Halcon实战:5个工业质检案例教你玩转机器视觉(附完整代码)

Halcon机器视觉-15种常用缺陷检测实例 缺陷检测是一种通过计算机视觉技术来检测产品制造过程中的缺陷的方法。该技术可以检测出产品表面的缺陷,如裂纹、凹陷、划痕、气泡等,并且可以实时监测和诊断制造过程中的问题。在制造业中,机器视觉缺陷检测技术已经被广泛应用于各种产品的质量控制和检测工作中,如电子产品、汽车零部件、医疗器械等。一、Halcon 15种常用缺陷检测实例分享。11.手机摄像头图像表面的轻微缺陷检测。1.背景网格产品刮伤缺陷检测。10.皮革纹理表面缺陷检测。12.网状产品表面破损检测。3.产品表面三角缺陷检测。6.产品周围缺口检测。 阅读详情

Halcon实战:5个工业质检案例教你玩转机器视觉(附完整代码)

在制造业的产线上,视觉质检早已不是“锦上添花”的选项,而是关乎良率、成本和效率的“生命线”。然而,许多工程师和集成商都面临一个共同的困境:手里握着像Halcon这样功能强大的视觉软件库,却感觉无从下手,或者只能实现一些基础功能,面对复杂的真实工业场景时,方案总是不够稳健。这背后,往往不是工具本身的问题,而是缺乏一套将强大算子与具体问题深度结合的“组合拳”思维。

这篇文章,我们就来打破这种“知道强大但不会用”的僵局。我不会泛泛而谈Halcon的2100多个算子有多厉害,而是直接切入五个在电子、机械、包装等行业中极具代表性的质检难题。每个案例,我都会像在现场调试一样,带你走一遍完整的流程:从拿到问题图像开始,分析难点在哪里,为什么常规方法会失效,然后一步步拆解,告诉你我为什么选择这几个特定的算子,它们的参数背后有什么物理意义,调优时我踩过哪些坑,最后用完整的代码把方案固化下来。我的目标是,你看完不仅能复现这五个案例,更能掌握一种解决视觉问题的通用方法论,下次遇到新项目时,能自己设计出可靠的方案。

1. 案例一:精密金属零件的亚像素尺寸测量与公差判定

在精密加工行业,零件的尺寸公差往往要求在微米级别。用传统的像素级边缘检测,一个像素的误差就可能让合格品被判为不良。这个案例,我们处理的是一个带有倒角的金属连接件,需要测量其内径、外径以及倒角的角度,公差带为±0.02mm。

核心挑战在于:金属表面可能存在反光,边缘并非理想的黑白过渡,而是带有渐变和噪声。直接二值化会丢失亚像素精度,而简单的边缘检测算子对光照变化又过于敏感。

我的思路是分三步走:首先用滤波抑制噪声但保留边缘,然后用亚像素边缘检测提取精准的边缘轮廓,最后通过几何拟合和坐标变换得到精确的尺寸。

第一步,图像预处理。我放弃了全局阈值,因为反光会导致局部过曝。这里采用动态阈值分割结合形态学来稳定区域。

* 读取图像
read_image (Image, 'metal_part_01.png')
* 转换为灰度图(如果原是彩色)
rgb1_to_gray (Image, GrayImage)
* 使用中值滤波去除椒盐噪声,同时较好保持边缘
median_image (GrayImage, ImageMedian, 'circle', 2, 'mirrored')
* 利用局部均值和标准差进行动态阈值分割,对光照不均鲁棒
var_threshold (ImageMedian, Region, 20, 20, 0.2, 2, 'dark')
* 将区域连通,并选择面积在合理范围内的区域
connection (Region, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 500, 5000)

提示:var_threshold算子的Offset参数(这里为0.2)是关键,它决定了局部对比度的灵敏度。对于低对比度边缘,需要调小此值;对于噪声大的图像,则需要调大。

第二步,亚像素边缘提取。这是精度提升的核心。我使用edges_sub_pix算子,它基于Canny或Deriche等算法,能提供子像素精度的边缘轮廓。

* 在选定的区域内部,进行亚像素边缘检测
* 使用Deriche滤波器,它在噪声抑制和边缘定位间有较好平衡
edges_sub_pix (ImageMedian, Edges, 'deriche2', 0.5, 20, 40)
* 将边缘轮廓与之前选定的区域做交集,只保留零件边缘
intersection (Edges, SelectedRegions, EdgeInRegion)

现在,我们得到了一组亚像素精度的边缘点EdgeInRegion。第三步是几何拟合与测量。内径和外径是圆,倒角是直线。

* 将边缘轮廓分割为不同的弧段,便于分别拟合
segment_contours_xld (EdgeInRegion, ContoursSplit, 'lines_circles', 5, 4, 2)
* 选择可能是圆的弧段(基于特征如圆度)
select_shape_xld (ContoursSplit, CircularArcs, 'circularity', 'and', 0.8, 1.0)
* 拟合圆,得到圆心和半径
fit_circle_contour_xld (CircularArcs, 'algebraic', -1, 0, 0, 3, 2, RowCenter, ColumnCenter, Radius, StartPhi, EndPhi, PointOrder)
* 选择可能是直线的弧段(倒角边)
select_shape_xld (ContoursSplit, LineArcs, 'contlength', 'and', 50, 1000)
* 拟合直线
fit_line_contour_xld (LineArcs, 'drop', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)

得到拟合的几何参数后,我们需要将其从像素单位转换到物理单位(毫米)。这需要事先进行相机标定,获取像素当量(例如,0.005 mm/pixel)。假设我们已经有了标定结果Scale。

* 物理尺寸计算
InnerDiameter := 2 * Radius[0] * Scale
OuterDiameter := 2 * Radius[1] * Scale
* 计算两条倒角线的夹角
angle_ll (RowBegin[0], ColBegin[0], RowEnd[0], ColEnd[0], RowBegin[1], ColBegin[1], RowEnd[1], ColEnd[1], Angle)
ChamferAngle := deg(Angle)  // 转换为角度制
* 公差判定
IsInnerDiaOK := (InnerDiameter >= 5.98) and (InnerDiameter <= 6.02)
IsOuterDiaOK := (OuterDiameter >= 10.98) and (OuterDiameter <= 11.02)
IsAngleOK := (ChamferAngle >= 44.5) and (ChamferAngle <=
Halcon工业质检实战:尺寸测量、缺陷检测等5个核心案例 机器视觉是工业自动化的核心技术之一,在缺陷检测与尺寸测量等场景中扮演关键角色。与深度学习模型相比,以Halcon为代表的传统视觉算法具备可解释性强、实时稳定、开发周期短等优势,尤其适合中小批量产线。实现高精度测量需先进行像素标定和畸变校正;面对金属磨砂面等复杂纹理,可借助高斯滤波差影法提取微小缺陷;通过形状模板匹配可实现动态ROI定位;Blob分析则能高效筛选密封圈缺料等区域;OCR识别则保障药品批号追溯。本文通过5个真实案例,解析Halcon在尺寸测量、表面缺陷检测、模板匹配、Blob分析和OCR识别中的 阅读详情

相关推荐

Halcon实战:5个工业质检案例详解与排查经验

机器视觉作为工业自动化的核心技术,通过图像采集与算法分析实现缺陷检测与尺寸测量。其原理基于图像分割、边缘提取、模板匹配等经典方法,能够将像素信息转化为可量化的质量指标。在产线质检中,Blob分析、动态阈值、亚像素测量等技术的成熟应用,显著提升了检测效率与稳定性。针对卡簧缺件、表面划伤、Pin针测量、字符识别及定位引导等场景,Halcon提供了高效算子支持,帮助工程师快速搭建可靠方案。本文结合实际项目,分享5个工业质检案例的代码实现与调试经验,并剖析选型思路与常见坑点,为相关从业者提供可落地的参考。

weixin_29044713的博客 77

Halcon工业质检实战:5个案例搞定尺寸测量与缺陷检测

机器视觉作为智能制造的核心技术,通过图像采集与算法分析实现高效质检。其基本原理涉及图像预处理、特征提取与模式识别,能够有效解决人眼检测的疲劳与漏检问题。在工业自动化中,尺寸测量、表面缺陷检测、字符识别等场景均依赖稳定的视觉算法支撑。Halcon作为业界广泛应用的机器视觉库,凭借丰富的算子和高效的开发流程,成为工程落地的常用工具。本文基于真实项目经验,梳理了从成像设计到算法调试的完整链路,并给出了尺寸测量、划痕检测、OCR识别等五个典型案例的Halcon实现思路与参数要点,帮助开发者避开常见陷阱,为机器视觉入

weixin_42667269的博客 239

从零到一:Halcon XLD轮廓操作在工业质检中的实战应用

本文深入探讨Halcon XLD轮廓操作在工业质检中的实战应用,重点解析轮廓交集、补集等高级操作技术。通过亚像素级精度和丰富算子,XLD轮廓为汽车零部件、电子元件等行业提供精准质检方案,涵盖从基础操作到性能优化的全流程实战指南。

weixin_29290863的博客 418

工业质检升级实战:C#上位机无缝集成Halcon+OpenCV机器视觉(工厂落地版,附源码+避坑实录)

工业质检的机器视觉方案有很多,我结合检测精度、开发效率、工业稳定性、落地成本、设备联动能力做了完整的选型对比,最终敲定「C# WinForm + Halcon 22.05 + OpenCV(EmguCV)+ 工业面阵相机 + PLC(Modbus TCP)」的组合,这也是目前工业质检落地的最优性价比方案,没有之一。技术方案核心优点核心缺点工业质检适配性纯人工质检无开发成本、无需设备投入漏检率高、效率低、人工成本逐年攀升、无追溯❌ 仅适合小作坊,逐步被制造业淘汰开发快、开源免费、算法库丰富。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 823

【基于C# + HALCON的工业视系统开发实战】三十四、基于.NET 6 + HALCON 24.11的雨刮器总成全自动质检系统:多特征融合与运动控制集成

摘要:针对汽车雨刮器总成质检效率低、精度不足的问题,本文提出一种基于机器视觉的全自动检测方案。该系统以.NET 6为开发框架,集成HALCON 24.11实现视觉算法,通过WinForms构建交互界面,采用Modbus TCP实现与PLC的实时通信。系统涵盖胶条完整性检测(≥0.2mm裂纹/变形识别)、骨架角度测量(±0.3°精度)、连接机构功能测试(运动平滑度分析)及外观缺陷检测(≥0.3mm划痕/掉漆识别)四大核心模块,通过多工位协同控制实现≤3秒/件的检测节拍。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 645

【基于C# + HALCON的工业视系统开发实战】二十九、发动机缸体全自动质检:HALCON 3D扫描与C#深度学习缺陷分类

摘要:发动机缸体作为核心零部件,其质量直接影响整机性能与寿命。本文基于.NET 6与HALCON 24.11开发全自动质检系统,融合3D点云测量与深度学习技术,实现平面度(公差0.05mm)、缸孔直径(±0.01mm)、表面缺陷(≥0.2mm)及螺纹孔完整性的一体化检测。系统采用多线程流水线架构,通过3D线扫相机采集点云数据,结合FitPrimitivesObjectModel3d实现高精度尺寸测量;基于深度学习模型实现表面缺陷分类,检出率达99.2%;通过Modbus TCP与PLC通信实现自动分拣。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 2153

【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。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1435

【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。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1805

【基于C# + HALCON的工业视系统开发实战】十八、线束端子全参数质检:多光谱成像与深度学习融合技术

摘要:线束端子作为电气连接核心部件,其压接质量直接影响电路可靠性。传统人工检测存在效率低(3秒/件)、漏检率高(15%)等问题。本文基于C# .NET Core 6与HALCON 24.11,构建多光谱成像质检系统:通过可见光相机测量压接高度(精度±0.01mm),近红外相机检测铜丝外露(识别率99.2%),X光成像结合深度学习模型(准确率97%)检测内部裂纹,融合压接力传感器数据实现全参数分析。系统检测速度达0.5秒/件,综合准确率99.1%,漏检率降至0.3%。某汽车线束厂应用显示,该系统使质检效率提升

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1759

halcon缺陷、污点检测案例

halcon划痕缺陷检测、表面污点检测、油污检测经典案例

HALCON重要基础和经典案例

初学者非常好的学习资源,重要基础,标定和精准测量等等。带你快速认识视觉

Windows环境下ABAQUS、Fortran 编译器及Visual Studio的安装和关联

点击Continue,在随后的弹窗中勾选accept,并点击Customize(注意,在接下来的安装图片中,显示的版本号是2024.2,图片来自于一次失败的安装,懒得再截图了,步骤毫无区别,请见谅)。在下一步中,保持默认选项,之后软件会自动关联到刚才安装到visual studio,随后下一步进行安装(如果电脑中已经安装有其他版本的visual studio,则只保留2022)。在随后的弹窗中,根据指示找到。以防万一,尽量暂时退出所有杀毒软件,关闭防火墙,一般不会有影响,为确保万无一失,可以执行此步。

samurai12的博客 9989

从PWM到正弦波:RC低通滤波器的魔法转换之旅

本文详细介绍了如何利用RC低通滤波器将STM32F103生成的PWM信号转换为高质量正弦波的技术原理与实践方法。通过分析滤波器设计、参数计算、硬件实现及Proteus仿真验证,为嵌入式开发者提供了一套完整的PWM转正弦波解决方案,适用于电机控制、音频信号生成等多种应用场景。

jupi8的博客 386

实现高精度卷积混响--MATLAB仿真篇

一、前言 之前在STM32F407上现实了直播声卡,实现的经典Schroeder混响模型和Moorer混响模型,得到不错效果。后来得知卷积混响最为真实地表现空间的特性,所以也就尝试在MCU上实现一个高精度的卷积混响(卷积点数为32768),目前MCU出来的混响效果算得上一流水准,本人也在计划在ADI的21489或者SC584上更高精度的卷积混响。 二、卷积方式 1、conv1是使用MATLAB自带卷积函数conv 2、conv2和conv3是改进后卷积过程,具有减少运算量特点,方便嵌入式移植 clear;

Six44的博客 5085

ABAP FB05 清账实战:POSTING_INTERFACE_CLEARING 核心参数与业务场景解析

本文深入解析ABAP FB05清账操作中的核心函数POSTING_INTERFACE_CLEARING,详细讲解其关键参数与业务场景应用。通过实战案例展示收款清账(EINGZAHL)流程,提供常见错误排查方法,并分享批量清账优化与财务凭证集成的高级技巧,帮助开发者高效处理SAP财务模块清账需求。

weixin_33423874的博客 482

使用MATLAB进行灰色预测 GM(1,1)

使用MATLAB进行灰色预测 GM(1,1)

Hou_____的博客 1001

Field Characteristics 深入解析,理解 SAP ABAP Analytics 中 Dimension 与 Measure 的真正边界

在SAP ABAP Analytics数据模型中,字段应建模为Dimension还是Measure,关键在于业务语义而非数据类型。Dimension提供分析上下文,构成数据坐标系,支持钻取与切片;Measure则需具备明确聚合语义(如#SUM、#MIN、#MAX),且必须满足Distinct(无重复)与Complete(无缺失)原则,确保聚合结果准确。错误的建模会导致聚合偏差,根源常在事实粒度不清或关联关系不当。因此,正确划分字段角色,本质是让Analytical Engine准确理解业务数据的分析逻辑。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 64

【STM32系统】基于STM32设计的锂电池电量/电压检测报警器系统

本设计旨在研究一个基于STM32F103C8T6微控制器的锂电池电量/电压检测报警器系统,应用于便携式电子设备电池管理。系统通过STM32的ADC模块对18650锂电池电压进行采集,利用LCD1602显示模块实时显示电池电压,当检测到电池电量不足或电压异常时,蜂鸣器报警模块会发出警报提醒用户。系统采用简单的硬件结构和优化的软件架构,通过对实际电池电压数据的检测、处理和显示,实现了低功耗、实时监测的锂电池管理功能。本文将介绍系统的设计原理、硬件电路、软件实现以及调试测试过程。

嵌入式阿齐Archie 1万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: SystemVerilog实战:$value$plusargs()函数如何让你的仿真参数传递更灵活?
下一篇: MOS管开关机电路设计避坑指南:为什么负载电流越小关机时间越长?
反内卷战士508
博客等级 码龄3年 56粉丝 1710原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址