基于深度学习的工业视觉检测系统

针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能.设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果.实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性.

基于机器视觉的工业产品缺陷检测系统研究

缺陷检测是工业生产过程中把控出厂产品质量的关键步骤,实现自动化缺陷检测对促进"智"造业发展有着重要意义.近年来,深度学习算法被广泛应用于缺陷检测领域并取得了不错的检测效果,但现有的相关研究大多仅针对某特定的检测场景,且对运行检测程序的设备性能要求较高,不具备良好的可迁移性和推广价值.文中通过总结缺陷检测应用场景的共性,使用基于神经网络的机器视觉方法设计并实现了一个可迁移,高适配的缺陷检测应用框架,同时提出了两种轻量化改进方案使其可在低资源嵌入式平台中平稳运行且达到高精度,低时延的检测效果,主要研究内容如下: (1)针对常见缺陷检测任务中存在的共性问题,设计并实现了一个基于机器视觉的深度学习缺陷检测框架.该框架使用YOLOv5s模型识别待检物图像中感兴趣的目标位置及其类别以做出缺陷判断,并通过数据增强及迁移学习的技术手段来缓解缺陷数据集采集困难的情况,最后将其检测部分移植至嵌入式平台中运行测试.此外还将整体框架进行模块化封装,使其具有良好的可迁移性. (2)为提升缺陷检测框架在嵌入式平台中的运行效果,针对框架中使用的YOLOv5s目标检测网络提出了两种的轻量化改进方法.其一是分析特征提取网络的组成结构,择选其中部分卷积层改良为感受野加强的轻量级卷积层,达到在保证精度的同时降低网络复杂度的目标.其二是重新设计网络的检测头部分,去除原网络使用的锚框(Anchor)机制,并对预测框表示方法以及训练过程的正样本匹配方法进行修改,增强模型性能的同时还避免网络训练时拟合数据集锚框的步骤.经过实验测试,应用两种改进方法后的网络模型在嵌入式设备中均可提升模型推理速度. (3)通过自采待检物图像并标注的方法制作电缆组装部件数据集,结合前文提出并改进的检测框架对电缆组装件的自动化缺陷检测系统进行详细设计,最后将系统部署至嵌入式平台JetsonNano中测试.测试结果表明,文中提出的基于机器视觉的工业产品缺陷检测解决方案可满足实际运行需求,具备较好的工程应用价值.

基于深度学习的钛合金丝材表面缺陷实时视觉检测系统研究

深度学习技术在工业视觉检测领域展现出巨大潜力,特别是针对钛合金丝材表面缺陷检测这一高精度需求场景,本研究构建了基于深度学习的钛合金丝材表面缺陷实时视觉检测系统,涵盖硬件设计,图像预处理,深度学习模型与人机交互等关键模块.通过多样化数据采集与标注,定制化的网络模型设计以及多阶段训练优化,系统在工业验证中表现出良好的检测精度及实时处理能力,显著提升了钛合金丝材质量控制水平和生产效率.

一种基于深度学习的工业图像组件精准定位系统

本发明涉及一种基于深度学习的工业图像组件精准定位系统,属于机器视觉定位领域.首先通过工业相机对待定位物件进行拍照;其次,将图像送入至深度学习定位网络中,精确检测出组件的像素级角点;定位网络由轻量型卷积神经网络,可变形卷积神经网络,输出网络和焦点解析融合而成.最后,通过后处理模块,还可得到轮廓对称的组件的中心点坐标,轮廓及坐标和相对旋转角度.通过与事先标定的工业图像比对,可以得出待定位物件的空间物理值;可用于带角点的组件,螺孔和物件的精确定位;该方法具有较好的适用性,应用领域广,训练速度快,定位精度高,而且可用于复杂自然场景下的物体精准定位;该方法定位精度高,对光线,噪声具有较好的鲁棒性.

台达AI视觉检测解决方案高效掌握瑕疵零件大幅提升产品良率

工业4.0在全球制造业中掀起智能化浪潮,通过智能制造系统,制造流程将可大幅优化,进而提升产线效能,降低成本支出.在智能制造系统中,人工智能扮演了重要角色,尤其是深度学习演算法开始被应用到产线系统中的视觉检测,快速而精准地判别产品瑕疵.

基于深度学习的视觉检测系统及方法

本申请涉及视觉检测设备技术领域,尤其涉及一种基于深度学习的视觉检测系统及方法,其包括机架,机架上设置有用于放置产品的固定模组,用于获取表扣图像信息的图像采集模组,控制中心以及用于显示表扣图像信息的显示模组;固定模组包括支撑座以及设置在支撑座上的产品载具,产品载具的顶端设置有用于固定表带的定位件.当需要对产品进行检测时,将产品放置在产品载具上,并通过定位件将产品固定住,然后通过图像采集模组获取产品表扣的图像信息,并将获取的图像信息发送至控制中心,控制中心用于将接收到的图像信息发送至显示模组进行显示,工作人员根据显示模组上显示的图像信息判断产品的序列号是否合格,从而便于提高检测精度.