[1]郑晓玲,刘斌.采用机器视觉的铝压铸件表面缺陷检测[J].华侨大学学报(自然科学版),2016,37(2):139-144.[doi:10.11830/ISSN.1000-5013.2016.02.0139]
　ZHENG Xiaoling,LIU Bin.Surface Defect Detection of Aluminum Die Casting Using Machine Vision[J].Journal of Huaqiao University(Natural Science),2016,37(2):139-144.[doi:10.11830/ISSN.1000-5013.2016.02.0139]
点击复制

采用机器视觉的铝压铸件表面缺陷检测()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第37卷
期数:
2016年第2期
页码:
139-144
栏目:
出版日期:
2016-03-20

文章信息/Info

Title:
Surface Defect Detection of Aluminum Die Casting Using Machine Vision
文章编号:
1000-5013(2016)02-0139-06
作者:
郑晓玲1; 2;  刘斌1
1. 数字化视觉测量厦门市重点实验室, 福建 厦门 361021;2. 黎明职业大学 机电及自动化学院, 福建 泉州 362000
Author(s):
ZHENG Xiaoling1; 2;  LIU Bin1
1. Xiamen Key Laboratory of Digital Vision Measurement, Xiamen 361021, China; 2. Institute of Electrical and Automation, Liming Vocational College, Quanzhou 362000, China
关键词:
铝压铸件;  缺陷检测;  伪缺陷;  机器视觉
Keywords:
aluminum die casting;  defect detection;  false defect;  machine vision
分类号:
TP391
DOI:
10.11830/ISSN.1000-5013.2016.02.0139
文献标志码:
A
摘要:
对铝压铸件常见的缺陷形态进行分析,提出适用于铝压铸件表面缺陷的检测算法.首先,采用阈值分割与形态学相结合的方法分割出可疑区域;然后,根据基于面积、亮度均值、亮度均值差、灰度曲线分析的4个剔除原则,剔除伪缺陷的干扰.试验结果表明:文中的检测方法具有低成本、高精度、可操作性强等优点,能有效提高铝压铸件生产过程中的检测效率.
Abstract:
The common defects of aluminum die casting were analyzed in this paper, then a detection algorithm suitable for aluminum die casting surface defect was put forward. First, by using the combined method of threshold segmentation and suspicious area. Then, based on four removing principles: the area, the mean brightness, the mean brightness difference, gray curve analysis, false defects interference was eliminated. The experimental results showed that the detection method had the advantages of low cost, high precision, strong operability, and could effectively improve the detection efficiency in the process of aluminum die castings production.

参考文献/References:

[1] 徐科.基于光度立体学的金属板带表面微小缺陷在线检测方法[J].机械工程学报,2013,49(4):25-29.
[2] 周新星.基于非下采样Contourlet变换和PCNN的表面缺陷自动识别方法[J].应用基础与工程学科学报,2013,21(1):174-184.
[3] 段志娟.基于独立成分分析的冷轧带钢表面缺陷识别[J].钢铁研究学报,2011,23(10):63-66.
[4] ELBEHIERY H.Surface defects detection for ceramic tiles using[J].World Academy of Science,2007,12(10):158-162.
[5] 张鑫.基于图像处理的注塑制品缺陷检测方法研究[D].沈阳:东北大学,2009:34-38.
[6] 彭向前.产品表面缺陷在线检测方法研究及系统实现[D].武汉:华中科技大学,2009:25-27.
[7] 吴炜峰.基于水平集的灰度不均匀图像分割研究[D].广州:华南理工大学,2013:41-42.
[8] HARALICK,ROBERT M,LINDA G.ShAPIRO, computerand robot vision[J].Addison-Wesley,1992,1(8):28-48.
[9] 孙志忠.计算方法与实习[M].南京:东南大学出版社,2011:116-120.

相似文献/References:

[1]王合佳,林宁,林振超,等.改进YOLO的X射线管道焊缝检测算法[J].华侨大学学报(自然科学版),2024,45(6):766.[doi:10.11830/ISSN.1000-5013.202403040]
　WANG Hejia,LIN Ning,LIN Zhenchao,et al.X-Ray Pipe Weld Detection Algorithm of Improved YOLO[J].Journal of Huaqiao University(Natural Science),2024,45(2):766.[doi:10.11830/ISSN.1000-5013.202403040]

备注/Memo

备注/Memo:
收稿日期: 2014-10-29
通信作者: 刘斌(1970-),男,教授,博士,主要从事数字化设计的研究.E-mail:mold_bin@hqu.edu.cn.
基金项目: 国家自然科学基金面上资助项目(51175191)
更新日期/Last Update: 2016-03-20