows维护操作,确保认证服务稳定运行。
机器视觉工业缺陷检测的那些事——硬件选型详解
需要极高对比 → 黑白相机 + 彩色单色光 + 滤镜。环境光干扰 → 单色光 + 带通滤镜。高反光曲面 → 穹形漫射光。平面但粗糙/纹理 → 同轴漫射光。表面凹凸/划痕 → 低角度暗场。塑料/透明 → UV/IR光。反射看内部特征 → 低角度线光。单光源不够 → 多光源组合(RGB独立控制)。高速运动 → 频闪过驱动(瞬间亮度×20)。
从零到一:STM32G431的DSP库集成与FFT实战避坑指南
本文详细介绍了在STM32G431微控制器上集成CMSIS-DSP库并进行FFT实战开发的完整流程。重点解析了通过CubeMX和Keil环境配置DSP库的关键步骤、编译器宏定义陷阱及解决方案,并提供了FFT算法优化、内存管理及常见问题诊断的实用技巧,帮助开发者高效实现嵌入式信号处理应用。
【亲测免费】 机器视觉工业缺陷检测指南:开启智能检测新时代
机器视觉工业缺陷检测指南:开启智能检测新时代 【下载地址】机器视觉工业缺陷检测指南-20210817 机器视觉工业缺陷检测指南 - 20210817欢迎来到**机器视觉工业缺陷检测的那些事-20210817**资源页面,本PDF文档是一份详尽的指南,专门针对那些在工业生产中寻求提升产品质量,通过智能化技术实现高效缺陷检测...
使用 MATLAB/Simulink + Deep Learning Toolbox,构建一个基于LSTM的电网负荷预测模
本文介绍了一个基于Simulink和深度学习的智能电网负荷预测与调度建模方法。通过LSTM神经网络构建负荷预测模型,将历史负荷、天气、日期等特征作为输入,预测未来24小时负荷。然后将训练好的模型集成到Simulink仿真系统中,结合发电单元模型和经济调度逻辑,实现预测驱动的电力调度优化。实验结果表明,该方法预测误差在2.5%-4.0%之间,相比传统调度方式可降低15%-25%的运行成本。文章详细展示了从数据准备、特征工程、模型训练到系统集成的完整流程,为智能电网中AI技术的应用提供了实用参考。
【系统架构设计师】十、统一建模语言UML(基本概念|UML2.0|SysML)
UML 2.0 提供了 14 种图,分别是类图、对象图、用例图、序列图、通信图(协作图)、状态图、活动图、构件图(组件图)、部署图、制品图、组合结构图、包图、交互概览图和计时图(定时图)。序列图、通信图、交互概览图和计时图均被称为交互图。 系统建模语言(SysML)是一种通用图形建模语言,用于指定,分析,设计和验证可能包括硬件,软件,信息,人员,程序和设施的复杂系统。特别是,该语言提供了图形表示,其具有用于建模系统需求,行为,结构和参数的语义基础,用于与其他工程分析模型集成。
机器视觉工业缺陷检测(光源,相机,镜头,算法)
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号:datayx一般机器视觉系统:相机、镜头、光源、运动系统。 视觉工业检测大体分为工件尺寸测量与定位,...
BMD101传感器协议解析与STM32实现(LCD显示波形)
1 前言 BMD101传感器是神念科技开发的心电传感器。目前有一些商家开发了BMD101传感器模块,基本上都是利用蓝牙直接传输数据到PC或手机端。而本文介绍通过串口将数据传送给单片机,并在单片机上完成数据解析和心电波形LCD显示的功能。 2 通信协议解读 BMD101 通过 UART 接口通信。这是一个标准的 UART 接口,定义为 1 个起始位,8 个数据位,1 停止位格式,波特率 57600。 串口输出的数据包格式如下: 包括Header(帧头)、data payload(数据有效载荷)、CRC校验
OpenCV | 告别人工目检:深度学习技术引领工业品缺陷检测新时代
本书专注于介绍OpenCV4在工业领域的常用模块,通过合理的章节设置构建了阶梯式的知识点学习路径。化繁就简、案例驱动,注重算法原理、代码演示及在相关场景的实际使用。本书还介绍了必备的深度学习知识与开发技巧,拓展OpenCV开发者技能。全书共16章,分为3篇。● 基础篇(第1~4章):主要介绍OpenCV的简单使用、像素操作、色彩空间、图像直方图。
Win11 1 月更新黑屏循环故障技术分析与解决方案
2026年1月30日Windows 11更新引发黑屏循环故障,主要影响2018年前出厂、采用MBR分区及特定BIOS固件的设备,尤其对使用经典版Outlook(POP协议)的用户影响显著。故障表现为系统无限重启黑屏,导致数据访问中断。分析表明,问题源于硬件兼容性、分区格式与系统更新的交互冲突。解决方案包括进入安全模式回滚更新、暂停自动更新、升级驱动/BIOS,以及等待微软官方补丁。建议用户更新前评估硬件兼容性并备份数据,企业环境应建立分阶段更新测试机制。该事件为系统更新风险管理提供了重要参考。
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
OpenCV4工业缺陷检测的六种方法
以工业级视觉应用开发所需知识点为主线,讲透OpenCV相关核心模块,案例化详解1000个常用函数、深度学习知识以及模型的推理与加速。 本书专注于介绍OpenCV4在工业领域的常用模块,通过合理的章节设置构建了阶梯式的知识点学习路径。化繁就简、案例驱动,注重算法原理、代码演示及在相关场景的实际使用。本书还介绍了必备的深度学习知识与开发技巧,拓展OpenCV开发者技能。
C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正
使用OpenCV4实现工业缺陷检测的六种方法
当前工业缺陷检测算法目前主要分为两个方向,基于传统视觉的算法和基于深度学习的算法,前者主要依靠对检测目标的特征进行量化,比如颜色,形状,长宽,角度,面积等,好处是可解释性强、对样本数量没有要求、运行速度快,缺点是依赖于固定的光照成像,稍有改动就要改写程序重新部署,而且检测规则和算法跟开发者经验其主导作用。其中工业品的缺陷检测极大的依赖人工完成,特别是传统的3C制造环节,产品缺陷检测依赖于人眼睛来发现与检测,不仅费时费力还面临人员成本与工作时间等因素的制约。
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件
工业界表面缺陷检测方法综述
点击上方蓝色字体,关注我们产品的表面缺陷检测是近年来制造业中格外关注的一项技术问题。作为生产制造过程中必不可少的一步,表面缺陷检测广泛应用于各工业领域,包括3C、半导体及电子、汽车、化工...
机器视觉之缺陷检测的光源
目录 机器视觉工业缺陷检测的那些事(一) 一、硬件选型 1、光源的选择 (1)光源可分为可见光和不可见光。 (2)按照射方式不同可分为背向照明、前向照明、结构光和频闪光照明等。 (3)按照照明方式可分为穹形光源、环形光源、平行光源、同轴光源、点光源、低角度光源、线光源、光栅等。 (a)考虑光源颜色和背景颜色: (b)选择光源的形状和尺寸: (c)选择是否用漫射光源: A、如何评价一个光源的好坏?...
表面缺陷检测:机器视觉检测技术
导读:传统的工业生产制造,由于科学技术的限制仍然主要采用人工检测的方法去检测产品表面的缺陷,这种方法由于人工的限制和技术的落后,不仅检测产品的速度慢、效率低下,而且在检测的过程中容易出错,从而导致了检测结果的不精确。 当今社会,随着计算机技术,人工智能等科学技术的出现和发展,以及研究的深入,出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现,大大提高了生产作业的效率,避免了因作业...
工业产品缺陷检测Opencv+Python
文章目录问题描述解决方法1 介绍2 方法2.1 产品水平矫正2.2 定位产品的外轮廓2.3 产品对齐2.4 缺陷检测3 实验结果及分析4 讨论 问题描述 如下图所示为某种用于试剂检验的产品,需要利用机器视觉的方法检测产品的缺陷。 本设计的目的是综合运用图像处理的知识,检测产品是否有严重缺陷。 在检测算法之前, 作为图像的预处理, 检测和定位产品的外轮廓,矫正产品的姿态,对于后续的算法处理有着重要的意义。 数据为真实的工业产品成像,分为放在OK,NG目录下。数据提取地址链接 提取码:s3jl,OK目录下的
4583



被折叠的 条评论
为什么被折叠?



