胶高缺陷检测相关的论文查找

从论文网站上收集的相关的论文题目

1、基于结构光扫描的手机壳胶路三维视觉检测技术研究

2、基于HALCON的点胶质量检测系统设计

3、基于深度学习的点胶缺陷检测

4、基于视觉的胶水偏位检测

5、一种双阀点胶机视觉系统设计与研究

6、基于线结构光的手机封装胶测量方法研究

7、基于HALCON的汽车涂胶质量检测方法研究

8、基于机器视觉的芯片点胶情况检测算法研究

9、基于机器视觉的点胶质量检测方法

论文阅读摘抄

1. 基于halcon的点胶质量检测系统设计

Halcon点胶质量检测通过图像去噪、模板分析、图像分割以及形态学处理等手段获得待检工件胶水轮廓，与标准合格工件胶水轮廓中心线做差集操作，检测是否断胶，根据胶水轮廓的宽度值判断是否存在波浪胶

工件表面凹凸不平，散落的灰尘等干扰，用mean_image算子实现均值滤波。

3.3模板分析及选定胶水区域

Draw_polygon 完成模板待创建区域的选定操作，基于形状的模板在匹配时，对于光照变化、聚焦模糊以及缩放变化不敏感。Create_shape_model创建模板

3.4 模板匹配完成胶水初定位

Find_shape_model 进行模板匹配，vector_to_hom_mat2d创建模板与匹配区域之间的变换矩阵，并利用仿射变换取得待检工件初定位的胶水区域的位置信息，使用reduce_domain算子取得所寻找的区域，完成胶水区域的初定位。

3.5图像阈值分割算法

Gray_histo算子获得初定位胶水区域的灰度直方图，选择灰度直方图数组中灰度平均值，并以其为中心形成一个灰度区间作为threshold算子的参数

3.6 形态学处理

Connection，select_region_point,closing_circle以及fill_up等，skeleton,可取得胶水区域的中心线，

3.7缺陷检测及检测结果

差集

1. 基于机器视觉的点胶缺陷检测研究

胶条为透明胶，存在反光，所以光源在各个角度的光照程度较为均匀，同轴光具有高密度排列，成像清晰，亮度均匀特点，由于部分胶条中存在气泡，同轴光源距离胶条存在一定的距离，在实验过程中发现采集到的图片无法观察气泡特征，故考虑使用条形光源对胶条上方照射，使气泡可见，垂直照射方式，照射面积大，光照均匀性好，同轴光源选择垂直照射，条光选择侧面照射

Inception-v3 迁移学习，

基于机器视觉的点胶质量检测方法 （没看懂

1. ）

通过图像分割以及形态学图像处理手段，结合亚像素边缘提取方法准确定位出点胶区域轮廓，选取模板，采用归一化互相关匹配算法进行模板匹配，计算刚性仿射变换矩阵，并将其应用于待检产品图像，通过对目标区域计算，判断合格和不合格

Step1:拍摄标注合格产品与待检测产品图像

Step2:选取标注合格产品图像，对图像进行预处理后划分目标区域（点胶区域和溢胶区域）并通过亚像素提取法分割点胶区域与溢胶区域

Step3  在标准合格产品图像中选定模板区域，创建模板进行匹配，并根据匹配结果计算各待检产品图像与标准合格产品图像间仿射变换矩阵

Step4 根据仿射变换矩阵搜索每一待检测产品图像中目标区域

Step5 判断待检测产品点胶质量，若不合格，进一步判断

1. 基于视觉的胶水偏位检测

1、1胶片区域提取，采用sobel算法提取图像中的边缘信息全局阈值分割，得到边缘二值图，提取轮廓，保留图像中的最大轮廓，利用最小外接矩形获取算法得到最大轮廓的矩形表示，通过空间关系获取胶片图

1.2胶水层图像提取

对原始图进行resize，利用k-means，以簇中心之间的中点为阈值，对原始图像进行二值化处理，得到若干只包含单一簇的二值图。

1. 基于线结构光的手机封装胶测量方法研究

Gocator2510线激光传感器

1. 基于halcon的汽车涂胶质量检测方法研究

胶条图像中感兴趣区域，设计了最大类间方差自动取阈值图像分割算法，提出了基于形态学的canny算子边缘检测算法和基于XLD形状选择的最小二乘法拟合算法，通过提取胶条的亚像素边缘，得到胶条的亚像素轮廓并计算出胶条的截面直径，

1、1最大类间方差自动取阈值图像分割算法

在涂胶过程中，胶条与背景的颜色在图像中灰度值差异较大，通过图像分割技术将图像转化为二值图像，从背景中分离出来。Otsu阈值分割法

1、2 基于形态学的canny算子的边缘检测方法

1、3基于XLD形状选择的最小二乘拟合算法

1、4基于XLD特征的胶条截面直径检测方法

工业相机

2.2感兴趣区域提取

Gen_rectangle2(),reduce_domain(),crop_domain()

2.3最大类间方差自动取阈值图像分割

Binary_shreshold(),connection(),select_shape

2.4基于形态学的canny算子的边缘检测

Erosion_rectangle1(),dilation_rectangle1(),difference()

得到两个不相关的新区域，

Edges_sub_pix()

2.5 基于XLD形状选择的最小二乘拟合

Segment_contours_xld(),fit_line_contour_xld(),gen_contour_nurbs_xld()拟合参数进行亚像素直线的创建

2.6基于xld特征的胶条截面直径检测

3、1

3.2 图像预处理

采用中值滤波。

3.2.2图像增强

1. 基于深度学学习的点胶缺陷检测
2.