-
题名基于深度学习的点胶缺陷检测
被引量：7
- 1
-
-
作者
查广丰
胡泓
-
机构
哈尔滨工业大学深圳研究生院机电工程与自动化学院
-
出处
《电子技术与软件工程》
2019年第13期49-52,共4页
-
基金
深圳市科技攻关项目资助,项目号JSGG20170412143346791
-
文摘
在工业生产中,主要利用自动点胶机对工业相机底座表面进行点胶,而实际生产中由于自动点胶机工艺水平的限制,胶水不可避免的破裂、胶水的宽度太厚或太细,胶水不足等现象也是屡见不鲜。生产中如果不能及时检测出此类不良产品,将会影响到产品部件之间的连接,进而影响到整个产品的质量。因此,在需要点胶以实现粘合效果的各种应用中,严格控制点胶的质量是非常重要的。传统的点胶质量检测主要依靠手动检测方法,具有工作量大,工作效率低,检测精度不足等缺点,不能满足胶水检测的工业生产需求。为了提高点胶缺陷检测的准确率以及检测的稳定性,在本文中,我们使用深度学习卷积神经网络对胶条进行缺陷检测。通过模型的比较,最终采用LeNet-5卷积神经网络,同时在此基础上进行了改进,使得算法的鲁棒性以及准确率有所提升。
-
关键词
点胶缺陷检测
深度学习卷积神经网络
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
TG49
[金属学及工艺—焊接]
-
-
题名基于机器视觉的点胶质量检测方法
被引量：9
- 2
-
-
作者
贺香华
陈从桂
周聪
谢德芳
谢宏威
-
机构
广州大学机械与电气工程学院
广州大学机电设备状态监测与控制重点实验室
-
出处
《组合机床与自动化加工技术》
北大核心
2020年第11期99-101,106,共4页
-
基金
广州大学研究生创新研究资助计划(2018GD JC-M18)
-
文摘
针对传统点胶缺陷检测成本高、效率低等问题,提出基于机器视觉的点胶质量检测方法。通过图像分割以及形态学等图像处理手段,结合亚像素边缘提取方法准确定位出点胶区域轮廓,选取模板,采用归一化互相关匹配算法进行模板匹配,计算刚性仿射变换矩阵,并将其应用于待检产品图像,通过对目标区域计算,判断合格品及不合格产品的类型。实验结果表明,文章所提方案能快速、准确的判别出产品是否合格,并针对不合格产品判断其类型,准确率为99.6%,检测时间为354.6ms,具有良好的准确性以及快速性,满足工业生产要求。
-
关键词
机器视觉
亚像素边缘
归一化互相关
仿射变换
点胶缺陷检测
-
Keywords
machine vision
subpixel edge
normalized cross-correlation
affine transformation
dispensing defect detection
-
分类号
TH162
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
