基于机器视觉的织物瑕疵自动检测硬件系统设计

为实现织物瑕疵的自动检测功能,设计基于机器视觉的织物瑕疵在线检测硬件系统。该系统是在传统验布机的基础上,改进机械结构,设计机械传动装置,选择并配置采集图像的硬件设备以及图像处理硬件设备,保证系统能够获取清晰、稳定的图像信息,满足织物疵点检测各项性能要求。     

基于机器视觉的织物色差检测方法研究进展

随着纺织品需求量的增加以及人们对购买衣物的色差要求越来越高,织物色差检测的需求也越来越高。为了解决目前传统色差检测方法速度慢、准确性差等问题,综述了使用基于机器视觉的织物色差检测方法。该方法相比于传统方法能够快速、准确的计算出被测织物与标准织物之间的色差。从色差产生的原因和两种传统色差检测方法出发,分析了传统色差检测方法的不足,总结了基于机器视觉色差检测的一般步骤,并具体评述了图像预处理、颜色空间转换、色差计算与色差评价等4个方面的技术,最后对全文进行总结并对当前研究面临的问题进行概述,清晰地呈现出该领域的发展脉络。     

基于BP神经网络的织物表面绒毛质量的检测方法

为了对起毛工艺后的织物表面绒毛状态进行客观评定,提出了基于BP神经网络的织物表面绒毛质量的检测方法。以光切成像原理采集绒毛轮廓图像,利用自适应图像分割方法对绒毛区域进行分割,将得到的二值图像应用Freeman链码原理提取织物的上边缘轮廓坐标,以此作为BP神经网络的输入对BP神经网络进行训练,并将训练得到的2组权值根据BP神经网络的计算过程进行验证,提出应用激活函数和训练的权值相结合直接计算的方法。应用基于光切成像原理搭建的绒毛织物检测平台,对4种不同颜色和不同起毛工艺加工后的织物进行检测,准确率为93.02%;且权值的计算结果与网络实际计算结果相符合,因此可以直接利用网络训练的权值做矩阵运算,缩短实际检测的时间。     

机器视觉技术在疵点检测中的应用

介绍了机器视觉系统及应用于坯布疵点检测的现状，全面总结了最新国内外对于疵点检测的各种算法及其优缺点。提出生产实际中检测算法的研究方向。     

机器视觉在稻米整精米率快速计算中的应用

将机器视觉技术以及图像处理方法应用于稻米整精米率计算,通过图像预处理仅保留图像中大米的轮廓信息,并采用闭合图形边缘搜索方法提取大米轮廓像素点。由于米粒形似椭圆,并以长轴为对称轴来实现米粒长度的快速计算。实验结果表明,该算法检测与人工检测相关系数为0．96,可用于整精米率的快速检测。     

基于机器视觉的坯布自动检测技术

针对我国纺织品检测大多采用人工检测,检测速度低,误检率、漏检率高等问题,提出了实现织物疵点检测自动化、鲁棒性的设计理念。介绍了目前国内外在织物检测方面的主要识别方法以及织物自动检测系统的研究成果,阐述了机器视觉软、硬件技术的发展现状及目前机器视觉技术在纺织检测应用中存在的问题;分析并提出研制分布式的、面向高速生产线的鲁棒机器视觉检测技术是适合我国坯布自动检测系统的研究方向。     

基于机器视觉的织物洗涤后尺寸稳定性评价

针对现有手工测量织物洗涤后尺寸变化方法存在误差大和精度低的问题,尤其是在洗涤后织物试样形状不规则情况下,手工测量结果难以全面准确反映织物整体尺寸变化,本文提出了基于机器视觉方法实现织物洗涤前后面积变化的精确检测,以面积变化率为指标来评价织物洗涤后尺寸稳定性。选择了6种不同规格的纯毛织物为试验材料,设置不同的洗涤、漂洗和脱水程序对试样进行洗涤,待干燥后采用机器视觉系统获取试样图像。对试样图像进行处理得出试样洗涤前后经、纬向平均长度和面积的变化率,以这些指标对试样尺寸稳定性进行评价。与人工测量方法相比,机器视觉方法可以实现对织物洗涤后尺寸变化的完全表征和准确评价,并可为织物设计和洗涤程序优化提供参考。     

机器视觉技术及其在包装印刷质量检测中的应用

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工怍环境或人工视赏难以满足要求的场合，     

基于机器视觉技术的罗非鱼去鳞率无损快速在线检测系统

目的:提高罗非鱼加工质量和效率、提升产品附加值.方法:利用鱼鳞、鱼皮在紫外激发下的荧光响应差异构建基于机器视觉技术的罗非鱼去鳞率快速检测系统. 罗非鱼鱼体图像经预处理、背景分割、ROI区域选取、未去鳞区域快速识别等算法处理后得到未去鳞和去鳞区图像,计算去鳞率并测试系统检测精度.结果:系统的去鳞率检测精度范围为90．18%~94．14%.结论:该系统可实现被测罗非鱼样品的自动输送、检测图像自动触发与采集和图像的快速处理并提高罗非鱼去鳞率检测效率,满足生产线检测要求.     

织物客观测试系统FAST及其应用

文章对ＣＳＩＲＯ研制的织物客观测试系统ＦＡＳＴ进行了介绍，对测算指标的应用做了概述。     

基于机器视觉的轻量化芒果果面缺陷检测

目的：降低自动化芒果分级检测设备的制造成本。方法：对比了3种常用的目标检测算法在芒果缺陷检测中的效果,并以轻量化、移动设备可移植性为目标,提出了一种基于YOLOv5的轻量化芒果果面缺陷检测算法。结果：试验算法在满足芒果表面缺陷检测要求的前提下,相较于原算法可使参数量减少45.9%,浮点运算次数减少46.7%,权重文件大小减小45.2%。结论：试验算法有效降低了对部署设备的性能需求,在降低芒果分级检测设备的制作成本方面具有潜在价值。     

基于机器视觉的纸张表面缺陷检测系统

介绍了一套在高档纸生产线上应用的纸张表面缺陷（纸病）检测系统——Fopesigh-PDI,该系统能够在线检测边损、孔洞、白斑、黑点、油斑、褶皱等纸张缺陷。介绍了该系统的功能和特点,探讨其在提高纸张生产效率和质量控制中的重要作用。     

基于机器视觉技术的红枣全表面信息无损分拣系统研究与实现

设计了基于机器视觉技术相配套的红枣全表面信息无损分拣系统,整机由红枣自动喂料机构、红枣排序机构、输送及调整机构、分级执行机构、检测及控制部分组成。该系统利用镜面反射原理设计的红枣表面信息采集机构,能同时采集红枣正面、两侧面和底部图像,完成红枣全表面信息的获取,解决了以往分拣系统无法在高速运输状态下在线呈现红枣全表面信息的难点。基于视觉的无损分级软件将实时处理采集到的图像,分析与获取红枣的果形大小、表面质量、纹理等表面信息,并采用信息融合技术进行判别分级。试验结果表明,本系统分级速度快,分级准确率达到90%以上,可较好满足红枣自动化快速检测分级生产要求。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于机器视觉技术的药片包装缺损检测系统的研究

介绍了机器视觉的概念及基于机器视觉技术的药片包装缺损检测系统，并给出了系统的硬件组成、控制系统软件模块结构及其工作过程。     

基于机器视觉技术的生猪活体监测系统

目的 通过图像处理技术计算活体猪的体型特征参数值, 结合体重参数对生猪出栏肉产量进行预测。方法 采用工业摄像头获取活体猪的图像, 采用Matrox公司图像采集卡并对其在VC++开发环境中进行二次开发, 开发了一套基于机器视觉技术的畜禽活体检测系统。结果 实现活体猪不同角度图像的同界面显示和采集, 并基于Microsoft Visual 2008软件平台开发了系统操作界面。结论 该套系统结构简单, 成本低廉, 具有较好的推广应用前景。     

机器视觉技术在圆网印花机自动对花系统中的应用

提出了一种自动对花的织物圆网印花机对花系统,通过图像传感器在线自动检测印花图案套色的位置,借助于控制器自动控制、调节各印花网筒相对于织物印花图案色位位置,提高了印花精度,进而提高了产品质量和工作效率。     

基于机器视觉的卷接机接装纸图像检测系统

文章提出了一种基于机器视觉的卷接机接装纸图像检测系统,以STM32为核心控制器进行卷接机时序同步控制,通过工业相机采集过渡鼓轮上的烟支图像,测量烟支接装纸长度,剔除不合格烟支,同时利用导轨标尺记录不合格烟支图像和检测数据。经实际应用,该系统检测精度优于±0.05mm,最高检测速度达12 000支/min,能剔除接装纸长度不合格的烟支,使烟支接装纸错长短剔除率下降到0.01%。通过频谱分析方法对误差波动的影响因素进行分析,能够实现设备运行状态和接装纸质量的评估。