Machine vision based defect detection approach using image processing

Bayğın, Mehmet; Karaköse, Mehmet; Sarimaden, Alisan; Akın, Erhan

doi:10.1109/idap.2017.8090292

Cited by 57 publications

(17 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Yapılan literatür çalışmasında görüntü işleme teknolojisi ile kesit belirleme işlemlerinde Canny kenar algılama yoğun olarak tercih edilmiştir [14], [7], [3], [18], [12], [15]. Bunun haricinde kenar belirlemek için Hough transform yönteminden faydalanılan çalışmalar da olmuştur [16], [2], [19], [8]. Bu çalışmada kenar belirleme de Canny algoritması kullanılmıştır.…”

Section: şEkil 3 Literatür çAlışmalarındaki Genel Akış Diyagramıunclassified

Alüminyum Ekstrüzyon Profillerinin Hassas Kesit Ölçümlerinin Görüntü İşleme Teknolojisi İle Gerçekleştirilmesi

Yoldaş¹,

Sungur²

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

Öz Bu çalışmada, alüminyum ekstrüzyon profil üreticilerinin üretim sırasındaki kalite konttoller işlemleri için yapılan temaslı ölçümler yerine temassız ölçüm teknolojisi kullanılarak profil kesit ölçümleri yapılmıştır. köl Temassız ölçüm teknikleri bir çok yönüyle temaslı ölçüm yöntemlerinden daha güvenilirdirler. Temassız ölçüm sonuçları kişiye göre, kullanılan ölçü aletine göre değişiklik göstermeyip stabildir. Yanlış ölçümlerden dolayı üretim verimi düşmekte, gereksiz zaman kaybı yaşanmakta ve işletme maaliyeti artmaktadır. Temassız ölçümlerle bu hataları minimum seviyelere düşürmek hedeflenmiştir. Görüntüleri elde etmek için Canon EOS 400D Cmos kamera ve lens olarak EFS 18-55 mm kullanılmıştır. Aydınlatma kaynağı olarak görüntü işleme ile ölçüm çalışmalarında çok tercih edilen ring aydınlatma tercih edilmiştir. Bu aydınlatma kaynağı seçimi sayesinde görüntülenecek nesne üzerinde homojen aydınlatma sağlanmıştır. Dikkat edilmesi gereken unsurların başında gelen kamera-nesne uzaklığının tüm ölçümlerde aynı olması, kameranın nesneye dik şekilde konumlandırılması, aydınlatma kaynağının cismin üzerine eşit ışık düşürmesi konuları ile ilgili stabil çalışmanın gerçekleştirilmesi için mekanik bir düzenek tasarlanmıştır. Çevresel aydınlatma farklılıklarını ortadan kaldırmak için bu mekanik düzenek kapalı bir kutu içerisini konulmuştur. Görüntüler elde edildikten sonra filtreleme işlemleri gerçekleştirilip görüntüdeki gürültüler giderilmiştir. Ardından bir takım işlemlerle kenar belirleme işlemleri gerçekleştirilmiştir. Kontor özelliği kullanılarak kenar çizgileri çizdirilmiştir. Bazı matematiksel işlemler yapılarak istenilen kesitlerin ölçümleri gerçekleştirilmiştir. Piksel-mm dönüşümlerini gerçekleştirmek için ölçüleri kesin bilinen referans nesneler kullanmıştır. Çalışmalar OpenCv kütüphanesi kullanılarak PyCharm uygulmasında çalışılarak gerçekleştirilmiştir. Profil kesit ölçümleri temassız ölçüm yöntemleri ike gerçekleştirildikten sonra literatür çalışmlarındaki temaslı kesit ölçüm hata payları ile temassız kesit ölçüm hata payları karşılaştırılmıştır. Yapılan çalışmadaki hata payları mekanik ölçüm cihazları ile gerçekleştirilen temaslı ölçüm tekniklerindeki hata paylarından daha düşüktür.

show abstract

Section: şEkil 3 Literatür çAlışmalarındaki Genel Akış Diyagramıunclassified

Alüminyum Ekstrüzyon Profillerinin Hassas Kesit Ölçümlerinin Görüntü İşleme Teknolojisi İle Gerçekleştirilmesi

Yoldaş¹,

Sungur²

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

show abstract

“…Recently, machine vision has been popularly used in the defect detection of industrial products instead of labor. However, most studies are focused on the detection of products’ external surface [ 4 , 5 , 6 , 7 ], while few are reported on the internal defects of injection-molded parts with DR imaging. Early work in internal defect detection with DR images using machine vision was based on traditional image processing for automated supervision and localization of defects, which mainly relies on manually produced feature extractors, such as area feature extraction, edge detection, threshold segmentation [ 8 ].…”

Section: Introductionmentioning

confidence: 99%

A Lightweight Deep Network for Defect Detection of Insert Molding Based on X-ray Imaging

Wang

Huang

2021

Sensors

View full text Add to dashboard Cite

Aiming at the abnormality detection of industrial insert molding processes, a lightweight but effective deep network is developed based on X-ray images in this study. The captured digital radiography (DR) images are firstly fast guide filtered, and then a multi-task detection dataset is constructed using an overlap slice in order to improve the detection of tiny targets. The proposed network is extended from the one-stage target detection method of yolov5 to be applicable to DR defect detection. We adopt the embedded Ghost module to replace the standard convolution to further lighten the model for industrial implementation, and use the transformer module for spatial multi-headed attentional feature extraction to perform improvement on the network for the DR image defect detection. The performance of the proposed method is evaluated by consistent experiments with peer networks, including the classical two-stage method and the newest yolo series. Our method achieves a mAP of 93.6%, which exceeds the second best by 3%, with robustness sufficient to cope with luminance variations and blurred noise, and is more lightweight. We further conducted ablation experiments based on the proposed method to validate the 32% model size reduction owing to the Ghost module and the detection performance enhancing effect of other key modules. Finally, the usability of the proposed method is discussed, including an analysis of the common causes of the missed shots and suggestions for modification. Our proposed method contributes a good reference solution for the inspection of the insert molding process.

show abstract

“…[ 4 ] proposed a fuzzy logic expert system for roller bearing defect detection, the system combines frequency response and fuzzy reasoning and has achieved good results. Baygin et al [ 5 ] used Otsu thresholding and Hough transform to extract features from the reference image for the problem of printed circuit board with defects and matched the image to be inspected with the reference image to accurately detect the missing holes on the circuit board. Zhang Lei et al [ 6 ] proposed a fabric defect classification algorithm combining Local Binary Pattern (LBP) and Gray Level Co-occurrence Matrix (GLCM).…”

Section: Introductionmentioning

confidence: 99%

MSF-Net: Multi-Scale Feature Learning Network for Classification of Surface Defects of Multifarious Sizes

Guo

Lei

et al. 2021

Sensors

View full text Add to dashboard Cite

In the field of surface defect detection, the scale difference of product surface defects is often huge. The existing defect detection methods based on Convolutional Neural Networks (CNNs) are more inclined to express macro and abstract features, and the ability to express local and small defects is insufficient, resulting in an imbalance of feature expression capabilities. In this paper, a Multi-Scale Feature Learning Network (MSF-Net) based on Dual Module Feature (DMF) extractor is proposed. DMF extractor is mainly composed of optimized Concatenated Rectified Linear Units (CReLUs) and optimized Inception feature extraction modules, which increases the diversity of feature receptive fields while reducing the amount of calculation; the feature maps of the middle layer with different sizes of receptive fields are merged to increase the richness of the receptive fields of the last layer of feature maps; the residual shortcut connections, batch normalization layer and average pooling layer are used to replace the fully connected layer to improve training efficiency, and make the multi-scale feature learning ability more balanced at the same time. Two representative multi-scale defect data sets are used for experiments, and the experimental results verify the advancement and effectiveness of the proposed MSF-Net in the detection of surface defects with multi-scale features.

show abstract

Machine vision based defect detection approach using image processing

Cited by 57 publications

References 16 publications

Alüminyum Ekstrüzyon Profillerinin Hassas Kesit Ölçümlerinin Görüntü İşleme Teknolojisi İle Gerçekleştirilmesi

Alüminyum Ekstrüzyon Profillerinin Hassas Kesit Ölçümlerinin Görüntü İşleme Teknolojisi İle Gerçekleştirilmesi

A Lightweight Deep Network for Defect Detection of Insert Molding Based on X-ray Imaging

MSF-Net: Multi-Scale Feature Learning Network for Classification of Surface Defects of Multifarious Sizes

Contact Info

Product

Resources

About