机器视觉halcon学习——杂质检测

Halcon参考手册异常检测知识总结

Halcon参考手册异常检测知识总结

halcon深度学习异常检测

拆分样本集为训练集（50%），验证集（20%），测试集（剩余的30%）*复杂度，越大准确率越高，训练时间越长，代表模型处理更复杂缺陷的能力。*标准差因子（如果缺陷很小，推荐较大值）*获得样本集DLDataset中的样本。*设置评估参数，在test集上进行评估。*图像缩放之后的大小，是32的倍数。*读取异常检测的深度学习数据集。*设置预处理参数，并进行预处理。加载预训练的模型、设置参数。*设置阈值，模型训练后得到。*设置之前定义的模型参数。（2）第二阶段：训练阶段。（3）第三阶段：评估阶段。

Halcon深度学习，异常值缺陷检测

异常值检测不同于语义分割的项目，异常值检测可以仅训练OK图像，不训练NG图像，但是使用NG图像训练可以显著提高准确度异常值检测通常运用在缺陷检测的项目里面，他的特点是，可以不训练NG图，训练速度快，多特殊缺陷可以快速识别。 其次，可以针对图像中的缺陷类型不固定，缺陷区域不固定，物体大小不一等语义分割无法准确识别的缺陷。

Halcon视觉-刀具检测-形态学-@龙熙视觉

Halcon视觉-刀具检测-形态学-@龙熙视觉 原图 结果 halcon代码

机器视觉检测

假设我们的目标运动速度是1mm/S，我们的测量精度是0.01mm/pixel，那么我们必须考虑，物体的运动引起的拖影必须要小于我们的精度0.01mm，目标移动0.01mm，需要用时10ms，这就要求我们的相机的曝光时间必须小于10ms，如果大于这个曝光时间，那么仅仅物体运动引起的模糊就会大于0.01，这时我们的精度已经无法达到0.01了。常用于：LCD缺陷的检测、包装文字检测、包装膜破损检测、纸张质量检测、常规印刷质量检测、制造物裂纹的检测、电子部件的形状识别和大小的测量、各种线阵检测等。

halcon边缘提取颜色相近_全帝机器视觉定位之布匹的色差、颜色和杂质在线检测...

在纺织印染行业中，布匹表面色差的测量和评价常用离线抽样方式，通过彩色线阵CCD工业相机实时采集布匹表面图像信号，在计算机中完成布匹颜色与标准色样比对，实现色差的在线量化检测。这种检测技术作为一种快速、实时、准确采集与信息的处理，已逐渐成为国民经济信息化、增强竞争力不可缺少的技术工具和手段。布匹在现代生产流水线上，需要判别出布匹的颜色是否合格、布匹上是否有杂质及杂质的数量。由于生产线运行速度较快，要...

机器视觉工业缺陷检测(光源，相机，镜头，算法)

向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx一般机器视觉系统：相机、镜头、光源、运动系统。 视觉工业检测大体分为工件尺寸测量与定位，...

机器视觉选Halcon还是OpenCV？

机器视觉选Halcon还是OpenCV？

机器视觉halcon学习——检测缺口

检测缺口

Dalsa线扫外观检测源代码：装潢纸杂质检测利器

Dalsa线扫外观检测源代码：装潢纸杂质检测利器 去发现同类优质开源项目:https://gitcode.com/ 在现代化工业生产中，对产品外观质量的控制至关重要。本文将为您介绍一款功能强大的开源项目——Dalsa线扫外观检测源代码，助您实现对装潢纸表面杂质的精准检测。 项目介绍 Dalsa线扫外观检测源代码是一个专注于装潢纸外观杂质检测的完整项目。该项目基于CS（客户端/服务器）架构，服务端界...

Halcon学习--入门小试

机器视觉：自动化行业的“智慧之眼”。在工业4.0与智能制造浪潮下，机器视觉已成为自动化领域的核心赋能技术，为机械系统赋予“感知-决策-执行”的智能化能力，被誉为“工业之眼”。Halcon的定义与行业应用场景（工业视觉、自动化检测等）核心功能概述（图像处理、模式识别、3D视觉等）

【基于C# + HALCON的工业视系统开发实战】十五、柔性密封件智能质检：可变形模板匹配与深度学习融合方案

摘要：橡胶密封件作为汽车、航空等行业的关键部件，其毛刺（宽度≥0.1mm）与变形（高度偏差≥0.2mm）缺陷直接影响密封性能与使用寿命。传统人工检测效率低（20件/分钟）、漏检率高（>15%），且难以量化微小缺陷。本文提出基于C# .NET Core 6与HALCON 24.11的智能质检方案：通过可变形模板匹配技术（适应±20%弹性形变）精确定位密封件轮廓，结合多尺度LoG滤波（σ=0.5~20）检测微小毛刺（最小检测宽度0.08mm），引入深度学习分类模型（ResNet-18架构）识别三类典型缺陷。

【基于C# + HALCON的工业视系统开发实战】二十二、新能源电池盖板全自动密封胶检测系统：3D线扫+AI缺陷识别技术解析

摘要：本文详细阐述了基于C# .NET Core 6与HALCON 24.11开发的新能源电池盖板全自动密封胶检测系统。该系统针对电池密封胶断胶/溢胶、胶路宽度一致性（±0.1mm公差）、微小气泡/杂质（φ≤0.2mm）等行业痛点，提出了"蓝色激光线扫-3D点云重建-多特征融合检测"的创新技术路径。通过构建高精度3D点云模型（0.02mm分辨率），结合拓扑结构分析、亚像素边缘测量、深度学习缺陷识别等核心算法，实现了密封胶质量的全方位检测。

Halcon之提取猴子的眼睛

案例 什么是Blob分析（AOI行业专业名词） 阈值分割、填充、打散、腐蚀、膨胀、筛选这个流程通称为Blob分析

基于WinForm与Halcon的AOI检测系统开发实战（海康相机集成）

本文详细介绍了基于WinForm与Halcon的AOI检测系统开发实战，重点讲解了海康相机集成、Halcon算法封装及性能优化技巧。通过实际案例分享开发环境搭建、相机参数配置、图像处理算法优化等关键步骤，帮助开发者快速掌握机器视觉检测系统的开发要点，提升工业检测效率与稳定性。

halcon 缺陷检测 灰尘检测02

图片资源 链接：https://pan.baidu.com/s/1Sh6e4VZybIVdNm3T9rgSrQ 提取码：inr2 处理流程 1、二值化连通域获取产品 初步位置 2、均值局部二值化 获取外框连通域 3、膨胀收缩 获取内部矩形区域 4、获取X轴线、获取Y轴线 5、检测大小灰尘处理 6、过滤边缘与杂质 完整代码 *****1、加载显示图片 ****************** dev_close_window () read_image (Image, './particle02.jpg'.

【基于C# + HALCON的工业视系统开发实战】十九、汽车挡风玻璃光学质检：莫尔条纹分析与透射率同步测量

摘要：汽车挡风玻璃光学性能直接影响驾驶安全，传统检测存在精度低（畸变误差±0.5mrad）、效率低（30秒/片）等问题。本文基于C# .NET Core 6与HALCON 24.11构建质检系统：通过LCD光栅生成莫尔条纹，结合四步相移法实现光学畸变检测（精度±0.01mrad）；双光路法同步测量透射率（70-75%，误差±0.5%）；偏振成像检测边缘应力（≤5MPa）。系统检测速度达2秒/片，准确率99.5%。某车企应用显示，漏检率从8%降至0.3%，年减损失1200万元。