影象採集
預處理特徵提取
缺陷分類
特徵提取為其中的關鍵，缺陷特徵提取的好壞直接影響檢測的效果。
預處理的目的是減少影象的雜訊，
提高目標與背景的對比度，
突出影象中的
缺陷特徵。
小波技術在預處理中的應用：
1.小波去噪
2.小波融合
可以將不同角度拍攝的影象進行融合
採用小波融合方法既能夠很好地保留幾幅源影象基本資訊，又能夠突出影象
中的缺陷邊緣、結構等高頻資訊，使融合後的影象資訊更加全面、準確，圖
像質量效果更加優良，全方位地表達了缺陷特徵，可以為缺陷的進一步分類
識別提供充足的資料支援。
不具備明顯紋理特徵的影象檢測
此類影象的特點為缺陷目標和背景對比度低，
瑕疵目標的形狀比較複雜，
整個瑕疵目標佔整幅影象的比例非常小，受雜訊影響大，影象沒有紋理。
由於影象中無紋理，缺陷特徵一般先用邊緣檢測運算元提取缺陷區域的邊緣，
在將其從目標影象中分割出來，提取其特徵引數如周長，面積，質心，圓形度，
伸長度等，以此來進行缺陷檢測和分類。
邊緣檢測運算元：
1.梯度運算元
2.log
運算元3.
canny
運算元邊緣檢測運算元需要準確的提取瑕疵邊緣，
又能抑制雜訊的干擾，
同時該演算法
還要具備快速、自適應性。需要尋找一種新或改進的演算法。
為了辯識缺陷目標，
需要將其與源影象的背景中分離出來，
在此基礎上進行
進一步的處理和分析。
影象分割的演算法：
1.閾值分割
晶圓缺陷檢測裝置 機器視覺檢測 視覺缺陷檢測裝置
機器視覺是一種裝備感測視覺儀器的檢測裝置，其中光學檢測儀器的比例很高，可用於檢測各種產品中的缺陷，判別和選擇物體，或丈量尺寸。應用於自動化生產線對物料進行校準定位。計算機視覺是最工業化的部分，首要用於工廠自動化測驗和機械人工業。機器視覺系統主要由三個部分組成的，輸出或顯示的影象採集，處理和分析影象。...
opencv表面缺陷檢測 視覺檢測 表面缺陷檢測
當今社會，隨著計算機技術，人工智慧等科學技術的出現和發展，以及研究的深入，出現了基於機器視覺技術的表面缺陷檢測技術。這種技術的出現，大大提高了生產作業的效率，避免了因作業條件，主觀判斷等影響檢測結果的準確性，實現能更好更精確地進行表面缺陷檢測，更加快速的識別產品表面瑕疵缺陷。產品表面缺陷檢測屬於機器...
基於頻域的缺陷檢測
基於頻域的缺陷檢測，是比較難理解的一部分，在純看理論無法理解的情況下，可以通過先學習一些示例的學習，再回過頭去重新理解理論。基於頻域的缺陷檢測示例解析 缺陷 傅利葉變換之劃痕檢測 理論 傅利葉 頻域 濾波 檢測 halcon中頻域和空間域轉換的兩個重點運算元 檢測 基於頻域的mura缺陷檢測 檢測 ...