滚动轴承装配缺陷视觉检测系统的算法研究

针对轴承在装配过程中出现的漏装铆钉、滚动体的现象,提出了一种基于机器视觉的检测方法,并设计开发出一套滚动轴承装配缺陷视觉检测系统。系统采用TMS320DM642作为主处理器;检测系统的算法采用C语言设计。该系统通过对采集到的图像进行预处理、中心定位,根据图像特征进行装配缺陷的判定。     

硅电池片自动串焊表面缺陷在线视觉检测研究

针对太阳能硅电池片集成串焊在线表面缺陷检测存在的问题,提出了基于机器视觉的硅电池片串焊质量在线检测方法,包括特征识别与视觉测量两部分。在特征识别阶段,提出了一种改进的区域生长算法,对断栅特征实现高速稳定地检测,对于焊后赃污划痕缺陷,先将感兴趣区域自适应阈值化,再通过不变矩等特征筛选异类缺陷;在视觉测量方面,利用目标图像对称性,通过若干采样矩形对焊带偏移及片间距进行基于像素点的测量。该方法实现了在每个传送节拍获取片间图像,通过边缘定位并将原始图像分割为多个感兴趣区域并完成高速在线检测的目标。研究结果表明:提出的硅电池片焊后视觉检测方法能够在自动串焊生产线的快节拍下精确测量与识别缺陷,并具有较好的鲁棒性。     

动态视觉手势识别下手工装配时序控制的智能防错方法

为提高手工装配生产过程的效率,提出一种保证过程时序性的手势视觉识别与防错方法,通过识别信号控制增强现实装配引导系统,减少装配过程中检错和返工消耗的时间。在第一视角下采集手工装配过程的样本视频,用预定时间方法分析单步操作的标准手势和时间序列。在虚拟装配环境中建立了装配操作序列仿真引导模型。用肤色检测获取装配图像的手部区域,定义了区域几何特征并进行概率分布拟合,提取装配手势特征及其识别条件。基于装配动作的时序约束,建立了时序锁定的装配手势识别方法,进而判断装配状态,触发推送、隐藏或更新引导信息。计算机主板装配实例表明,所提出的智能防错方法提高了装配序列的执行效率和一次完成率。     

手工装配中微小金属件漏装模糊自适应视觉检测方法

针对手工装配作业中微小金属件装配区图像特征易受光照环境影响产生不规则动态变化的问题,定性分析了总体视场及微小金属件装配区灰度分布的影响因素,建立了不同装配特征灰度分布混杂区动态识别数学模型;通过BP神经网络学习总体视场及装配区灰度分布特征与不同装配特征之间的非线性关系,并将网络预测精度转化为灰度分布特征对装配特征的模糊隶属度函数,提出了一套基于灰度混杂区阈值模糊自适应调整的微小金属件漏装视觉检测方法。在某企业所生产的钢琴顶盖螺钉漏装机器视觉检测系统中的成功应用,结果表明所提方法对手工装配作业复杂光环境具有较好的鲁棒性和适应性。     

基于机器视觉的曲面字符缺陷检测系统研究

针对传统瓶盖字符人工检测误判率高、检测效率低的问题,研发一套基于机器视觉的瓶盖曲面字符缺陷检测系统。首先,对检测系统结构与视觉信息采集原理进行介绍;在此基础上,通过对所采集视觉信息进行滤波降噪处理,减少视觉信息背景噪声。然后对字符分割使用垂直投影和连通域分析法,再用特征点提取法和模板匹配对曲面字符进行识别。最后与射频识别(RFID)读码器所读取数字码比对,判定并剔除缺陷瓶盖,以此取代目前的人工检测方法。实验表明,该系统能够有效地对瓶盖字符进行缺陷检测,识别字符准确率为99.97%,处理一副图像时间为200ms,能够满足工业现场实际要求。     

基于立体视觉的工件识别与定位系统研究

针对生产过程中工件等弱纹理目标的自动识别、定位问题,建立了基于立体视觉的工件识别定位系统,研究了基于改进形状描述符、轮廓矩特征、子轮廓的弱纹理目标识别算法,避免了局部不变量特征难以识别弱纹理目标的问题,应用对极线约束、双目测距原理及姿态计算方法完成目标的三维姿态估计。结合OpenCV视觉库及机器人控制系统实现工件识别定位实验系统的软件开发,经实验验证本系统能够实时准确地识别定位弱纹理工件并进行抓取。     

装配规划中物理连接性设计缺陷的免疫辨识与修复

针对复杂机械产品装配规划过程中可能出现的装配序列组合爆炸问题和物理连接性设计缺陷,提出一种基于免疫仿生机理的装配物理连接性设计缺陷的自动辨识与优化修复算法。为有效解决子装配体的自动识别和稳定连接问题,重新定义了装配物理约束关系的连接矩阵,利用该连接矩阵的编码特征和免疫系统的疫苗接种策略定制了设计缺陷的辨识算子、修复疫苗和子装配体的识别与调整疫苗,并将三者进行集成构建了装配物理连接性设计缺陷的免疫辨识与修复算法。以含有子装配体结构的减速器为装配实例,验证了该免疫辨识与修复算法的有效性和正确性。     

基于视觉的汽车装配件缺陷检测研究进展

汽车装配件的缺陷检测是汽车制造流程中的重要环节,不仅可以提升产品质量,降低退货率,避免成本浪费,还可以为 驾驶人员提供安全保障。 最早的缺陷检测依靠专家经验,准确度低,人力成本大,而无损检测技术依靠介质,且效率不高。 引入 机器视觉不仅可以平衡检测精度和效率的问题,还能提高检测系统的鲁棒性,是最有发展潜力的缺陷检测技术之一。 本文首先 给出了视觉缺陷检测的定义和主要流程,简述了视觉缺陷检测系统中的图像采集硬件,然后从常用的缺陷分割方法、特征提取 方法、卷积神经网络 3 个方面综述了近年来汽车装配件缺陷检测的研究进展,并对比分析了相关方法的优缺点。 接着把汽车的 装配件大致分为轮毂轮胎、车身漆面、零件、发动机等 4 类,总结了缺陷类型及其缺陷检测算法的研究现状。 随后介绍了与汽车 工业相关的 10 个数据集和缺陷检测性能评价指标。 最后指出针对汽车装配件的缺陷检测目前面临着诸多方面的技术挑战,并 对进一步的工作进行了展望。     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

基于机器视觉的墙地砖表面缺陷检测系统研究

为实现对墙地砖表面缺陷快速精确的自动检测,对基于机器视觉的自动检测技术进行了研究,介绍并开发了一种基于机器视觉的墙地砖表面缺陷自动检测系统。在分析了墙地砖的表面特征、缺陷类型和现有检测算法的基础上,提出了一种基于图像梯度方差和加权信息熵相结合的自适应BHPF滤波检测算法。实验结果表明:该检测算法可快速有效地完成墙地砖表面缺陷的检测,缺陷识别正确率达97.3%。实验验证了理论分析和检测算法的正确性,可用于墙地砖表面缺陷的识别检测。