光学筛选机表面缺陷检测

光学筛选机检测产品表面缺陷的原理：机器视觉检测系统通过适当的光源和图像传感器(CCD摄像机)获取产品的表面图像，利用相应的图像处理算法提取图像的特***息，然后根据特***息进行表面缺陷的***、识别、分级等判别和统计、存储、查询等操作。光学筛选机主要包括上料系统、光源系统、图像获取系统、图像处理系统、机械动作系统、数据统计管理系统等。

机器视觉检测技术的核心—图像处理技术

目标识别和分类：在制造或安防等行业，机器视觉都离不开对输入图像的目标进行识别和分类处理，以便在此基础上完成后续的判断和操作。识别和分类技术有很多相同的地方，常常在目标识别完成后，目标的类别也就明确了。近来的图像识别技术正在跨越传统方法，形成以***网络为主流的智能化图像识别方法，如卷积***网络（CNN）、回归***网络（RNN）等一类性能优越的方法。

机器视觉检测系统的不稳定性因素及解决方案

机器视觉检测系统的不稳定性因素，成像系统简介及不稳定性因素，成像系统主要由相机（CCD/CMOS）、镜头和光源组成，是视觉检测的基础，成像系统的设计目的就是获取合格的原始图像，并且一个好的成像系统要保证系统运行期间图像质量的稳定，稳定的图像抓取是视觉检测稳定性的基本保证。

机器视觉检测系统的不稳定性因素及解决方案

光源对成像稳定性的影响

光源具有放大图像的特征与缺陷、削弱混乱及背景的作用，直接影响输入数据的质量，由于没有通用的照明设备，光源的设计一直是机器视觉系统的难点，通常不仅需要针对每个特定的应用实例来选择光源类型，还要根据具体环境对光源安装、光源的照射方式进行斟酌，以达到效果。不同类型的光源稳定性存在差异，常见的可见光光源有LED光源、卤素灯、日光灯和钠光灯等，可见光缺点是不能持续稳定的输出光能，如日光灯，在使用的个100小时内，光能会下降15%左右，随着使用时间的增加，光能输出持续下降。