基于机器视觉的弹壳表面缺陷检测系统设计

针对落后的检测枪弹外观品质工艺,利用机器视觉技术,设计了包含基于线阵相机的图像采集方式、缺陷分割算法以及缺陷分类算法的一套完整的解决方案。试验表明,该方案能准确实现对缺陷的分割和分类。     

一种基于自适应阈值的弹壳表面缺陷分割方法

由于材料表面不均匀和基于线阵相机采集图像的方式,图像的目标和背景的成像效果是动态变化的,不能用单一固定的阈值进行弹壳表面缺陷分割。针对该问题,结合弹壳表面图像的特点和灰度直方图峰值特性,提出了一种自适应确定阈值的方法,试验结果表明该方法对能准确对弹壳表面缺陷进行分割。     

基于线阵CCD枪弹位置图像处理的方法研究

针对枪弹位置的线阵CCD测量图像信息处理问题,研究了线阵CCD在测量枪弹射击中枪弹的提取、噪声的剔除、枪弹中心的确定等问题.常用的背景差分算法在实际系统的运算过程中存在速度慢、噪声多等问题,根据线阵CCD测量系统采集到的枪弹图像信息的特点,提出了在背景差分法的基础上通过图像的一种改进的互相关性快速提取枪弹图像的算法,进而确定枪弹位置.通过比较该算法和背景差分法对枪弹图像的采集与处理,可以得出用该算法计算出的枪弹位置精确度高,耗时短,提高了线性CCD测量系统实时处理的效率,在连发的高精度自动报靶系统中具有一定的实用性.     

基于机器视觉的枪弹钢芯自动检测系统

针对现有的手工枪弹检测技术效率低精度差且自动化程度不高的问题,提出一种采用机器视觉技术设计的枪弹钢芯检测系统。该方法从钢芯传送定位、对钢芯最佳照射、选择图像采集设备和图像处理和识别着手,对钢芯尺寸、底面缺陷、表面缺陷进行检测,经过平滑去噪和图像增强等预处理后,进行尺寸测量和缺陷识别,并通过人工复检证明了准确性。实验结果证明：相比传统的人工肉眼检测,该自动检测系统所耗费时问大幅度缩减,检测效率和检测精度均有较大提高。     

Automated Test System for Bullet Steel Core Based on Machine Vision

针对现有的手工枪弹检测技术效率低精度差且自动化程度不高的问题,提出一种采用机器视觉技术设计的枪弹钢芯检测系统.该方法从钢芯传送定位、对钢芯最佳照射、选择图像采集设备和图像处理和识别着手,对钢芯尺寸、底面缺陷、表面缺陷进行检测,经过平滑去噪和图像增强等预处理后,进行尺寸测量和缺陷识别,并通过人工复检证明了准确性.实验结果证明:相比传统的人工肉眼检测,该自动检测系统所耗费时间大幅度缩减,检测效率和检测精度均有较大提高.     

机器视觉下基于图像灰度值形态学的枪弹钢芯表面检测

针对枪弹检测效率低精度差的问题,采用机器视觉技术下基于图像灰度值形态学操作,对枪弹钢芯表面缺陷进行了阐述,并通过对比实验表明该自动检测系统相比人工肉眼检测,所耗费时间大幅度缩减,检测效率和检测精度较传统的人工检测有较大提高。     

基于虚拟仪器的轴承外径测量系统

基于虚拟仪器技术的在线轴承外径视觉测量系统,被测轴承由机械工作平台送至光源,利用低分辨率面阵CCD对轴承外径粗定位.再用步进电动机驱动高分辨率线阵CCD实现轴承外径图像扫描,通过高精度光栅传感器对线阵CCD采集行位置同步计量.通过数字处理得到外径数值,并与预置标准尺寸比较,判断其是否合格.轴承外径的图像预处理及其边缘提取,通过调用IMAQ Vision和LabVIEW相关函数实现.     

基于数学形态学的包覆层表面缺陷检测方法

包覆层表面缺陷的检测是保证发动机装药质量的重要手段。针对采集的包覆层表面缺陷图像,利用数学形态学的顶帽与低帽变换相结合的方法进行了缺陷特征增强,采用高低阈值的方法实现了缺陷图像的分割,得到了二值化图像,并通过中心半径标定,得出了有效检测区域,计算出了缺陷的大小和位置,检测结果表明,该方法的位置检测精度小于0.4 mm,检测分辨率可达到Ф0.5 mm,尺寸检测精度小于0.2 mm。     

基于BP 神经网络的弹壳表面缺陷分类方法

为了对弹壳表面缺陷进行分类,提出一种基于BP(back propagation)神经网络的弹壳表面缺陷分类方法。针对弹壳缺陷的特点,提取了各类缺陷的灰度特征、形状特征、几何特征,建立缺陷特征数据库,并采用改进的BP神经网络算法设计了缺陷分类器。实验结果表明,该方法在枪弹缺陷识别方面具有很好可行性和有效性。     

基于傅里叶变换轮廓术的药柱外型尺寸检测

在弹药制造过程中,药柱外型尺寸将直接影响弹药的性能。针对人工检测效率低且重复性不好以及传统机器视觉普适性差的特点,提出了基于傅里叶变换轮廓术的检测方法。该方法采用面阵CCD相机采集受药柱表面调制的光栅云纹图像,再对图像进行矫正、相位提取及重建,最后通过尺寸标定得到药柱三维尺寸。实验结果表明,该方法能同时检测多个药柱的尺寸,极大地提高了检测效率,能检测出药柱的微小变形,检测误差在0.2%以内。