AI散乱件抓取位姿估计：点云分割与碰撞预判
在料筐散乱堆叠场景里，抓取失败的原因往往不是"认不出零件"，而是识别出的抓取位姿与周边遮挡件、夹爪本体发生干涉。计算机视觉实验室近期把该任务拆成两步：先用 RGB-D 融合做实例分割，区分贴合、堆叠与悬空三种接触状态；再…
👁️ 计算机视觉实验室2026-11-02
AI视觉分拣定制：叠件分割与粘连分离
在再生塑料与物流分拣线上，传送带物料常出现叠压、粘连和运动模糊，单帧检测容易把相邻两件判为一件，导致执行机构抓空或误分。计算机视觉实验室近期围绕“叠件解耦”做了一组实验性探索：以3~5帧短时序图像为输入，先用轻量光流对齐物料位移，再由实例分…
👁️ 计算机视觉实验室2026-11-02
AI光度立体划痕检测定制：法向重建与微划痕增强
金属结构件与玻璃盖板表面的微划痕，在常规明场成像下对比度极低，高光与加工纹理的干扰往往强于缺陷本身。计算机视觉实验室近期做了一组实验性探索：用多角度频闪光源采集同一视场的序列图像，反解法向与反照率，把缺陷判断从亮度域搬到几何域。 进展：单相…
👁️ 计算机视觉实验室2026-11-01
AI零件计数定制：密集堆叠与遮挡分离
在五金冲压与紧固件产线，料筐内零件随机堆叠，人工点数耗时且易漏计。计算机视觉实验室近期围绕「密集堆叠下的实例计数」做了一组实验性探索。 技术路线分两步：先用轻量分割网络提取零件可见区域，再由密度图回归头估计被遮挡部分的数量；对强反光件叠加偏…
👁️ 计算机视觉实验室2026-11-01
AI无序抓取视觉定制：透明反光件点云补全
在无序抓取场景中，透明与高反光工件的深度缺失是视觉端最常见的失效来源：结构光在镜面与透射表面返回的相位噪声较大，单帧点云常在杯壁、瓶肩处出现空洞，位姿估算随之漂移。计算机视觉实验室近期把研究重点放在“先补全、再估计”的两段式流程上。 具体做…
👁️ 计算机视觉实验室2026-11-01
AI视觉跨产线迁移定制：域偏移诊断与光照漂移校正
在表面缺陷检测中，模型在首条产线调通后，换到同型号第二条产线常出现漏检率上升。原因多不在缺陷形态，而在成像域差异：镜头型号、工位高度、光源色温与老化、环境光泄漏，以及相机增益带来的噪声分布变化。计算机视觉实验室将这一问题拆成两步处理。 第一…
👁️ 计算机视觉实验室2026-10-31
AI视觉透明件缺陷检测定制：偏振成像与应力纹抑制
透明注塑件、玻璃盖板的内气泡与应力纹，在常规明场成像下对比度极低，缺陷信号常被表面反射和料流纹掩盖，也容易与划痕混淆。计算机视觉实验室近期的实验性探索，把光路设计与算法放到同一个环节上考虑：在光源侧与镜头侧加入正交偏振片，抑制表面镜面反射；…
👁️ 计算机视觉实验室2026-10-31
AI视觉检测金属表面微划痕：暗场成像与多尺度特征
计算机视觉实验室近期在金属件表面微划痕检测上完成一轮实验性验证。针对高反光、加工纹理干扰和微划痕对比度低的问题，方案采用暗场环形光与低角度同轴光组合成像，先抑制背景纹理，再通过多尺度特征金字塔与轻量分割头定位可疑区域，最后对划痕、氧化、油污…
👁️ 计算机视觉实验室2026-10-31
AI布匹疵点检测定制：高速线扫与疵点分级
验布是纺织后整理中人力最密集的工序之一。产线提速后，线扫相机的单行曝光被压到微秒级，运动模糊会先抹掉稀密路、纬档这类对比度本就不高的疵点，再交给算法时信息已经损失。本期计算机视觉实验室把成像与判读放在一起设计，而不是只换一个检测模型。 做法…
👁️ 计算机视觉实验室2026-10-30
AI显微图像拼接定制：对焦景深与视野缝合
在半导体与精密件的外观复检中，单张显微视野往往覆盖不足，需要多视野扫描后再拼接判读。传统拼接对焦面漂移和边缘重影敏感，尤其是高倍下景深只有几微米，稍有起伏即出现局部虚焦，导致缺陷漏判。 本期计算机视觉实验室围绕「对焦景深与视野缝合」做了阶段…
👁️ 计算机视觉实验室2026-10-30
AI透明件缺陷检测定制：偏振成像与气泡分级
透明注塑件与光学镜片的气泡、杂质多位于材料内部，常规背光成像下与本体灰度差常不足 5 个灰阶，阈值分割基本失效。本期计算机视觉实验室尝试用偏振与暗场组合成像，把这类缺陷「点亮」。 方法分两步：其一，在光源与镜头前加正交偏振片，先压掉上下表面…
👁️ 计算机视觉实验室2026-10-29
AI锂电极片涂布检测定制：暗场成像与伪影抑制
锂电池极片涂布的缺陷多为散射型，在明场同轴成像下与背景灰度接近，细划痕与颗粒常被辊压产生的周期性条纹淹没，形成「看得见却判不准」的检测下限。本期《计算机视觉实验室》在一条中试涂布线上做了一组对照实验：改用暗场线扫成像，配合走带方向的多帧对齐…
👁️ 计算机视觉实验室2026-10-29
AI光度立体成像定制：反光件法向重建与异常检测
反光曲面上的划痕、压伤在常规面阵成像下常常看不见：高光溢出、对比度随视角剧烈变化，同一处缺陷换个工位就换一副面孔。 我们在计算机视觉实验室做了一组阶段性实验：用四方向分区光源依次曝光，按光度立体逐像素解算表面法向，把「亮度图」换成「法向图」…
👁️ 计算机视觉实验室2026-10-28
AI镜片表面缺陷检测定制：暗场成像与散射分级
透明镜片表面的微划痕与麻点在明场下几乎不产生灰度差，常规面阵成像信噪比常低于 3 dB，缺陷容易被曲率反光和镀膜干涉纹淹没。本期实验把成像方案作为第一变量：以暗场环形光与同轴光分时曝光，让散射型缺陷呈亮线、吸收型缺陷呈暗斑，再用多角度图像做…
👁️ 计算机视觉实验室2026-10-28
AI透明件缺陷检测定制：偏振成像与背景解耦
透明注塑件与玻璃盖板的表面缺陷，长期是机器视觉的难点：透射光下缺陷与背景纹理高度耦合，常规灰度相机成像不稳定，划痕与应力纹常被背景吞掉。计算机视觉实验室近期围绕偏振成像与背景解耦做了一轮实验性探索。 基本思路是用偏振相机采集0°、45°、9…
👁️ 计算机视觉实验室2026-10-27
AI玻璃瓶罐裂纹检测定制：折射校正与微裂纹分级
玻璃瓶罐在线检测的难点不在算法容量，而在成像：曲面折射使裂纹位置与真实位置偏移，透射光下水渍、模具痕与微裂纹在灰度上高度相似。 本阶段实验采用暗场透射+偏振背光的多角度成像，先用标定板建立瓶身曲面映射，把环形视场展开到柱面坐标系，再对折射偏…
👁️ 计算机视觉实验室2026-10-27
AI织物疵点检测定制：周期纹理基线与疵点分级
织物疵点检测的难点不在模型结构，而在背景本身是周期性纹理：经编、针织的线圈排列会随张力与车速轻微漂移，通用异常检测容易把正常的纹理波动判成疵点。我们在一条针织布产线上做了阶段性实验，思路是把「找缺陷」改成「找纹理基线的偏离」。 方法上分三步…
👁️ 计算机视觉实验室2026-10-26
AI玻璃瓶外观检测定制：曲面反光与瓶口裂纹分级
在玻璃瓶罐产线上，透明高反光曲面让常规阈值视觉很难稳定工作：瓶身弧面会把光源和相机自身的反射送进视野，瓶口崩边往往只有一两个像素宽，在灰度上与反光条几乎同构。 计算机视觉实验室近期的实验性探索集中在三个环节：成像端用低角度暗场加偏振抑制镜面…
👁️ 计算机视觉实验室2026-10-26
AI坯布疵点检测：基础模型少样本分割验证
坯布疵点检测长期受制于样本稀缺：断经、缺纬、破洞、油污等类别在产线上出现频率低，标注成本往往高于收益；织物纹理与反光又让通用分割模型出现大面积误判。计算机视觉实验室近期做了一组实验性验证：先用正常布面图像训练背景重建与纹理抑制模块，再以冻结…
👁️ 计算机视觉实验室2026-10-26
AI视觉自检定制：镜头污染与失焦预警
镜头污染与轻微失焦是产线视觉系统最常见的慢性病：图像对比度缓慢下滑，检测模型不会报错，但漏检率已经悄悄抬升。我们尝试在推理链路前端加一层轻量图像质量监测，不改动原有检测模型，也不新增硬件。 方法分两步。一是用清晰度梯度、局部对比度、频域高频…
👁️ 计算机视觉实验室2026-10-25