基于机器视觉的热转印胶片缺陷检测

发布时间：2022-01-01 21:37

　　为了解决热转印胶片在生产中存在的若干种缺陷问题,并替换当前较为低效且可靠性低的人工检测方法,提出了一种基于机器视觉的热转印胶片的缺陷检测方法。首先介绍缺陷检测系统的整体构成,然后重点研究了其中的视觉算法流程,包括了通过仿射变换、图像配准等方式进行的目标区域定位,通过改进的ViBe算法、形态学处理等方法进行的图像缺陷检测。最后用包含了合格品胶片与各种缺陷的不合格品胶片样本集合进行实验检测,实验表明,算法缺陷检测能力良好,达到0.5%的漏检率和0.6%的误检率,平均检测耗时为663ms,满足检测速度需求。 

【文章来源】：组合机床与自动化加工技术. 2020,(01)北大核心

【文章页数】：6 页

【部分图文】：

选取结果图

刮痕主要是印刷过程中机械装置由于误差等因素与胶片产生接触所导致,一般呈片状。针孔主要是在胶片制作过程中油墨被小颗粒格挡住,或后续被机械的尖端挤压,形成了一个小型点状区域。气泡主要是由于机械装置压力不均,导致胶片图案的某些部分粘合不成功,在图像中呈现较浅的颜色。脱落主要是在生产胶片的过程中,某些字符图案的整体或局部脱离了胶片。具体缺陷类型图案如图1所示。因此,本文的检测任务为对热转印胶片进行缺陷检测,筛选出其中存在上述缺陷的胶片,判定为不合格胶片,其余为合格品。1.2 视觉检测系统构建

待检测的热转印胶片,通过45°组合正面光源,可以更好的将其几种缺陷显示出来,因此本系统采用正面光源组合,视觉系统的相机、镜头、光源如图2所示。视觉系统中的软件算法检测系统,其包含的步骤如图3所示,主要包括了:图像摄取、目标区域定位、缺陷检测、结果输出4个部分。其中目标区域定位可细分为如图中的若干步骤。本主要研究与分析其中的图像定位以及缺陷检测部分。

【参考文献】：
期刊论文
[1]基于机器视觉的包装袋缺陷检测算法研究与应用[J]. 李丹,白国君,金媛媛,童艳.  激光与光电子学进展. 2019(09)
[2]基于改进ViBe的室内目标检测方法[J]. 熊玲,陈勇.  现代计算机(专业版). 2018(32)
[3]基于SURF算法的绿色作物特征提取与图像匹配方法[J]. 张志斌,赵帅领,罗锡文,魏凤岐.  农业工程学报. 2015(14)
[4]基于Vibe的鬼影抑制算法[J]. 陈亮,陈晓竹,范振涛.  中国计量学院学报. 2013(04)
[5]热转印领域最前沿工艺及材料[J]. 李宪臣.  丝网印刷. 2013(07)
[6]浅色热转印纸的特性及应用[J]. 黄婷,陈港,唐爱民,张宏伟,刘映尧.  中国造纸. 2007(07)
[7]图像腐蚀和膨胀的算法研究[J]. 李晓飞,马大玮,粘永健,孙晶菁.  影像技术. 2005(01)

硕士论文
[1]基于图像和CNN模型的钢轨表面缺陷识别研究[D]. 冉建民.兰州交通大学 2018
[2]啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用[D]. 黄森林.湖南大学 2018
[3]基于机器视觉的印刷品缺陷在线检测系统设计[D]. 李展望.西安科技大学 2008



本文编号：3562885