机器视觉驱动的可重构缺陷检测系统设计

本文主要探讨了基于机器视觉的缺陷检测系统的可重构设计与实现，针对中小企业对于不同规格产品高质量、低成本质量检测的需求。作者郭永平和刘淑娟首先对传统缺陷检测系统进行了深入分析，特别是关注了其技术限制，如硬编码专属性导致的灵活性不足和开发成本高。 他们采用Python语言作为核心工具，设计了一个实验设置程序，包括阈值率设定、区域-of-interest (ROI) 标识、算法选择、机器学习技术以及数据持久化存储等关键环节。这些功能模块被精心整合，旨在提高系统的通用性和适应性，使其能应对多种产品类型的缺陷检测任务。 为了实现实时和高效的在线检测，他们利用C++语言进行软件开发，构建了一套动态的、职责单一化的在线检测程序。这种设计方法强调了模块化和可扩展性，避免了传统系统因产品特异性而需频繁修改代码的问题，从而显著降低了系统的开发和维护成本。 文章指出，通过引入可重构系统，机器视觉缺陷检测不再局限于特定产品，而是能够在多种产品间灵活切换，这对于资金有限的中小代工企业来说，意味着生产技术的升级和生产流程的自动化，从而提高了生产效率和柔性，符合了现代化制造的要求。 本文的研究不仅具有理论价值，还提供了实际操作的指导，对推动中小企业采用机器视觉技术进行产品缺陷检测，提升生产效率和产品质量具有重要意义。该研究被归类在计算机科学的电子设计工程领域，特别关注于TP391.41机器视觉和缺陷检测方面的应用，采用了设计模式进行系统构建，并获得了宝鸡市科技计划项目的资助。