精华内容
下载资源
问答
  • 品质管理资料大全.chm

    2020-04-05 20:45:18
    品质管理资料大全/品质知识/焊接作业外观检验标准 焊接作业外观检验标准.pps 品质管理资料大全/品质知识/理化试验室操作手册 红湖机械厂企业标准.doc 品质管理资料大全/品质知识/目标成本培训资料 目标成本培训...
  • 印花弹性白胶浆外观品质控制方法 1. 选择适合配方设计要求的树脂 树脂是印花弹性白胶浆配方中的重中之重。不同的树脂其粒径分布不一样,化学离子稳定性、机械稳定性不一样,油包水,水包油及其亲水性都不一样,...

    印花弹性白胶浆外观品质控制方法

    1. 选择适合配方设计要求的树脂

    树脂是印花弹性白胶浆配方中的重中之重。不同的树脂其粒径分布不一样,化学离子稳定性、机械稳定性不一样,油包水,水包油及其亲水性都不一样,对外观的影响作用很大。因此在选择树脂时,要充分考虑树脂自身特性,特别是树脂相溶性,以便统筹工艺配方中的填料、助剂等选用。

    2. 搭配好分散剂、流平剂

    不同厂家生产的流平剂、分散剂具有不同的HLB值。一般HLB值越大的分散剂、流平剂(水性),会使体系粘度降低越多;不同种类的分散流平剂随着其HLB值的增大,对体系粘度降低和对树脂的影响也越大。亲水性的分散流平剂会提高印花弹性白胶浆的贮存稳定性,疏水性的分散流平剂会提高印花弹性白胶浆成膜后的耐擦洗性。所以亲水性和疏水性的分散流平剂搭配使用,可以有效地提高印花弹性白胶浆的贮存性。如果加入较多的分散流平剂,会提高其亲水性、流动性,但会使其洗水牢度降低,耐水性变差。如果加入太少的分散流平剂,会直接影响其外观的质量,所以一般应控制在3~5﹪之间。

    3. 合理选用增稠剂,提高印花弹性白胶浆性能

    目前印花弹性白胶浆中常用的增稠剂有:聚丙烯酸类,纤维素醚类,碱溶性丙烯酸类,非离子缔合型聚氨酯类。

    1. 纤维素类增稠剂(主要包括羟甲基纤维素,羟乙基纤维素,羟丙基纤维素)具有增稠效率高,稳定性好,但流平性差,在网印中易造成网痕,并对浆料光泽有一定影响。
    2. 聚氨酯类增稠剂造价高一些,在印花弹性白胶浆中应用不多。
    3. 聚丙烯酸类增稠剂因有良好的流平性,不易产生网痕,不影响浆料的光泽,具有良好的耐水性和生物稳定性,其相溶性好,使颗粒之间形成分子链接,导致树脂-填料-树脂之间形成网状结构,提供较高的中高剪切速度,使印花弹性白胶浆具有较好的流变性,使外观呈乳白色流体半膏状。

    印花弹性白胶浆的外观品质是产品给予客户的第一印象,因此,做好印花胶浆的外观品质至关重要。要控制好印花弹性白胶浆的外观品质就要设计好配方中的树脂、助剂、填料等要素和使用正确的生产工艺。

    印花弹性白胶浆外观品质是其质量品质的外表现,它包括印花弹性白胶浆外观的状态、细腻程度、流动性能,质量品质好的印花弹性白胶浆其外观应为均匀液体,呈白色粘稠半膏状、细腻均衡、流动性良好、表面有光泽,而质量差的印花弹性白胶浆在贮存中常出现分层凝固,流动性差,絮凝分水,粘度过大,成膏状体,直接影响其质量,色泽,覆盖力,耐水性,流平性,遮盖率,光泽,得色率等性能。

    影响印花弹性白胶浆外观品质的因素很多:印刷材料方面如树脂(粘合剂)润湿分散剂、增稠剂、填料及其配方和生产工艺等都会对其产生影响。

    展开全文
  • 分享一位品质经理的质量管控总结,供大家参考!质量部门是服务部门,是负增值部门,也是在公司里处于相对比较尴尬的部门。当产品质量不理想时,质量部的责任首当其冲;当产品质量相对稳定时,它又像是可有可无的花瓶...

    怎么做质量管控才能有效,质量部门有哪些工作要做?分享一位品质经理的质量管控总结,供大家参考!

    质量部门是服务部门,是负增值部门,也是在公司里处于相对比较尴尬的部门。当产品质量不理想时,质量部的责任首当其冲;当产品质量相对稳定时,它又像是可有可无的花瓶,所以现在的有些企业的质量部门仍旧是可有可无的部门。

    有些企业的质量部门是其它部门兼管,有些是某一个领导兼管,发与不发货、原材料接收与否、制程中出现不良时是否停线等等质量事件,也就由某领导手一挥,桌一拍,做下了决定,这样的质量管控基本上是没管控。

    在下拙见,只有所有管理者足够重视质量,全员参与管控质量,才能做出让顾客满意的产品。

    以下是笔者在公司做品质经理的主要质量管控:

    最基础的质量检验

    1. 上任后,制定行业认可且正确的产品规范、制定有各测量、试验设备操作规程、普通产品来料、制程、半成品、成品、出货检验规程;特殊产品的各项检验规程若干。

    2. 设立品质部,确认QC、QA人员,通过在岗在职培训考核、早会宣导等方法,要求质量人员对检验规范和标准的理解,能准确无误的判断,现实行每半年一次培训并考试,合格方可继续胜任原工作岗位,每一季度一次现场考核,通过QC验证后的产品进行再确认,确认误检、误判、漏检机率,并将此结果纳入检验员的绩效考核。

    3. 要求QC人员能够对质量结果进行简单的分析和解释,当有QC向我汇报不良现象时,我都会问对方:你认为是何种原因导致这种不良现象产生,并与对方进行必要的讨论和分析。

    加强公司各部门对过程质量的认识

    1. 每天两次不定时走访车间各工序,观察现有正在生产产品的工作流程,以减少工作失误,提高工作效率为准,不合理的流程容易造成质量不稳定,部门间相互扯皮影响团体合作,若发现不合理流程,及时与管理层协商沟通,纠正其工作流程。

    2. 观察全员质量意识,是否承担应有的质量责任,是否按流程工作,工作质量如何。发现问题,及时与管理层及部门负责人沟通、改善。主导并协助各部门建立有一套有效的绩效考核,从而增加全员质量意识。

    实际运用人、机、料、法、环、测

    1. 生产人员(人)

    由行政部及车间跟踪确认:生产人员符合岗位技能要求,每一员工入职培训,经过考核合格,车间实习,能胜任工作后才正常上岗。

    品质部与技术部确认:特殊工序应明确规定特殊工序操作(熔炼、制粉、成型、烧结、电镀等工序)、操作人员及检验人员应具备的专业知识和操作技能,考核合格者持证上岗。

    操作人员能严格遵守公司制度和严格按工艺文件操作,现由车间主管及专职QC巡视,督促员工执行力。

    检验人员按工艺规程和检验指导书进行检验,做好检验原始记录,要求各检验工序每日下班前将各检验数据输入电子档。

    2. 设备维护和保养(机)

    制定有“设备管理办法”,其中设备的购置、流转、维护、保养、检定等均有明确规定。

    新设备试样跟踪采取新产品试样跟踪一样机制。

    一季度一次由品质部主导,检查设备管理办法各项规定有无有效实施,检查项目有:设备台账、维修检定计划、维修记录等有无实施(随机抽样方式询问一线操作人员,什么时间什么人是否为你操作的设备做过维修或保养),查是否有相关记录。

    3. 生产物料(料)

    主要原材料,只能由已审核过合格供方提供。主导每年一次的主要原材料供应商审核,包括供应商的体系审核和产品审核。

    与采购部门协商后,要求采购订单除明确数量、重量、单价、交货日期等常规要求外,各项技术指标(磁性能要求、尺寸、外观要求)都需要明示于采购订单,采购人员将技术指标输入电子档共享,以便于来料验证其材料是否符合采购订单要求。

    下道工序负责监督上道工序,如本工序未查出上道工序不良,本工序所有不良品由本工序承担并记入工序绩效考核中。

    所有工序产品必须有批次或序列号标识,便于跟踪追溯,随时检查标识单、跟踪卡等填写情况是否符合要求。

    4. 作业方法(法)

    对已区分的关键工序、特殊工序和一般工序,分别建有质量控制点。

    主要工序悬挂工艺规程或作业指导书,工艺文件对人员、工装、设备、操作方法、生产环境、过程参数等提出具体的技术要求;特殊工序的工艺规程除明确工艺参数外,还对工艺参数的控制方法、试样的制取、设备和环境条件等作出具体的规定。

    重要的生产过程控制图的控制方法发现潜在不良因素,现我公司计量型采用x-R控制图,计数型采用不合格品率P控制图。

    5. 生产环境(环)

    环境因素如温度、湿度、光线等符合生产技术文件要求,我公司特殊工序环境要求按特殊作业规程的规定执行,一般工序的产品对温湿度要求不高,常温常湿即可。

    生产环境保持清洁、材料、工装、夹具整齐、有序,执行5S相关要求,每周行政部组织相关部门不定期检验各车间各工序5S执行情况,并将检查结果与车间、工序负责人绩效挂钩。

    6. 质量检查和反馈(测)

    制定的检验规程包含检验项目、项目指标、检验方法、抽样方案、检验频次、仪器等要求。

    各工序检验按检验规程验证产品并记录,每工序检验站提交日报、周报、月报,要求日报第二天八点半之前提交,周报次星期一上午提交,月报次月8号前提交。

    控制不合格品,对返修、返工重点跟踪,制定有返工、返修品跟踪单。

    检验现场:待检品、合格品、返修品、废品分别用不同颜色盒子存放,利用色标醒目标志,分别存放或隔离。(白色是待检品、蓝色是合格品、黄色是返修品、红色是废品)。

    特殊工序的各种质量检验记录、理化分析报告、控制图表等都必须归档整理保管,随时处于受检状态。

    日常各工序发现异常及时汇报给品质部,能确认不良的原因,通知相关部门,马上纠正预防,如不能确认不良原因的小质量事故(质量损失小于5000元),电话或者邮件通知相关部门,或者与相关部门负责人碰头共同找出原因,及时纠正预防,大的质量事故(批量报废、质量损失大于5000元,顾客投诉系统性不良等),通知产线停线,由品质部组织召开临时品质会议,记录整理会议内容,形成的决议,后续跟踪验证,并将结果向总经理汇报。

    周报、月报按各种质量缺陷进行分类、统计和分析,通过每周周会、每月月会,针对主要缺陷项目,品质部向管理层、各部门主管沟通协商,采取措施,必要时应进行工艺试验,取得成果后纳入工艺规程。

    质量体系标准化

    1. 主导公司质量体系文件编制、审核,将如上三点管控工作纳入公司质量体系改进的整体计划之中,在已制定相关标准的基础上,通过工序质量的调查与分析,发现各工序、各部门现行具体要求与体系要求执行有偏差时,进而采取改进措施,做到写的和做的一致,做的与记录的一致,通过不断的改进,持续循环,从而实现整个质量体系的持续改进。

    2. 负责体系每年度第三方外审、第二方顾客审核,主导内部审核、管理评审,将三部分审核不符合项纳入质量体系持续改进。

    顾客服务

    负责处理顾客抱怨、投诉,并在24小时内回复顾客,通过电话沟通、邮件往来、拜访顾客等方式,对有争议的质量问题与顾客进行协商,达成共识。

    展开全文
  • LED显示单元板的品质可以从以下几个方面鉴定: 1.检查所选材料的外观品质 ①PCB板材和加工质量。 2.检查电路设计电路设计规范,PCB布线符合LED显示技术要求。。。
  • 而水果的均匀性和外观对消费者的决策有着重大的影响。由于这个原因,农农产品的展现无论是在田地里还是在最后流向消费者的不同阶段,都会被处理,而且通常是朝着同类产品的清洗和分类方面来进行的。该项目的ESPRIT3...

    水果品质自动分级的机器视觉系统

    摘要

    水果和蔬菜,通常以批次的形式提供给消费者消费。而水果的均匀性和外观对消费者的决策有着重大的影响。由于这个原因,农农产品的展现无论是在田地里还是在最后流向消费者的不同阶段,都会被处理,而且通常是朝着同类产品的清洗和分类方面来进行的。该项目的ESPRIT3,参考9230。集处理,检查和包装水果和蔬菜于一体的综合系统(英文简写SHIVA)形成一种自动、无损检测和处理的水果的机器人系统。本文的目的是报告在Valenciano de Investigaciones Agrarias研究所研究的对桔子,桃子,苹果品质进行实时测评而发展起来的机器视觉技术,并评估该技术在下列质量属性:大小,颜色,茎的位置及外部瑕疵检测中的效率。此种分解研究,在贝叶斯判别分析的基础上,使用并且允许水果因背景不同而精确的进行区分。因此,尺寸的确定性恰当的得到了解决。水果由此系统测出的颜色,和目前被用作标准的色度指标值非常吻合。在茎块的定位和瑕疵的检测中也取得了良好的效果。该系统在用大批量苹果进行在线测试分级后也取得了很不错的表现,并且并在缺陷检测和规模估计中分别取得了86%和93%的重复一致性。此系统的准确性和可重复性和人工分级几乎一样。

    1.简介

    机器视觉在水果和蔬菜检验中的应用在最近几年有所增加。如今,世界各地的一些制造商生产按水果大小,颜色和重量进行水果前期分级的分拣机。然而,市场不断地要求更高质量的产品,因此,其他功能已经发展来提高机器视觉检测系统(例如茎定位,确定主,副皮肤的颜色,检测污点)。

    大小,是第一个与质量有关的参数,已经通过使用机器视觉测量周长或直径其中任一种得到了测量(陶等,1990;Varghese等,1999),周长(萨卡&沃尔夫,1985)或直径(布罗迪等。,1994)。颜色也是一个重要的品质因素,已被广泛研究(Singh等人,1992年,1993年。哈恩,2002年;多布然斯基和Rybczynski,2002)。有些水果有一种颜色均匀分布在皮肤表面,我们称之为主色。该平均表面颜色对这些水果来说是一个很好的质量指标。然而,一些其他水果(例如桃子,苹果,西红柿)有次要颜色可作为一种成熟的良好指标。在这种情况下,它是不可能完全只把全球面色彩作为质量参数的。

    在桔子,桃子,苹果这些水果中,有必要进行长茎检测,以避免损害其他水果,或者是因为没有他们可能意味着质量损失。已经有若干解决方案被提出了来确定茎的位置,如:使用结构的照明检测苹果凹陷(杨,1993);颜色分割技术来区分柑橘

    有时候,茎容易混淆成皮肤上的缺陷或瑕疵。损伤和擦伤检测是质量评价的一个关键因素。众多苹果擦伤检测方法中有一种是基于对干扰过性滤器的使用。其他研究同时进行瑕疵处理和颜色评定这两项。最近的技术结合红外和可见的信息来检测瑕疵或者使用高光谱成像。

    这项工作的目的是报告在项目ESPRIT3(参考 9230的集处理,检查和包装水果和蔬菜于一体的综合系统,英文简写SHIVA),该技术在其他地方被描述过,和Valeenciano Agrarias(IVIA)研究所在1998年三月进行的测试中取得的成果的基础上发展而来的图像分析技术。该视觉系统是为了在线测量与桔子,桃子,苹果质量有关的几个参数,如大小,以及鉴定次要色点(桃和苹果一些种类的水果需要),茎块位置或斑点的存在。水果要在不1秒的时间里于四个不同角度被检测。为了评估视觉系统的效率,自动检验的性能和重复性和专家们的人工检测进行了比较。

    2.材料与方法

    2.1.硬件

    机器视觉系统是由一个三电荷耦合器件(CCD)彩色摄像机(索尼XC003P)和一个图像采集卡(流星的Matrox)组成的,并被连接到了一台可兼容的个人电脑[奔腾200兆赫,48Mb随机存取存储器(RAM)]。该系统提供了768每576像素的图像,以 35mm每像素实现。图像采集卡从相机撷取并解码复合视频信号为在红,绿,蓝色坐标(RGB)的三个用户定义的缓冲区。

    照明系统是一个环形日光灯管组成的,里面内室涂有白色亚光半球形荧光,并在顶部有一个洞来放置相机。由在于日光灯管和场景之间放置了用于保护的反射面,避免了直射向水果的光。

    视觉系统是用于自动检测,处理和包装的机器人系统中一部分。进入检查室前的水果都被单个化处理了,然后传递给一系列的移动真空杯,他们有旋转和翻译能力,能使水果在四个不同角度传递给相机,使其不位于重叠的位置,以尽量多的检查水果的表面(图1)。

    2.2.图像分析

    图像分析是由IVIA用编程语言C研发的一个特定的应用软件来来执行的,在磁盘操作系统下运行(DOS)。该软件分为两 模块:一个为培训系统的应用;另一个系统需要离线预先训练。利用录制的水果图像,专家选择不同区域的图像和分配所有每一个地区像素于其中一个预先确定的类别:背景,原色,次主色,一般伤害类型1,一般伤害类型 2,特定的功能,茎,花萼。由于分类采用这样一种方式,所以他们对所有类型的水果都适用。训练系统分别单一颜色的水果,此主色类没有使用。用两个类颜色方法检测一般的损害是合理的,因为每个种类的水果都有不同的颜色的缺陷 ,可以区分为明亮的与黑暗的。另一个预先定义的类被用于检测水果的特定特点,如金冠苹果的赤褐色度。

    由于每个类代表性的区域已选定,贝叶斯判别模型被创建,它 利用像素的三个基本色:红色,绿色和蓝色作为独立变量(RGB)。 贝叶斯判别分析包括对上述每个类别的RGB值组合的概率的计算。一个阿雷尔(1991)描述的算法被应用,即采用不同的协方差矩阵为每个类,它的结果在二次判别模型。此过程可参考表来进行。该表,存储在计算机内存中并在网上操作时给予咨询,允许每个像素的图像分配到最接近匹配的类.水果的颜色,作为水果成熟的状态标志,即是是在同一种水果里,也可以因为许多因素而略有不同。由于此分割方法极大地依赖于每个水果的像素颜色,它是对这些变化非常敏感。出于这个原因,该系统需要进行测试,并且对每个测试期都要创建一个新的表格。


    v2-7b81af859ac67fcdccd4450ce32aaf4a_b.jpg


    图1(a)第一图像的采集(b)第二个图像的采集-杯1旋转水果120°(c)第三个图像的采集-杯1将水果再旋转120°(d)第四图像的采集-杯2抓住水果并旋转180°在线操作最先要获取第一幅图像,并利用上面提到的表格将其按先前定义的类进行分类(图.2(a))


    v2-f2de891d5abafcda6e2457133e83e2ff_b.jpg


    图2 (a) 照相机拍摄的原始图像(b)分割图像显示完好皮肤,褐色化度,茎块和损坏区域(c)除了茎和背景以外的所有区域,用来计算的大小类别(d)展示了大小如何估计的图像

    同一种类的八个相连的像素中的每一份被认为是相互独立的区域。然后,为了加快轮廓提取的进程,基于模滤波器的缓和程序被应用到了分段的图像,以便平缓图像之间的毗邻地区及消除孤立的不良分类像素[图. 2(b)]

    第二步由提取特性来将水果按大小进行分类构成。单值图像中的前景是水果的图像,认为是各区域形成的,除了那些被视为背景或茎块的区域。然而茎块并不认为是水果的一部分,因为较长的茎块可能导致错误的测量尺寸(图. 2(c))。 然后,对水果区域边界进行提取并编纂通过用链码为基础的算法 (弗里曼,1961年)来计算量做惯性主轴的长度面积和尺寸(图. 2(d))。

    在第三步中,各地区不再视作为单果,每个独立的区域面积却要被测定(图. 3(a))。为了纠正分割过程中产生的错误,表面积少于一定的阈值的区域被认为是无效的分类像素。对于有效的地区,根据他们的像素所处类别不同,不同的参数被计算。例如,在有任何类各地区组成的损害像素区域中,长度和面积分别计算。在被划为茎块的区域的情况中,只有共同的坐标质心进行了测定。在检测到多茎块的情况中,最长的区域被选定为'真正的' 茎块,其他的认为是干扰(图3(b))。在分配到基本和次等的颜色区域,质心及颜色RGB均值要计算。该流程的整个过程如图4所示。该水果四个角度被不断重复。 当最后一个图像被处理时,每个果实下列特征都要测量:

    (1)主要损伤的长度——定义为主要区域的长度,归类为损伤,在上面四种视角中都有;

    (2)损伤面积——等同于所有受伤区域的总和,在四个独立的视角中; (3)茎和瑕疵——需要考虑,如果在四种视角中的任一种中发现;

    (4)基础色——计算作为基础的颜色,在每个独立的视角中统计

    (5)次主色——计算作为次要主色,在每个独立的视角中统计

    (6)水果的尺寸——根据现在的标准,尺寸是根据替代物的尺寸测来的。由于水果不具有方向性,水果都是由离茎最近的地方开始定位测量的。如果茎在少于两张图像中看到,该水果的尺寸就被当做其他四幅图像的水果的平均尺寸。

    尽管一些用于颜色描述的立体模型,作为HIS或La * b *值,描述的颜色和我们的感觉很接近,但RGB系统被用来描述是由于图像采集卡直接提供本系统中的图像的像素颜色,所以后面的进一步消耗的计算资源的转换是不需要的。


    v2-5175bed7c4d0268fc05340ed91787790_b.jpg


    图3 (a)分割图像显示褐色度,茎和损坏的区域(b)图像显示周长,褐色度中心和茎区和最长损害区的长度

    2.3该系统的性能评价

    2.3.1.分割程序

    虽然分割方法的可靠性可由系统通过结果和可重复推导出来,为了在水果的图像上分析分割程序通常要做个初步试验。在这些测试中,代表团体桔子,桃子,苹果的图像的像素,对应于其背景,皮肤完整度,损伤和茎秆(除了桃子),被人工选定生成基于贝叶斯非线性判别的判别分析函数。这些功能在一个独立设置的像素上进行了测试,属于不同图像,也是人工选定。两个独立设置的像素的使用保证了分类器的估计的性能是没有偏见性的。

    2.3.2.色彩估计

    为了评估利用开发的传感器估计的演的精度,颜色测量取自22西红柿几个表面。这些部位从一个红绿色颜色变动为红色。机器视觉系统确定果实颜色的能力通过比较常用于不同的水果的几种标准色指数得到了计算。这些指数从猎人实验室获得,和由三色度计圆形区域(8毫米直径)在选定的每一个部门随机提供的值一致。

    2.3.3.茎定位

    为了评估该对茎的位置的算法的性能,每一个,100个桔子随机的角度图片和100苹果的都被使用。在桃子的情况下, 76个水果中每个水果都随机取向的取了两个图像,共提出了152图像。该图像分析算法得到了应用同时茎的重心也显示在了电脑屏幕上。然后,操作者决定是否系统正确地在个图像中检测到茎。

    2.3.4.专家的重复性

    在确定视觉系统在测量大小和检测瑕疵的精度前,为了估计人工操作的精度和重复性要进行一个简单的试验,这是目前商业分级厂房的的参考。由于苹果的形状更加不规则所以被用于这些实验。桃子和柑橘更加类似球形,因而更容易被视觉系统分辨大小。

    在第一个实验中,40个周长63和86毫米之间的苹果被随机挑选。每个苹果的大小被专家用卡钳测量了两次。两个测量进行了比较并且通过平均误差来计算精度。

    为了估计检测瑕疵时人工操作的重复性,另一个检测是:48个苹果被机器分类后被选定,其中24个列为有缺陷的,其他24个为无缺陷。接着,三位专家人工的将他们归入同样的两类。15分钟后,他们重新归类该苹果。两次分类之间的相似性和异同被记录。

    2.3.5视觉系统的在线重复性

    在线测试,为了检查机器在商业条件下工作的重复性,使用了1247个金冠苹果,大小在64和92毫米之间。果实在西班牙标准为基础上被分为三类,根据其尺寸和外部污点。测试包括水果通过传递机,盒装水果,根据相应的类别。各自的箱反复通过该系统,并且对在分类中产生的变化进行观察并计数。(图四.图像分割流程)


    图 像 分 割

    像 素 分 割

    缓 冲

    形 态 特 征

    水 果 尺 寸

    水 果形 心

    外 部 特 征

    基本颜色平均数

    次 色 平 均 数

    第二颜色形心

    最长缺陷尺寸

    总共受损面积

    茎和花萼行心


    图 4 图像分割流程

    3.结果与讨论

    3.1.评价分割程序

    表1给出了桔子,苹果和桃子的图像像素分割性能,指出一种和剩余其他种类分开的最佳分离背景(100%),使更好的估计质心和水果的大小。 大多数像素分割程序中出现的错误是由于孤立的或小群的像素,这些主要位于相邻区域的边界。这些误差可以检测和纠正,如果每个分割区域的特征得到计算,因为这些群由于面积小常被分割为忽略不顾的区域。

    表 1 每种水果的识别率


    种类像素类别精确度,%
    橙子 苹果 桃
    999580
    缺陷8710089
    8485
    背景100100100


    3.2.干检测

    该系统检测茎的性能被进行了测量,使用了93个橘子,95个苹果和140个桃子的图像,而大多数图像都是在线获取的。实验表明,桔子的图像中有五幅茎未检测出来,而在另外两幅中,瘀伤和茎的检测发生了混淆。对于桃子, 73个图像中有一幅茎没有检测出来,尽管其中79图像中有11幅没有茎,所以有误测。在苹果中,87个图像中有两个茎没有检测出来,然而,却被误测为三分之十三。对于剩下的三个水果的图像,茎被正确的检测和定位(见表2)。茎的不同颜色或形状和水果果型,能引起茎检测的结果不同。不过,在茎和瘀伤之间有一点混淆,大多数的混淆错误是由于在没有茎的水果中将瘀伤检测为了茎。

    表 2 果茎的自动检测和分级结果


    橙子苹果
    正确错误正确错误正确错误
    无果茎4326811103
    有果茎505721852
    总计93714012955

    3.3.在线性能和可重复性

    专家们在两次独立的实验中测量同一个苹果的尺寸的平均精度为0.6毫米,呈现了约0.8%的相对误差。但是,考虑到水果正确的大小作为六个测量的平均值(每个专家两个有效测量),平均精度1.4毫米(1.9%的相对误差)。这些数字可能与视觉系统最大期望精度有关,该精度不会超过专家的精度,只是测量的参考。因此,一个1mm的误差课容许,当分析系统在线结果的重复性时。 当专家按分类中所述的尺寸种类进行水果分类时,他们表现出平均94%的可重复性。视觉系统的可重复性由最小尺寸水果的89%变化到极端大的水果的100%,平均为93%(见表3)。

    表 3 系统估测水果尺寸在线可重复性的结果


    尺寸范围,mm可重复性,%
    非常小0-6789.4
    68-7494.4
    75-8892.2
    较大85-110100.0
    整体可重复93.3


    考虑到标准允许的10%的误判,其结果可以被视为良好。一个错误的来源是由于大多数苹果为72-74和79-82毫米,而74毫米被选为大小之间的临界尺寸。

    专家们估计果皮上的损害程度时的重复性介于85%和90%,平均为88%(见表4)由于该系统被专家编程和培训,从理论上说,它的性能受到了专家们的重复性的限制。因此,视觉系统重复性的最大期望值约88%。表5显示,该系统在线进行外观缺陷检测时,有86%重复性。这些错误是由于在预测质量时三个因素被考虑了:最长的缺陷,受损面积和褐色化区。如果只有其中一个估计参数变化,品质变化从一个传递到另外,果实将被归类在不同的类别。这一事实特别影响了类型一,那里的重复性被认为是较低的,因为这个类别只包括损坏程度极低的水果,并有因颜色浅而被认为是果皮缺陷。指出这点很重要,即这种类型的实验结果很大程度上依赖于果实大小分布及水果上污点的颜色和大小。

    至于该系统使用所述硬件配置检查水果所用的时间,图像采集和分析所需的时间小于300毫秒,比最初的要求1s的时间要低。如果采用更新更快的计算机,并且提高算法来让图像的获取和处理重叠,这个时间可减少至低于50毫秒。




    表 4 人工评测水果表面污点等级的可重复性

    专家有擦伤的水果在两项测试中的分类无擦伤的水果在两项测试中的分类水果类别变化可重复性,%
    12716589.6
    23012687.5
    3329785.4
    机器2424--


    表 5 在线评测水果类别的可重复性


    种类类别属性可重复性,%
    缺陷长度,mm表面缺陷的最大面积,允许的最大褐斑,%
    1<3<1<353.8
    113-91-93-988.2
    111>9>9>983.2
    平均85.6


    4.结论

    分割方法对在线处理来说是快速和恰当的,但是却极大地取决于被检查对象的颜色。出于这个原因,系统需要经常由专门操作人员调试。机器视觉系统表现出良好的结果在定位桔子,桃子,苹果的茎干时和探测它们大多数时,很少和面部污点混淆。损坏的区域在苹果中能正确地检测到,但该算法在橙子和桃子应用时需要更广泛地进行测试。为了检测没有正确被区分出来的缺陷,还需要做进一步的工作,未能检测出来的原因主要是因为它的颜色浅,类似于完整果皮颜色的检验。在线操作的尺寸重复性介于91和95%,有一个93%的平均值。该机器的重复性在在线检测外部缺陷时约为86%,主要受第一类中取得的的那些结果影响。将这些结果和人类估测的大小和皮肤的损伤程度的平均重复性,分别为94和88%,进行比较,并且考虑到决策算法也同样被人工操作者训练和测试,由此我们认为结果可以接受的。实验结果表明将小缺陷或脱色区域认为是缺陷,取决于每位专家的主观标准。出于这个原因,机器的性能是由每个盒子的整体内容的估计测量,而不是单独考察成果作为机分类结果,被所有的专家认为是正确的。

    展开全文
  • 基于MATLAB的苹果外观特征检测摘 要 本文根据苹果分级判定标准中的两个评定指标:果径和果面缺陷,探讨如何利用MATLAB技术进行苹果外观的特征检测,从而提高苹果品质检测的工作效率。关键词 MATLAB;苹果分级;果径...

    基于MATLAB的苹果外观特征检测


    摘 要 本文根据苹果分级判定标准中的两个评定指标:果径和果面缺陷,探讨如何利用MATLAB技术进行苹果外观的特征检测,从而提高苹果品质检测的工作效率。

    关键词 MATLAB;苹果分级;果径;果面缺陷


    0 引言

    近年来,随着人们生活水平的提高,对于水果的品质要求也不断提高,实行水果分级销售成为当前市场的一个趋势。传统的水果等级评判主要依靠工人手摸、眼看,评定指标不客观,且人工成本高、效率低,不利于产业的规模化、工业化发展。因此,利用计算机图像技术研究客观、方便、高效的水果品质检测方法具有较大的应用前景。在本文中,作者以苹果为例,探讨基于MATLAB的苹果外观特征检测方法。

    根据国家质检总局2003年发布的《烟台苹果原产地域产品国家标准》(以下简称《标准》),对于苹果分级的评定指标分为:品质基本要求、色泽、果径(最大横切面直径)、果面缺陷等方面内容,每一项都有具体分级标准。其中,品质基本要求为概略性的总体要求,苹果色泽由于品种的不同,色泽不同。因此,本文着重从果径及果面缺陷两方面特征对苹果进行检测判定。主要采用单个苹果照片进行检测。检测前,首先固定图像采集设备和检测平台的位置,同时固定各项拍摄参数(焦距、像素等)不变,并确保用于分析的每张照片长度、宽度保持一致。

    1 果径(最大横切面直径)检测

    对果径的检测思路为:将图片灰度化、二值化后,利用regionprops函数计算二值化图像的最小外接矩形大小,外接矩形框长度和宽度中的最大值即为苹果最大横切面直径。不过,此时的数值为像素值,通过与照片的长、宽像素值进行比较,结合图片的实际长、宽值,即可求出果径的实际长度。


    v2-a558ed1505063ce1542d9a5645855db9_b.jpg


    图1 设定苹果照片参数

    在实验过程中,直接将图片灰度化、二值化后得到的苹果图像边缘不完整,因此考虑将图像转换到HSI颜色空间,利用S分量进行灰度化、二值化处理,较好的保留了苹果的边缘。

    首先,将照片由RGB颜色空间转换为HSI颜色空间。

    %RGB 2 HSI
    rgb=imread('apple0.jpg');
    rgb = im2double(rgb); 
    r = rgb(:, :, 1); 
    g = rgb(:, :, 2); 
    b = rgb(:, :, 3); 
    num = 0.5*((r - g) + (r - b)); 
    den = sqrt((r - g).^2 + (r - b).*(g - b)); 
    theta = acos(num./(den + eps)); 
    H = theta; 
    H(b > g) = 2*pi - H(b > g); 
    H = H/(2*pi); 
    num = min(min(r, g), b); 
    den = r + g + b; 
    den(den == 0) = eps; 
    S = 1 - 3.* num./den; 
    H(S == 0) = 0; 
    I = (r + g + b)/3; 
    % Combine all three results into an hsi image. 
    hsi = cat(3, H, S, I); 
    


    v2-2f61215ec4b4ac99de0354a34a75ae17_b.jpg


    图2 HSI空间的苹果图片

    提取HSI中的S分量,可以直接利用im2bw函数将S分量二值化。0.2为实验数值,level=0.2时二值化图像最理想。

    S=im2bw(S,0.2);

    imshow(S)


    v2-c47e6b31c1654357f26c636399da9540_b.jpg


    图3 S分量图像及S分量二值化后图像

    求取外接最小矩形框,并利用regionprops函数计算图像区域的属性信息,并读取矩形的长、宽数据,以长、宽中的最大值为果径的数值。注意这里的数值为像素值。


    v2-dba8c81ee8e9117e86b958422b1ca633_b.jpg


    图4 二值化图像的最小外接矩形框

    [l,m]=bwlabel(S,8);

    status=regionprops(l,'BoundingBox');

    x=status(2,1).BoundingBox; %读取矩形的长宽

    X=max(x); %取最大值

    取得果径的像素值后,与图片的长(宽)像素值相比。由于图片的像素、实际长宽等数值已预先设定并保持不变,因此根据果径像素与图片像素的比值可求出果径的实际数值。

    2 果面缺陷检测

    果面的缺陷主要包括压伤、碰伤、虫蛀伤等,表现为与正常果面色泽、质地不一致。因此可通过提取果面的图像特征,检测缺陷情况。


    v2-3782a2aa670f288ae7a2d429e9ea5620_b.jpg


    图5 有缺陷的苹果果面

    首先,读入图像后用rgb2gray函数对受检苹果进行灰度化,并用imadjust函数调整灰度图像的强度值。

    I= imread('apple3.jpg');

    I2= rgb2gray(I);

    J= imadjust(I2,[0.1 0.2],[]);


    v2-fc9fc8387f83d89cbdd11ab8f74a6198_b.jpg


    图6 灰度图像及imajust增强后的图像

    利用im2bw函数将调整后的灰度图像转换为二值图像,level值取1。为方便检测,对二值图像进行取反处理。Y=im2bw(J,1);Y=~Y。


    v2-ca7721a41e4ace465fe90a78b079ec7f_b.jpg


    图7 转换为二值图像并取反

    与计算果径的方法相同,求病斑区域的外接矩形框,并利用regionprops函数计算图像区域的属性信息。

    [l,m]=bwlabel(Y,8);

    status=regionprops(l,'BoundingBox');

    imshow(Y);

    hold on;

    for i=1:m

    rectangle('position',status(i).BoundingBox,'edgecolor','r');

    end

    hold off;


    v2-2faf09392e476181d92c87bbc0f3cc8f_b.jpg


    图8 病斑区域的外接矩形框

    值得注意的是,由于病斑的不规则,且一个果面可能会有多个病斑,图像区域中会有多个外接矩形框,因此需要对每个矩形框的大小进行判定,选取面积最大的矩形框。

    [x,y]=size(status); %读取图片信息

    for i=1:x %共有x个矩形框

    X(i)=max(status(i).BoundingBox); %取矩形框最大值

    end

    x2=status(i,1).BoundingBox; %读取矩形框的长、宽

    x2(1)

    x2(2)

    在这里,以最大矩形框的面积近似为病斑的面积。通过矩形框尺寸的像素值与照片长、宽像素值的比值,以及照片实际尺寸,进而确定病斑实际面积。

    3 结论

    通过前面的测试,初步实现了利用MATLAB技术对苹果的大小(最大横切面直径)、苹果表面病斑面积等评定指标的检测判定,达到了预期目的。需要指出的是,在计算病斑的实际面积时采取了近似外接矩形框面积的方法,存在一定误差,但是该误差对于果品的分级检测来说是在误差的允许范围内,并不会对检测结果造成本质上的影响。从图7、图8中可以看到,除了主要的病斑区域外,左下角还有一个小白点,回到原图可以发现,这是果面的另一处小虫洞,可见该程序能比较真实的反映果面缺陷情况。本文中基于MATLAB的苹果外观特征检测方法相对简单,且不需要非常复杂、昂贵的设备,能以较小的成本实现苹果的外观分级检测,有利于该检测技术、设备在生产实践中的推广应用,达到提高生产效率的目的。


    参考文献

    [1] 王术兰, 徐晓辉, 胡慧. 苹果的特征检测与MATLAB实现. 计算机与信息技术, 2006,01:79~80

    [2] 杨高波, 杜青松编著. MATLAB图像/视频处理应用及实例. 北京:电子工业出版社.2010.

    [3] 杨杰主编. 数字图像处理及MATLAB实现. 北京:电子工业出版社.2010.

    [4] 邓薇编著. MATLAB函数速查手册. 北京:人民邮电出版社.2010.

    展开全文
  • APPLE 产品检验规范

    2018-11-07 12:00:01
    APPLE 产品检验规范,详细简述了产品的注意事项,检验规范等
  • 焊接一般技术要求

    2020-12-20 12:36:55
    2019-07-20由于焊接没有进步,或者是产品的巩固度不高,也或者是在运用中难以满意用户的漂亮要求,所以在用户运用这种产品的时分,也需求厂家来进行挑选,不锈钢电焊网的焊接质量怎么进步想要让产品有很好的焊接...
  • 随着生活品质的提高,产品质量的要求越来越高,除要求满足使用性能外,还要有良好的外观,即良好的表面质量。不同产品的表面缺陷有着不同的定义和类型,如金属表面的划痕、斑点、孔洞,纸张表面的色差、压痕,玻璃...
  • 为考察消费者玉米汁感官品质特征的要求,采用调查问卷的方式,鲜榨甜玉米及糯玉米汁的偏爱性及玉米汁感官品质的重要性进行了调查。结果显示,喜爱黄色、香气明显的甜玉米汁的人数多于喜爱白色、风味清淡的糯玉米汁...
  • 手机外观缺陷检测哪种效率高

    千次阅读 2019-11-05 16:37:34
    手机是现代人们最常用的通信工具,...手机玻璃盖板手机触摸屏起到保护和美观的作用,在与手机贴合之前需要玻璃盖板进行外观缺陷检测,随着工业自动化程度的不断提高和质量更加严格的要求,机器视觉代替人工...
  • 而水果的均匀性和外观对消费者的决策有着重大的影响。由于这个原因,农农产品的展现无论是在田地里还是在最后流向消费者的不同阶段,都会被处理,而且通常是朝着同类产品的清洗和分类方面来进行的。该项目的ESPRIT3...
  • PDT经理(LPDT) 职责说明 定义项目研发过程,组建项目团队并明确职责,定义项目研发过程的度量指标; 主导制定并维护项目主计划...保证项目的整体性,该项目的成本、进度、质量等方面的控制负责,保证其按期、
  • Kn95口罩在生产过程中,针对外观分为两步检测: 1、口罩过程品质检验控制; 2、口罩成品品质检验控制。 检测内容: 1、外观均应整洁形状完好,不得有破损、破洞,不得有异物; 2、口罩本体上的任何撕裂、切口或洞不...
  • 记得口罩生产厂家流出个小...口罩外观在线检测设备针对一次性口罩、医用口罩、外科口罩、无纺布口罩、kn95口罩、3M口罩、kn90口罩等进行快速稳定的在线检测口罩外观品质,有效解决产品外观品质问题,自动剔除不良品。
  • 之前的有线耳机使用起来不方便,而对于那些有听歌需求的朋友选一款蓝牙耳机是非常的有必要,如今蓝牙的耳机技术也是非常成熟。对于新手来讲,下面这几款平价蓝牙耳机可以放心入手,绝对不会踩坑。 第一款:南卡A2...
  • 人们对于某一项技术的追求可以说是永无止境的,在音频设备...下面,玩机汇君就来跟各位小伙伴们推荐几款标准的高品质音响。Dynaudio Xeo 2既然你已经注意到了这篇文章,想必你已经是混迹于各大音响论坛当中的老鸟...
  • 2.有以下情况IPQC有权暂停生产线要求生产线立即改善,并发行《纠正预防措施报告》或《QRQC异常跟进表》;①.未做首检,设备点检,成型条件点检时;②.制程IPQC抽检同一产品外观不良≥10%时;③.任何尺寸不良时;④....
  • 老品牌产品创新正是为了解决这方面的问题,因此老品牌产品的创新并不是盲目创新而是基于消费者产品要求以及接受程度的创新,如产品外观要求、产品品质要求、产品功能要求等。基于此,本文主要针对老品牌产品创新的...
  • 当然并不是说A级曲面都要求G3,但是比较接近G3的品质对曲面的品质肯定是有好处的。 1.A级曲面的特点 A级曲面具有以下特点。 A级曲面用高光等高线检测时显亮的曲线应该有一个共同的曲率特征,等高线连续且过渡均匀,...
  • 其余依QAI-030 QA巡检工作指示各工序人员、设备、 作业工艺、产品品质进行来回抽查。 发现异常的处理方式 IPQC 首三件检验记录表 措施执行后,QA需在产线生产50-150sets的时间 内验证措施不力有效性,如措施无效...
  • 市场上众多蓝牙耳机品牌中,品质层次不齐,对于新手想要选购到适合自己的蓝牙耳机确实有些难。今天这个榜单,小编特意结合品质、音质、舒适度、口碑、热度各个方面,为大家推荐这五款热门高性价比的蓝牙耳机。 击音...
  • 另外,莲子所含的氧化黄心树宁碱鼻咽癌有抑制作用,能够达到防癌抗癌的功效。不仅如此,莲子芯的味道极苦,含有莲心碱、异莲心碱等多种生物碱,有清热泻火、安生补脑的功效,还有显著的扩张外周血管,降低血压以及...
  • 汽车线束是汽车内部最关键的部件之一,其质量、安全性和可靠性汽车质量具有举足轻重的影响。如果线束失效,就会造成信号传递失效,功能设备失去作用;或接触电阻过大发热失火;或短路失火;或绝缘层失效漏电。因而...
  • 摘要:现在,随着人们生活水平越来越好,人民衣食住行等的要求也越来越高,特别是在住的方面,人们已经不单单满足于住房的舒适度、空间大小以及采光性能。人们更加追求室内设计的全方位布局情况,室内设计的过程中...
  • 榛子(坚果类食品),又名山板栗、尖栗或棰子,榛子是国际畅销的...榛子本身富含油脂,所含的脂溶性维生素更易为人体所吸收,体弱、病后虚羸、易饥饿的人都有很好的补养作用。 它的维生素E含量高达36%,能有效地延缓.
  • 图像噪声(有时称为图像斑点)使图像具有纹理或颗粒状外观。图像噪声的来源和数量取决于成像方法,将在后面的章节中详细讨论。我们现在简要地考虑图像噪声可见性的影响。 在下图中,我们发现我们熟悉的身体对象...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,430
精华内容 2,172
关键字:

品质对外观要求