基于深度学习的工业缺陷检测（DEyemaster）

基于数字射线成像的焊缝缺陷检测 _ 高岩

针对传统人工肉眼检测胶囊缺陷低效率及高误检率问题,设计了一套完整的基于机器视觉的胶囊缺陷检测系统,构建了从上料到传送装置,经过机器视觉光学系统图像采集与工控机图像处理,最后由剔除装置筛选出次品的硬件平

荧光磁粉无损检测因具有缺陷显示直观、灵敏度高、检测速度快且成本低等优点而被广泛采用。在分析工件表面缺陷的荧光磁粉图像显示特性基础上,研究缺陷图像的平滑去噪和分割等处理算法,提出基于加权模板和自适应邻域

在基于视觉的钢板表面缺陷检测过程中,检测系统采集到的图像由于受到光照等因素的影响,图像局部变得过亮,增加了缺陷检测的难度。针对此类缺陷检测问题,提出了一种动态均值的图像增强方法,使得图像局部过亮的情形

为了避免图像配准精度对液晶显示屏( LCD) 线路缺陷检测准确率的影响,采用一种基于图像轮廓分析的新方法,基于深度优先搜索寻找图像轮廓,并根据格林公式计算轮廓面积,将待检测LCD 的线路轮廓面积与标准

针对铝合金焊缝缺陷为小目标，提出改进型模型YOLOv4-cs1和YOLOv4-cs2，通过改进残差块堆叠方式、改变卷积激活函数以及去除下采样层等方法，提升模型检测效果。实验证明，YOLOv4-cs1模

针对传统的人工检测既不稳定又耗时的问题,提出一种用于检测轴承缺陷的视觉检测系统,可快速检测存在缺陷的轴承。所提出的机器视觉检测系统用图像传感器采集待测轴承图像,通过判断缺陷连通域的像素个数是否超过阈值

缺陷检测是软件测试中非常重要的一环，能够有效地发现软件中存在的问题，提高软件质量。但是学习缺陷检测技术往往需要具备一定的理论知识和实践经验。本文提供一个缺陷检测学习demo案例项目，通过实践操作加深对

基于X射线的缺陷检测，其中包括X射线的系统的实现，X射线的简介

opencv3.4+vs2017 64位环境,测试图片一并打包,简单实现 工业零件振纹检测,振纹实际场景 情况比较多,这里只实现了 对颜色较深振纹的检测,通过 傅里叶变换,频率域滤波以及 形态学图像分