一般來說，光學(xué)篩選機(jī)的影像篩選設(shè)備故障診斷一般是分為以下的幾個(gè)方面：

     一個(gè)方面就是狀態(tài)量的一種檢測，這種檢測就是用來檢測傳感器的運(yùn)行是否是正常運(yùn)行的。

　　第二種就是指加工設(shè)備的運(yùn)行的一種異常的判別問題，這種測試的數(shù)據(jù)如果出現(xiàn)問題，則會(huì)出現(xiàn)判別設(shè)備的異?，F(xiàn)象。

　　第三種就是對于故障的診斷是需要一步步分析和處理了，識(shí)別故障的原因是十分困難的，所以需要好好的排查一些故障問題。

　　以上內(nèi)容就是影像篩選設(shè)備的檢測問題的介紹了，在科學(xué)技術(shù)突飛猛進(jìn)和人工緊缺的今天，影像篩選設(shè)備及其它自動(dòng)化檢測設(shè)備已在各行各業(yè)中扮演著越來越重要的角色，能有效控制產(chǎn)品不良率、提高產(chǎn)品質(zhì)量、減少客戶投訴、提升公司產(chǎn)品的競爭力，利于公司拓展市場、降低人工成本。

E型鐵芯是某公司自動(dòng)化生產(chǎn)線上的重要零件之一，加工過程中主要存在表面切割不平整，表面裂紋和幾何形狀扭曲3種缺陷。為此，文中提出了基于機(jī)器視覺的表面缺陷在線檢測方法。由于檢測目標(biāo)質(zhì)地為黑色，本系統(tǒng)采用白色材料做背景增加對比度；利用CCD攝像機(jī)和環(huán)形LED光源組成采集系統(tǒng)的前端，通過千兆網(wǎng)口將圖像傳輸至計(jì)算機(jī)；然后采用邊緣檢測結(jié)合閾值分割提取感興趣區(qū)域，最后主要利用灰度分析結(jié)合Douglas-Peucker算法完成特征提取和缺陷分類。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能快速對鐵芯表面缺陷進(jìn)行識(shí)別與檢測，缺陷識(shí)別率達(dá)到98.25%，達(dá)到預(yù)期檢測目標(biāo)


為了不斷提高產(chǎn)品質(zhì)量和生產(chǎn)效率，金屬工件表面缺陷在線自動(dòng)檢測技術(shù)在生產(chǎn)過程中顯得日益重要。本針對金屬工件表面的多種缺陷，設(shè)計(jì)了一套能夠?qū)崿F(xiàn)對金屬工件表面缺陷進(jìn)行實(shí)時(shí)在線、無損傷的自動(dòng)檢測系統(tǒng)。 該系統(tǒng)采用黑白面陣CCD和多通道圖像采集卡作為圖像采集部分，提高了檢測系統(tǒng)的速度并降低了對CCD的性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實(shí)現(xiàn)實(shí)時(shí)在線檢測；采用自動(dòng)選取圖像分割閾值，根據(jù)實(shí)際應(yīng)用的閾值把工件信息從圖像中提取出來并掃描工件在圖像中的位置、尺寸信息，實(shí)現(xiàn)了系統(tǒng)的自動(dòng)測量；根據(jù)掃描得到的工件信息去除掉工件邊緣的光圈，