基于图像处理的玻璃瓶口裂纹检测系统设计与实现

为了快速、准确地对玻璃瓶口裂纹进行无接触检测,基于图像处理技术设计与开发了一个玻璃瓶口裂纹检测系统。首先对获取的玻璃瓶口图像进行降噪与分割处理,并利用重心法获取玻璃瓶口圆心的粗定位,然后利用边界跟踪算法对玻璃瓶口进行边界跟踪,并通过 最小二乘拟合获取玻璃瓶口圆心的精确位置,最后利用深度优先遍历算法对裂纹点集进行聚群,从而实现对玻璃瓶口裂纹的检测。实验结果表明,该系统操作简单、效率高、抗干扰能力强,能满足实际使用的要求。     

一种快速的玻璃瓶口裂纹检测算法

基于机器视觉的图像处理广泛地应用于各个领域;为了能更快速、更准确地对玻璃瓶口进行无接触的检测,提出了一种快速的基于数字图像处理技术的玻璃瓶口裂纹检测算法;首先对获取图像进行预处理,然后根据迭代法获取最佳阈值,进行特征提取;接着引入矩形位移传感器,利用双圆周法寻找裂纹点,最后使用领域扫描确定裂纹;通过对大量玻璃瓶口裂纹的检测,证明算法在处理图像的速度上完全符合目前生产流水线的要求,而且不会漏检,在实际应用中获得了良好的效果.     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

基于几何原理的无需测距传感器节点定位

对无线传感器网络中传感节点的定位问题进行研究,提出一种无需测距的定位方案.采用一个圆的弦的垂直平分线必过圆心的几何原理,利用移动锚点在感测区域中移动并周期性地广播信标消息,以确定有效的信标点和弦;在得到任意两条弦后,可以根据任意弦的垂直平分线必经过圆心来找到圆心,计算出传感器节点的位置;为提高定位方案的性能,提出一些改进措施.仿真结果表明,该定位方案具有较好的定位性能,在定位误差、定位执行时间和信标开销方面优于其它无需测距的定位方案.     

一种圆形瓶口缺陷定位检测方法

针对机器视觉检测中缺陷面积较大的圆形瓶口定位误差大的问题,分析了瓶口图像各个角度的特征,设计了一种在缺陷中迭代求解瓶口中心的方法.对拟合外边缘的残差进行排序并消除干扰像素,逐步循环迭代,准确定位了瓶口圆心,克服了缺陷部位像素对于圆目标识别的影响,实现了缺陷的实时定位.搭建了试验平台,用500幅不同缺陷的瓶口图像验证,结果表明该方法针对各种样式的缺陷,定位圆精度明显高于参考文献中典型方法,运行时间仅为0.01 s,证明了本方法在瓶口缺陷的实时定位、识别、分析方面具有明显优越性.     

玻璃瓶缺陷检测技术综述

随着数字图像处理技术的发展,图像检测的应用逐渐成为许多工程应用中的关键技术。本文阐述了在玻璃瓶检测中．利用机器视觉和数字图像处理技术的检测系统的实现方法;利用图像处理技术对有瓶口裂缝、瓶口缺口、瓶颈裂缝等缺陷的玻璃瓶进行检测．实现了准确、快速、无接触检测的功能。     

基于YOLOv5算法的圆心定位方法

准确地获取图像中圆形目标的圆心是目标识别和定位中的关键问题。目前圆心定位主要采用最小二乘拟合圆以及HOUGH变换方法,但这些方法在不同程度上存在着鲁棒性不强、对环境光线要求高、需提前调试参数确定阈值、复杂背景下效果急剧变差等局限性。针对该问题,提出一种综合运用YOLOv5算法、Grabcut算法和灰度质心法进行图像分类、图像分割和灰度重心算法求取圆心坐标。该方法使用YOLOv5对图像中的圆形目标进行粗定位,再通过图像分割方法分割出圆形目标,最后使用加权型的灰度重心算法准确定位出圆心坐标,实现对圆形标志的可靠定位。用多个实验比较了该算法与现有算法的精度和稳定性,实验表明,该算法与现有算法相比,在干扰及形变的情况下圆心定位平均相对误差保持在0.5pixel以内,而在干扰、强形变及目标残缺的情况下仍能保持在7 pixel以内,该算法不仅提高了圆形目标圆心检测的鲁棒性和准确性,而且具有良好的抗干扰性。     

基于气门油封的亚像素边缘检测

针对气门油封的尺寸检测问题, 本文提出了一种基于Zernike矩改进算法的亚像素边缘检测方法. 首先, 对比分析了高斯滤波和双边滤波的预处理效果, 结果表明双边滤波在滤波和保留边缘信息方面具有更好的表现. 然后, 采用Canny算子进行边缘粗定位, 并利用自适应的Zernike矩过度模型进行亚像素级定位. 最后, 采用最小二乘拟合圆法获取圆心坐标和半径. 经试验证明, 优化后算法的边缘定位平均误差更小, 精度更加准确.     

基于改进弦截法的FastICA算法研究

盲源分离问题是信号处理领域中的研究热点之一。众多盲源分离算法中固定点算法（FastICA）因其收敛速度快而备受关注,但是FastICA算法的收敛性易受初始解混矩阵的初值选择影响。针对FastICA算法的不足进行了改进,引入梯度下降法降低初值选择敏感性,并且提出改进弦截法,加快收敛速度。实验结果显示,基于改进弦截法的FastICA算法与其他FastICA算法相比,不但提高了算法的分离性能,而且减少了迭代次数,增强了收敛稳定性。所以,改进的FastICA算法克服了初值选择敏感的影响,获得更快速、更鲁棒的语音分离性能。     

快速准确的虹膜定位算法

针对经典虹膜定位算法速度较慢的问题,提出一种基于圆几何特征的粗定位与精定位结合的快速虹膜定位算法.基于行列扫描的方法找到瞳孔内4条弦,利用弦的中垂线结合瞳孔边界阈值定位四对切点,取切点坐标参数的均值为内边缘粗略定位参数,然后利用微积分方法对内边缘进行精确定位;利用内外边缘圆心非常接近的先验知识,缩小微积分方法定位外边缘的搜索范围,从而显著提高了虹膜定位速度.实验结果表明,该算法显著提高了虹膜定位速度且具有较高的定位精度.