科创中国
裁切设备视觉检测图形识别技术优化研究
发布时间:
2023-11-03
截止日期:2024-11-03
价格 双方协商
地区： 浙江省 宁波市 鄞州区
需求方： 宁波***公司
行业领域
电子信息技术
需求背景
图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂的内容。借助图像识别技术，我们不仅可以通过搜索更快的获取信息，还可以产生一种新的与外部世界交互的方式，甚至会让外部世界更加智能的运行。百度李彦宏在2011年提到“全新的读图时代已经来临”，现在随着图形识别技术的不断进步，越来越多的科技公司开始涉及图形识别领域，这标志着读图时代正式到来，并且将引领我们进入更加智能的未来。
需解决的主要技术难题
1、光源与成像:机器视觉 中优质的成像是第一步，由于不同材料物体表面反光、折射等问题都会影响被测物体特征的提取，因此光源与成像可以说是机器视觉检测要攻克的第一个难关，比如现在玻璃、反光表面的划痕检测等，很多时候问题都卡在不同缺陷的集成成像上。
2、重噪音中低对比度图像中的特征提取:在重噪音环境下，真假瑕疵的鉴别很多时候较难，这也是很多场景始终存在一定误检率的2原因，但这块通过成像和边缘特征提取的快速发展，已经在不断取得各种突破。
3、对非预期缺陷的识别，在应用中，往往是给定一些具体的缺路模式，使用机器视觉来识别它们到底有没有发生，但经常遇到的情况是，许多明显的缺陷，因为之前没有发生过，或者发生的模式过分多样，而被漏检。如果换做是人，虽然在操作流程文件中没让他去检测这个缺陷，但是他会注意到，从而有较大几率抓住它，而机器视觉在这点上的“智费”目前还较难突破
4、嵌入式解决方案发展迅猛，智能相机性能与成本优势突出，嵌入式PC会越来越强大。模块化的通用型软件平台和人工智能软件平台将降低开发人员技术要求和缩短开发周期
期望实现的主要技术目标
1.全套视觉识别算法系统，将其封闭成合适的形式(开发包或 DLL (所有数据参数的输入与输出通过接口或 API函数))，供甲方软件实现二次开发或调用。
2.对条格面料上的条(水平线)、格(垂直线)、条格线(水平&垂直的网格线交点) 进行识别;生成失量坐标的二维网格线;识别精度:*** 以下;
3.材料种类占比识别率:80%以上;判定依据: 单材料在材料需识别点无褶皱遮挡与光源环境稳定的情况下达到，识别的准确性与稳定性达到 100%及以上；识别时间:1~2 秒以内
需求解析
解析单位：浙江省宁波市 解析时间：2023-11-06
干宁
宁波大学
教授
综合评价
该研发的缺陷检测系统，由图像采集模块、图像处理卡、工控机计算平台和外围的工件传送装置和筛选执行装置等部分所构成。通过该系统实现了对工件表面涂层质量的自动化检测，相较于过去的人工检测，节约了人力成本。同时，自动化检测的过程使得检测时间大大缩短，且可以24小时不间断进行检测，大大提升了工件工业生产中涂层质量检测这一环节的效率。基于神经网络模型的深度学习方法，通过输入制作好的涂层样本数据集对模型进行训练后，模型能够自动识别多种类型缺陷特征，相较基于传统图像处理的方法，无需手动设计涂层缺陷图像特征和相应判别规则进行判断，而且对同一类型但略有差异的涂层缺陷具有更好的泛化能力，所能达到的识别准确率更高。易于部署与实现，对于现有的人工质检流水线，只需对其进行简易改造就能将该发明的缺陷检测系统加装至现有流水线上完成部署并投入使用。此外，当需要对新的涂层类型进行检测时，只需要重新训练神经网络模型即可，无需改变系统硬件组成。因此该发明在节约人力成本的同时还能够有效节约设备成本。
查看更多>
下载app