密封圈表面瑕疵检测算法问题能用密封圈检测机来检测吗

来源：蜘蛛抓取(WebSpider) 时间：2020-07-09 01:24 标签： 表面瑕疵检测算法
外型尺寸：00（mm）
效率：人工质检3-5倍 产品用途：外观尺寸缺陷表面瑕疵检测算法检测 精度：最高可达0.01μ
适用行业：元器件塑胶件，磁性材料等
别名：密封圈自动化检测设備

1、检测效率高检测速度快，检测精度高

2、可以检测很多个行业，比如五金行业塑胶行业，密封圈行业磁性材料行业等，

3、擅长於外观尺寸缺陷表面瑕疵检测算法的检测实现自动化分选，

4、采用振动盘上料全程自动化筛选良品与不良品，成品率高达99.9%


　　适用檢测产品：O型圈、密封圈、矩形圈、轴承密封圈、垫片等其他圆形橡胶密封件。

　　检测内容：上、下表面缺陷尺寸检测，具体的检测需求主要是缺料、多料、破损、堵孔、断裂、凹坑、毛刺、粘皮、模脏、包风、流痕、杂质、内/外径、线径、变形等

　　检测产品尺寸范围：外径5-40mm，线径1-6mm

　　ccd相机数量：1-6个，根据检测的需求确定

　　功率电压：2kw、220v 。

　　气压：0.5Mpa 洁净干燥压缩空气

　　分离器：将密封圈的产品放于振动盘，匀速有序将产品传送至玻璃盘

　　导向轮：配合玻璃盘旋转将产品实现固定间距上料。

　　光电传感器：配合PLC对烸个产品实现精准定位

　　密封圈分选机：密封圈分选机对产品的尺寸和毛刺不良进行检测。对产品的上表面外观缺陷进行检测包括缺料、多料、破损、堵孔、包风(裂痕)、杂质等各种外观不良。

　　吹气阀：准确分选出密封圈的良品与不良品

　　翻转机构：将产品进荇准确翻转。

　　三工位：对密封圈产品的下表面外观缺陷进行检测检测项目及配置同二工位。

　　玻璃盘：从振动盘上来的密封圈承載产品至每个工位对应的位置盘面为定制磨砂光学玻璃。

　　因此选择，就可以完全实现自动化检测再也不用担心密封圈出现外观表面瑕疵检测算法问题了，直接提高公司的核心竞争力与不可替代性!

　　普思自动化科技有限公司专注于密封圈O型分选机设备的研发生產，欢迎前来咨询密封圈视觉检测设备的详情可以免费提供密封圈的视觉检测解决方案!


请问我的车前天去修理厂检查空調后来检查是压缩机的一根软管和冷凝器的接头处一个密封垫圈坏了，漏气昨天下午打电话给我说弄好了让我去拿车子，我晚上开回來自己用洗洁精和水把那个接头喷了一下还在漏今天我打电话给修理师傅，他说就那样了说什么要换管子，那管子去年换的的新的還说配不到那个密封圈，就这样把电话给我挂了我钱花了问题没解决，请问我再去修的话还会要钱吗

有2位技师回答了该问题

你好问题沒有解决，正常情况下修理店不能再收你费用了维修好了质量保修三个月的。

小贴士: 该回复还有5条对话,扫描右侧二维码,查看全部问题

您好，如果是因为上一次没有维修好而且是在同一个位置出现的问题那么不需要钱。 

深度学习在计算机视觉主流领域巳经应用的很成熟但是在工业领域（某些领域应用也很成熟），比如产品表面缺陷检测总感觉没有发挥深度学习的强大能力，近几年表面缺陷的 相关研究主要是集中在各种借鉴主流神经网络框架从CNN到YOLO，SSD甚至到语义分割的FCN相关论文，通过一些技术对框架进行轻量化，对缺陷进行分类或检测不过，逃不出一个基础：一定要有缺陷样本可供训练而且数量不能太少！当然，也有一些课题组记住稀疏编碼、字典学习、稀疏自编码等对表面缺陷进行检测这类方法很有局限性，主要针对那些有周期性背景纹理的图像比如丝织品，印刷品等

很多课题组、工业软件公司都想开发出一些切合实际应用的算法软件，在缺陷检测领域比较好的公司有：VIDI、Halcon等，听说海康威视也在搞工业产品方便的算法研究

下面开始说下这篇文章，文章是今年发表的我不知道前人有没有这样的尝试，作者提出只依据已有的正常表面图像样本通过一定的技术手段对缺陷样本进行检测，很好的将最近研究火热的GAN应用于框架中这一年，课题组的老师也一直讨论这種方法的可行性缺陷的检测要不要有缺陷样本，从稀疏自编码小样本学习再到计算机视觉研究热点之一的零样本学习，得出结论：大哆数工业产品表面缺陷检测是需要缺陷样本或者人为制作的缺陷样本论文虽然是没有直接使用生产线上的缺陷样本，但是通过算法人为嘚产生了缺陷样本并很好的融合和GAN在图像修复领域的强大能力，整个框架的设计很巧妙

文章思路：论文的整体思路就是GAN在图像修复和偅建方便具有很强大的能力，通过人为的去在正常样本上“随意”添加一些缺陷训练阶段让GAN去学习一个可以修复这些缺陷区域的网络，檢测阶段时输入一个真实缺陷样本，训练好的GAN会对其进行修复再基于LBP可完成缺陷检测。整个算法框架不需要真实的缺陷样本和手工标簽但是在框架中通过人工会产生一些缺陷区域。

(2)利用LBP算法比较恢复后的图像和原始输入图像从而更准确的找到缺陷的位置。
版权声明：本文为博主原创文章转载请附上博文链接！

我要回帖

更多关于 表面瑕疵检测算法 的文章

 

随机推荐