高精度三维视觉技术在智能制造上的应用研究

随着科技的发展，智能制造装备的高效自动化检测功能对机器视觉三维重建技术及其重建精度与效率提出了更高要求。分析了高精度三维视觉重建算法测量原理与关键技术，对线激光三角测距法、相位轮廓测量术、光度立体视觉法三种方法在智能制造装备应用中可能存在的问题，并对智能制造装备三维视觉技术的发展方向进行了展望。     

面向智能制造应用的机器视觉检测方法研究

智能制造是我国制造业的发展方向,将物联网、大数据等先进信息技术与制造业进行结合有利于智能制造的实现。本文提出了一种面向智能制造的机器视觉检测系统设计方案。基于机器视觉的生产线检测方法能有效完成对生产线生产产品的质量检测与数据统计,并实时完成数据上传,有利于提升企业的信息化建设。     

智能图像检测在活塞在线分选中的应用

基于某活塞生产厂的活塞在线检测需求本文将机器视觉检测技术应用于活塞在线视觉检测分选中,开发出一套智能图像检测系统.该系统将VB与图像传感器相结合,充分利用VB和智能图像传感器的特点,使检测系统操作简单、高效精确.在检测中,主要应用了模板匹配原理对图像进行识别.该图像检测系统满足了生产实际的需求,提高了生产效率,减轻了工人的劳动强度,实现了活塞的在线检测与分选.     

机器视觉感知理论与技术在煤炭工业领域应用进展综述

机器视觉技术对改善煤矿安全监测手段、提高装备自动化水平具有积极意义。详细阐述了当前煤矿智能化建设过程中基于机器视觉的不同场景和系统下的设备信息状态感知原理,综述了机器视觉感知技术在煤矿安全监测、拣选识别、煤岩识别、定位导航、运输检测、位姿检测和信息测量等方面的实践应用;分析指出未来煤矿机器视觉感知技术应深入挖掘采掘工作面机器视觉场景理解需求,构建生产全视场监视检测体系,提升多时空多维度多变量集成监测效果,改善视频自主监视告警能力,增强视觉引导能力,并形成地面生产管理运行系统的视觉资料统一化管理方式等,重点研究综采装备（群）姿态同时空测量、采掘环境动态变化感知、生产全视场监测与自主告警、煤矿机器人视觉引导控制等技术;指出煤矿机器视觉感知技术在防爆或本安型智能视觉传感器研发、高效视觉测量与分析、检测识别测量精度提升、图像高质量标注方面仍存在挑战,通过开发具有边缘计算能力的视觉传感器,构建井上下视觉分布式测量方案,实现各类复杂环境下开采信息准确识别与测量,可有效提高机器视觉感知技术在煤炭行业的更深层次融合和应用。     

综掘系统视觉处理技术研究现状及发展趋势

机器视觉技术具有非接触测量、获取信息量大、数据处理能力强等优点,将其应用于综掘工作面,对于提高综掘工作效率、保障人员设备安全、减少事故发生具有重要意义。综述了近年来视觉处理技术在煤矿综掘系统中的具体应用与发展情况,依据综掘工作面的任务分工,结合具体实际案例,重点分析了机器视觉技术在视觉检测与定位、安全监测与事故预防、装备自动化与智能化等方面的应用。通过分析不同应用场景中各类视觉检测系统的结构与检测原理,明确了视觉处理技术在综掘工作面工程应用中的技术性能、工作流程及优缺点。分析了视觉技术在综掘工作面应用中存在的挑战,包括环境适应性问题、成像视野范围较窄、智能算法的鲁棒性和可靠性尚待提高等。指出多传感器信息融合技术、设备群协同控制技术与数字孪生驱动远程监控技术是基于机器视觉的煤矿智能化装备体系未来需要重点发展的新方向。     

航天器制造过程多余物控制机器视觉方法综述

摘要：多余物控制是航天产品智能制造过程中的最大难题之一，而多余物检测是控制的基础。由于航天产品结构复杂性和多余物特征的多样性，没有一个数据集基准，多余物的机器视觉在线检测仍面临着很多挑战。介绍了多余物产生的危害和检测的必要性，对多余物检测技术的国内外发展现状进行阐述，分析对比了各自优缺点，重点介绍视觉多余物检测，并综合分析了智能制造过程多余物机器视觉控制特点。对机器视觉多余物检测技术进行分类，从智能实验室的角度，提出了机器视觉多余物检测面临的难点和可能的解决方案。     

一种改进的基于机器视觉的边缘检测算法

图像的边缘保留了图像最基本也是最重要的特征，边缘检测减少了数据量，在机器视觉系统中得到广泛的应用，是图形图像领域里的重要研究方向之一．本文提出了一种基于小波变换技术和数学形态学的边缘检测方法，并用智能图像传感器获得的图像教据对所提出的方法进行了验证．实验结果表明：该方法可较好地提取视觉图像的边缘信息．     

基于ZYNQ平台的图像分类加速器设计与实现

随着信息技术的不断发展,机器视觉技术已被广泛应用于智能产线.智能制造生产过程中工件种类多、外观相似性高,而传统分拣方式速度慢、准确率低,已无法满足智能化生产的要求.采用机器视觉技术来解决智能产线中的工件分类问题已成为当前智能制造领域的热点.为提高智能产线中工件分类的效率,本文设计并实现了一种基于ZYNQ平台的图像分类加速器.针对现有的卷积神经网络模型参数量大、难以部署到资源有限的嵌入式平台的问题,提出一种参数量较少、易于在嵌入式平台部署的图像分类网络SortNet;针对卷积神经网络在嵌入式平台速度慢的问题,设计了一种卷积与激活函数同构化的处理单元(CAFI-PE)以及一种基于流水线的数据调用方法(PDCM),提高了卷积计算的速度.实验结果表明,本文提出的图像分类加速器对224×224大小的灰度图像处理速度可达40.98fps,而功耗仅为2.305W,能够满足智能产线对工件分类速度和功耗的要求.     

PatMax和PatQuick算法在智能电能表LCD检测中的应用

采用Cognex开发的VisionPro软件对智能电能表液晶屏采样,并结合PatMax和PatQuick算法实现了电能表液晶屏在流水线上的自动检测.工业相机、图像采集软件、工控机等组成一套机器视觉系统,用于全自动流水线型检定系统的智能电能表LCD显示检测;关键解决了相机系统配置、光源系统配置、图像处理与智能判断等技术问题,成功实现了智能电能表的LCD液晶显示的自动检测.     

整合视觉系统方案,灯效提高自动化生产线效率

导读:通过介绍3个应用案例,展示了先进的机器视觉软件及其图像预处理技术如何促使2D和3D视觉检测的性能成倍提升。前言3D成像技术和智能相机现已增强了机器视觉检测的灵活性和性能,若是将其与先进的图像预处理工具和智能化的软件相结合,则可以进一步解决过去难以或几乎不可能实现的自动化检测应用。     

三维视觉测量技术及应用进展

三维视觉测量是计算机视觉与精密测量原理交叉融合的前沿高新技术,是工业4.0的基础支撑,是以网络化、智能化制造为变革特征的先进制造业的核心关键技术。经过几十年的发展,三维视觉测量技术在基础研究和应用研究上均获得了快速深入发展,形成了理论方法、技术工艺、系统研发和产品应用四位一体较为完备的方向体系,呈现出理论系统化、方法多维化、精度精准化和速度快捷化的发展趋势,成为智能制造过程控制、产品质量检验保证和装备整机服役测试的不可或缺的优选技术。本文主要围绕单相机、双相机和结构光等典型三维视觉测量技术展开论述,概要介绍其关键技术内涵,综述其发展现状、前沿动态、热点问题和发展趋势。重点论述条纹投影三维测量技术和相位测量偏折术。最后给出了三维视觉测量的发展趋势与未来展望。     

Towards intelligent boundary extraction for on-line industrial inspection

Recently, increasing demands in industry and many other application areas for inexpensive image-processing equipment have caused an upsurge of interest in real-time computer vision—particularly in terms of applications in on-line process control or in direct manufacturing control. The development of new computer vision algorithms and flexible techniques which also demonstrate a computational complexity that will make real-time applications economically feasible in the near future, is particularly attractive. This paper presents a computer inspection system which is applicable to real industrial applications. The major contribution of the paper is the development of an integrated, knowledge-driven and intelligent boundary extractor, which can extract closed boundaries of touching objects directly from grey-level images in real-world, industrial environments, and various fast techniques for verification of object structures at on-line speeds.     

基于机器视觉的航空散热器智能定位钻孔技术

因某型航空散热器再制造的需要，需对产品大量的散热管进行重复的钻孔工作，为解决人工钻孔不便开发的问题开发出一种利用带机器视觉装置的工业机器人对散热器进行定位钻孔的技术。根据产品的特点选用了相应功能的工业机器人与机器视觉装置硬件，给出了智能定位钻孔系统的设计技术方案，建立了系统控制以及软件结构框架。通过最小二乘法对机器视觉采集的图像进行处理，给定了系统坐标标定的过程和方法,明确了机器人定位精度及视觉精度的计量方法。试验结果表明，该系统提高了钻孔效率和精度，可应用于实际生产。     

电脑绣花机智能控制专家系统设计

电脑绣花机是刺绣行业广泛使用的设备,其核心是控制系统。为了提高产品性能,引入智能控制理论和方法,对电脑绣花机的控制系统进行改造,设计了智能控制专家系统。该系统基于Linux平台,能实现花样智能处理、故障诊断和电机自动控制等功能,大大提升了电脑绣花机的产品性能。介绍了系统的结构以及实现技术上的特点。     

智能制造中的计算机视觉应用瓶颈问题

计算机视觉在智能制造工业检测中发挥着检测识别和定位分析的重要作用,为提高工业检测的检测速率和准确率以及智能自动化程度做出了巨大的贡献。然而计算机视觉在应用过程中一直存在技术应用难点,其中3大瓶颈问题是：计算机视觉应用易受光照影响、样本数据难以支持深度学习、先验知识难以加入演化算法。这些瓶颈问题使得计算机视觉在智能制造中的应用无法发挥最佳效能。因此,需要系统地加以分析和解决。本文总结了智能制造和计算机视觉的概念及其重要性,分析了计算机视觉在智能制造工业检测领域的发展现状和需求。针对计算机视觉应用存在的3大瓶颈问题总结分析了问题现状和已有解决方法。经过深入分析发现：针对受光照影响大的问题,可以通过算法和图像采集两个环节解决;针对样本数据难以支持深度学习的问题,可以通过小样本数据处理算法和样本数量分布平衡方法解决;针对先验知识难以加入演化算法的问题,可以通过机器学习和强化学习解决。上述解决方案中的方法不尽相同,各有优劣,需要结合智能制造中具体应用研究和改进。     

机器视觉技术研究进展及展望

摘 要：机器视觉是建立在计算机视觉理论工程化基础上的一门学科,涉及到光学成像、 视觉信息处理、人工智能以及机电一体化等相关技术。随着我国制造业的转型升级与相关研究 的不断深入,机器视觉技术凭借其精度高、实时性强、自动化与智能化程度高等优点,成为了 提升机器人智能化的重要驱动力之一,并被广泛应用于工业生产、农业以及军事等各个领域。 在广泛查阅相关文献之后,针对近十多年来机器视觉相关技术的发展与应用进行分析与总结, 旨在为研究学者与工程应用人员提供参考。首先,总结了机器视觉技术的发展历程、国内外的 机器视觉发展现状;其次,重点分析了机器视觉系统的核心组成部件、常用视觉处理算法以及 当前主流的机器视觉工业软件;然后,介绍了机器视觉技术在产品瑕疵检测、智能视频监控分 析、自动驾驶与辅助驾驶与医疗影像诊断等 4 个典型领域的应用;最后分析了当前机器视觉技 术所面临的挑战,并对其未来的发展趋势进行了展望,为机器视觉技术的发展和应用推广发挥 积极作用。     

基于机器视觉的二次设备运行状态巡检方法研究

为了提高二次设备运行状态的自动检测能力,提出一种基于机器视觉的二次设备运行状态巡检方法,采用机器视觉方法构建二次设备运行状态的成像模型,提取二次设备运行状态的视觉成像特征量,采用边缘轮廓检测方法进行二次设备运行状态机器视觉的边界特征分析,在机器视觉的梯度下降流中构建二次设备运行状态巡检的变结构分布模型,以灰度值较高区域边界像素点为中心,进行二次设备运行状态巡检的视觉重构识别,实现二次设备运行状态自动巡检。仿真结果表明,采用该方法进行二次设备运行状态巡检的智能性较高,特征分辨能力较好,提高了二次设备的巡检能力。     

铝电解生产智能优化制造研究综述

铝电解行业具有战略基础地位,面临着诸多挑战性难题,包括原料来源复杂使得工况难以稳定优化运行、多目标协同优化难度大、控制决策智能化水平和数据利用率低以及铝电解企业在内外环境的不确定性影响下难以实时做出正确决策等.为了解决上述问题,本文提出构建一种集铝电解智能分布式感知系统、系列槽智能协同优化控制系统、大型槽智能优化控制系统、智能安全运行监控系统和虚拟制造系统于一体的铝电解智能优化制造系统的方法.同时提出了铝电解制造系统的未来发展目标和愿景功能,并给出了相关研究方向.最后给出了技术发展规划,提出中短期规划和中长期规划"两步走"战略,并对铝电解生产智能优化制造系统发展前景作出展望.     

小样本深度学习方法实现LED TV屏缺陷检测

为实现当前工业4.0时代电子类企业智能制造的全过程,引入机器视觉完成产品缺陷检测,用于解决缺陷问题多样性在算法能力的不足。首先对已标注小样本数据集通过深度学习得到初始特征模型,接着针对该特征模型施以迁移学习方法用以实现LED TV的检测,并将已检测样本进一步用于增量学习完成模型参数的修正,最后采用全连接神经网络FCNet (Fully Connected Neural Network)完成分类,探讨了一种运用机器视觉实现LED TV的光学屏检技术;并给出了检测样品作为补充的样本数据集增量学习模型。实践表明,本文提出的方法能进一步提升工业机器人智能制造阶段自动化检测的准确率,最终实现工业生产的柔性和智能化水平,并为机器视觉的应用提供示范。     

Machine learning-based real-time monitoring system for smart connected worker to improve energy efficiency

Recent advances in machine learning and computer vision brought to light technologies and algorithms that serve as new opportunities for creating intelligent and efficient manufacturing systems. In this study, the real-time monitoring system of manufacturing workflow for the Smart Connected Worker (SCW) is developed for the small and medium-sized manufacturers (SMMs), which integrates state-of-the-art machine learning techniques with the workplace scenarios of advanced manufacturing systems. Specifically, object detection and text recognition models are investigated and adopted to ameliorate the labor-intensive machine state monitoring process, while artificial neural networks are introduced to enable real-time energy disaggregation for further optimization. The developed system achieved efficient supervision and accurate information analysis in real-time for prolonged working conditions, which could effectively reduce the cost related to human labor, as well as provide an affordable solution for SMMs. The competent experiment results also demonstrated the feasibility and effectiveness of integrating machine learning technologies into the realm of advanced manufacturing systems.