鼓风机转子工件尺寸和对称性的检测方法

针对工业生产中鼓风机转子工件的尺寸和对称性经常出现不符合标准的情况，本文利用转子工件图像，基于边缘检测技术设计一种转子尺寸和对称性的检测方法。为了减少原始图像的噪声点，本文方法基于高斯滤波对原始图像进行降噪和二值化处理，在此基础上，使用基于Canny算子的边缘检测算法和基于最小二乘法的圆拟合方法，对工件内部孔洞进行检测；同时，使用基于改进的Canny算法对工件外部边缘进行检测，获取较为连续的边缘像素点，设计比对方法和动态模拟实验对尺寸和对称性进行检验。实验表明本文提出的检测方法对转子工件的尺寸和对称性的检测效果良好。     

基于CMOS图像匹配的非接触测量系统

采用CMOS图像匹配传感器实现对圆形工件几何尺寸(同心度)的非接触测量。选用OV7670、FPGA、TFT和触摸屏组建系统。选用三点定圆法和数像素点法的测量原理,编程实现数字图像处理算法和圆匹配。对实物进行匹配测量并分析误差,通过增加迭代次数减少误差,增加图像的细化程度来提高测量精度。     

轴承微形变检测方法研究

轴承是支持机械工作的重要部件，对其质量的评估和微形变的检测有着重要研究意义。文章主要针对机械工业用途的轴承工件进行计算机视觉检测，通过系统的规划与检测算法研究来检测轴承工件的微形变。对边缘进行拟合检测时，先对图像进行非线性对数灰度变换预处理，改进的Hed网络先轴承边缘进行特征提取，应用Canny算法的非极大值抑制技术来过滤掉非边缘像素，将模糊的边界变得清晰，然后再对处理后的图利用Hough变换进行圆拟合以及边缘像素点提取，最后通过全象限分割算法。通过算法判断比较特征图像边缘像素点和设定值之间的差异，通过阈值判断来检测轴承工件是否发生形变。     

基于法向约束的背靠视觉端面对接定位方法

端面对接在航空航天、自动化装配、人机交互等领域有着重要应用,然而端面检测仍存在圆姿态解不唯一、解精度不高、对接效率较低等问题。为提高测量精度和鲁棒性,以背靠视觉和排列点激光为测量手段,提出一种基于法向约束的端面对接定位方法。通过背靠视觉分别采集端面圆特征图像,在对圆特征进行边缘提取的基础上采用随机采样一致性算法进行圆特征拟合,降低图像噪声的影响,提高特征拟合的鲁棒性。根据单目相机圆位姿解算模型,得到二义性的端面圆中心位置和姿态解,将排列点激光拟合得到的平面法向量作为法向约束,并取圆姿态解与法向约束的夹角最小者为正确的圆姿态解。最后,由机器人先后进行姿态和位移迭代调整,完成端面的对接装配。机器人小角度姿态、小位移的实验结果表明,该方法具有姿态调整准确度高、位移调整收敛快的特点,姿态最大偏差为0.03°,中心位移X方向最大偏差为0.01 mm、Y方向最大偏差为0.03 mm。     

基于K邻域链码拐点的胶囊端面缺陷检测算法

针对目前空心胶囊端面缺陷图像采集困难等问题,提出了一种特殊照明的方式对胶囊端部进行成像。将图像锐化、改进后的局部自适应阈值、轮廓提取用于胶囊端面图像的预处理,并针对胶囊端面缺陷漏检率高、检测效果差等问题,提出了一种基于K邻域链码的拐点检测算法,统计出胶囊端面缺陷图像中的拐点个数并做出缺陷判别。实验结果证明,该检测算法实时性好,对常见的5种颜色的胶囊漏检率和误检率均控制在2%~9%。     

基于小波变换的磁粉缺陷图像特征提取与检测

荧光磁粉检测技术是一种常见的无损探伤技术,常用于成品、半成品以及原材料的检验,以确保工件质量的可靠性。小波变换作为分析信号频率分量的数学工具,已成功地应用于图像处理的各个领域。将图像小波技术与磁粉探伤技术相结合,能快速、有效地提取出工件的缺陷特征。目前,磁粉缺陷检测通常通过肉眼观察,不仅速度慢,而且效率低。为了在工业生产中实现自动化、提高检测效率、拓展小波变换的实际应用,提出了一套基于小波变换的自动识别方法,并将其用于检测缺陷。首先,利用小波分析方法提取缺陷特征。图像经过小波变换后,可获得其低频系数和高频系数。高频系数较好地保存了图像的边缘信息(缺陷信息)。然后,对高频系数分量进行垂直投影等基础图像处理操作,以获取缺陷特征。最后,使用BP神经网络进行分类识别。测试结果表明,该系统对工件上的裂纹缺陷和凹坑缺陷具有良好的检测效果。     

基于机器视觉的圆柱直齿轮齿距偏差检测技术研究

针对渐开线圆柱直齿轮齿距偏差的自动测量问题,研究了一种基于机器视觉的影像测量方法;该方法利用影像测量系统摄取被测圆柱直齿轮端面图像,根据齿距偏差的定义设计了齿距偏差自动测量程序;该程序能自动采集待测齿轮图像,并通过图像预处理、拟合圆算法、构造分度圆、提取测量点等一系列处理,最终计算出每个齿距偏差,从而计算出齿轮的单个齿距偏差、齿距累积偏差和齿距累积总偏差;搭建了影像测量系统对该方法进行了实验验证,对实验结果进行了比较分析,分析结果表明齿距偏差测量的重复性精度优于6 μm,所述方法和系统能够实现齿距偏差的有效检测.     

基于无锚框关键点算法的工件表面缺陷检测

针对工件表面图像中划痕缺陷尺寸比例异常、尺度变换大、背景纹理复杂等问题,提出一种基于无锚框关键点的工件表面缺陷检测算法AFKPDD。为提高尺寸比例异常的细长划痕的检测精度,采用基于RepPoints Head的检测模块,更好拟合缺陷形态并提取有效特征。为改善尺度变换和背景复杂问题,使用可变形卷积多尺度网络提取图像特征。为提高模型泛化能力,设计随机遮挡数据增强方法和多任务学习策略。自建铝制工件内壁数据集,AFKPDD算法在该数据集上AP达到88.9%,优于其它主流目标检测算法。在公开钢材表面数据集上验证了模型的泛化能力和在划痕检测上的应用价值。     

一种快速去除大尺寸工件鬼影图像的精密拼接算法

为了提高大尺寸工件测量的精度和效率,针对现有拼接方法复杂度高且不能很好处理图像鬼影的问题,提出了一种快速去除大尺寸工件鬼影图像的精密拼接算法。该算法先通过SURF算法检测出相邻图像对应特征点,然后结合最近邻匹配法匹配特征点,零均值归一化互相关算法（ZNCC）判断、检测出图像是否存在鬼影;若存在鬼影,则用小波变换融合算法去除鬼影,并求出相邻两幅图像之间的单应性矩阵H,最后实现大尺寸工件精密拼接。结果表明,该算法不仅能有效地去除大尺寸工件图像鬼影,同时提高图像拼接精度和效率。     

基于3D-FACET模型的工业CT图像管道拟合

研究工业CT图像序列中工件内部管道的拟合方法.在利用3D-Facet模型提取管道边缘的基础上,将三维圆柱面、椭圆柱面管道的拟合转化为中心轴截面上的二维轮廓曲线圆、椭圆的拟合,与传统的三维曲面拟合相比,效率更高.通过对实际的发动机工业CT图像进行试验表明,该方法可以较准确地获取工件内部管道的几何参数,为基于工业CT的逆向工程打下基础.     

聚晶金刚石复合片崩角缺陷视觉检测技术研究

针对目前国内生产聚晶金刚石复合片(PDC)的企业大多数在表面缺陷检测环节严重依赖于人工检测,存在检测效率低、主观性强等问题,提出了一种基于机器视觉的检测方法替代人工检测.将倒角边缘的崩角缺陷作为检测目标,研究崩角图像的表面特征后,提出了在硬件上使用零角度环形光源突出崩角特征,在检测方式上通过阈值分割、中值滤波进行预处理,然后利用最小二乘法拟合获取倒角圆环的圆心位置和小圆半径并建立掩码,最后通过与(AND)运算提取出崩角信息,进行识别和标记.结果显示:实现对图像中的崩角缺陷自动检测和定位,并且判断标准统一.     

基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

基于超像素分割和随机森林的橡胶柱塞缺陷检测方法

针对直径为3 mm的小尺寸橡胶柱塞件端面,其受光斑、灰尘及纹理干扰不易分割提取缺陷轮廓的问题,提出一种结合SLIC（简单线性迭代聚类）和RF（随机森林）算法的缺陷检测系统。首先利用霍夫变换和各向异性扩散滤波对图像预处理,然后采用基于超像素分割的SLIC算法分割和提取缺陷区域,最后把获得的缺陷区域的五维形状特征作为RF分类器特征向量进行缺陷分类预测。结果表明,SLIC算法较传统的自适应阈值分割算法快了0.128 s,并且分割效果远好于传统算法,能够准确分割出小至0.5 mm的缺陷,整体检测流程平均耗时小于1.5 s,同时RF分类结果准确率达到97.3%。因此,本文的缺陷检测系统满足在线检测准确性和实时性的要求,可在实际工作中使用。     

基于卷积神经网络的路面裂缝检测

对路面图像块预标记,根据预标记结果对路面图像进行强度归一化预处理,在保留裂缝信息的同时,减少背景光照不均的影响.将预处理后的路面图像输入卷积神经网络(CNN)模型实现路面图像裂缝的检测.由于路面裂缝分布复杂,在训练网络时,使用不同尺度和不同角度的路面图像进行模型训练,使得网络能够检测不同裂缝形状.实验结果显示:裂缝检测结果较好.     

基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法

针对液晶屏(LCD)导光板表面缺陷检测方法存在漏检率和误检率较高,对产品表面复杂渐变的纹理结构适应性差的问题,提出一种基于改进相干增强扩散(ICED)与纹理能量测度和高斯混合模型(TEM-GMM)的LCD导光板表面缺陷检测方法。首先,构建ICED模型,基于结构张量引入平均曲率流扩散(MCF)滤波,使得相干增强扩散(CED)模型对缺陷的细线状纹理有良好的边缘保持效果,并利用相干性得到缺陷纹理增强和背景纹理抑制的滤波后图像;然后,根据Laws纹理能量测度(TEM)提取图像纹理特征,将图像的背景纹理特征作为离线阶段高斯混合模型(GMM)的训练数据,使用期望最大化(EM)算法估计GMM参数;最后,计算待检测图像各像素的后验概率,并将其作为在线检测阶段缺陷像素的判断依据。实验结果表明,该检测方法在导光颗粒随机、规则两种分布的缺陷图像测试数据组上的漏检率和误检率分别为3.27%、4.32%和3.59%、4.87%。所提检测方法适用范围广,可有效检测出LCD导光板表面划痕、异物、脏污和压伤等类型的缺陷。     

基于机器视觉的零件表面瑕疵自动分拣系统设计

针对精密零件表面瑕疵人工检测工作量大且人为误差较大的状况,将计算机视觉技术用于精密零件表面瑕疵检测分析中,并结合嵌入式系统控制分拣机构对零件进行自动分拣。本文设计的一个基于机器视觉的零件表面瑕疵自动分拣系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵自动分拣。     

光照鲁棒性较强的肤色检测算法

针对人脸肤色检测效果受光照影响较大的不足,提出了一种稳定性好的肤色检测算法。首先根据人脸左右对称的特性,采用像素修正算法将人脸区域上的过亮或过暗像素点替换为正常亮度下的像素点;然后采用一种根据像素点亮度的不同动态地确定色度阈值的自适应方法进行肤色检测。实验结果表明,相比YCbCr单高斯模型肤色检测等算法,所提算法在强弱不同的光照情况下提高的正检率超过了10%,误检率降低了5%,而且稳定性明显增强。     

弹底底火表面缺陷图像分割方法

枪弹弹底底火检测是枪弹质量控制的核心,为了有效分割弹底底火表面缺陷图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像基本特征,首先大致确定待检测的底火部分图像,对其运用Log算子进行边缘检测确定底火圆边缘;然后分析了Hough变换和最小二乘法圆拟合的圆检测算法的各自优缺点,提出了改进Hough变换和最小二乘法圆拟合相结合的圆检测算法,以获得较精确的底火圆圆心和半径;最后利用底火圆圆心和半径提取底火圆图像,利用统计阈值分割底火表面缺陷,利用数学形态学优化分割结果。通过实验表明,运用此方法分割弹底底火表面缺陷,平均误分割率低于10%,平均偏差小于17个像素,表现出较好的准确性和鲁棒性。     

基于光谱曲线特性和波谱角分类的赤潮监测方法

遥感技术已经成为赤潮监测的重要手段之一,目前,国内外已有多项应用遥感技术对赤潮成功监测的实例。现有的监测方法主要依据海水水色图、叶绿素浓度图和海洋表面温度图,但这些专题图在反应赤潮发生情况时都不可避免地存在一些局限性。而基于光谱曲线特性和波谱角分类的赤潮监测方法不但可以对各种不同赤潮监测均有很好的可靠性,同时还具有可以识别赤潮优势种等诸多优点。该文章对这种监测方法的原理和过程进行了详细的阐述,并使用实际数据进行了实验分析。     

基于卷积神经网络的钣金件表面缺陷分类识别方法

针对国防军工、电子信息等领域对多批次、小批量钣金零件快速、智能制造的需求,提出了一种基于卷积神经网络的少样本钣金件表面缺陷分类识别方法。首先基于卷积神经网络的网络架构,搭建出了经典的分类模型,并在实验中进行了参数修改,以达到实际生产中的表面缺陷检测要求;其次利用缺陷分割提取的方法获得卷积网络训练模型的样本集,并进行数据增强。实验结果表明,该模型的准确度可达97.02%;最后利用窗口滑移检测方法使待检测零件与模型进行对比,实现了对缺陷的分类和缺陷位置的标记。经实验验证,该方法的准确性和实时性均可满足实际工业生产要求。