基于机器视觉的螺纹缺陷检测方法

为了满足现代制造业自动化生产装配中在线检测要求,提出利用机器视觉的方法对螺纹缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、螺纹的边缘提取、螺纹的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编程实现.实验结果表明,基于这种螺纹缺陷检测方法的准确率能够达到99.5%,一个螺纹的检测时间在300 ms以内,达到既定要求与目标.     

微小车床刀具磨损检测方法

设计了微小型刀具磨损在位检测装置。基于机器视觉技术,结合微型刀具的几何特征,搭建微刀具刀尖磨损面积检测系统。在磨损刀具单张图像中,基于Facet模型提取刀具亚像素边缘,拟合刀具的主副切削刃,计算刀尖圆弧及未磨损边界,实现刀尖磨损面积测量。用图像作差法对算法进行验证,其检测精度为±1．51×10^-4mm^2。最后,通过测量硬质合金刀具切削45号钢时刃尖磨损面积,为微小车床刀具磨损机理的进一步研究奠定了基础。     

刀具磨损的切削力监测

本文用动态分析的方法，对切削力与刀具磨损的内在联系进行了一些理论探索和实验考查，提出了切削力监测刀具磨损的新方法：频段均方值法．经实验、离线分析，该方法可以准确、及时、可靠地监测刀具磨损状态．     

基于小波分析的刀具磨损状态监测方法

为了实现车削过程刀具磨损状态的实时在线监测 ,使用离散二阶小波变换对切削过程声发射信号进行分解 ,以不同尺度下信号分量的均方根值组成的特征向量为样本 ,利用模糊模式识别技术实现对刀具磨损状态的在线识别 .实验表明 ,在选择适当的标准样本基础上 ,所提出的基于声发射信号小波分解的模糊模式识别方法能准确实现刀具磨损状态的正确识别 ,具有较高的可靠性和准确性 .     

基于电流信号的刀具磨损状态监测方法研究

为了降低因刀具失效而出现的工件报废和设备损坏的概率,进一步提高数控机床无故障运行效率,使用电流传感器采集变频器输入侧的电流,并利用三相畸变线电流计算其平均有效电流值。将平均有效电流值信号和传统RMS有效电流值信号分别进行时域、频域和时频域的分析,通过对比,验证本文所提出方法可以很好地对刀具磨损状态进行区分,证明其适用性。采用工控机主板、数据采集卡以及霍尔电流传感器等搭建硬件平台,以Qt作为软件开发框架,设计制作一套刀具磨损状态监测系统,并在数控加工中心进行试验验证。结果表明,所设计的监测系统能够在一定程度上反映刀具磨损状态并进行预警,该监测方法有效。     

刀具磨损在线监测的数据处理

本文将干扰方程和ARC(2)模型同时引入刀具磨损在线监测的数据处理过程中,较好地解决了切削力之间相互干扰问题,使监测精度和可靠性有显著的提高。其中,相间干扰小于2％,系统对刀具磨损监测分辨率达0.01mm,准确度0.2mm。     

刀具前刀面磨损的图像检测

通过对硬质合金刀具刀面月牙洼磨损图像特征的分析,设计了检测磨损的算法,并开发了相关软件。经过实例检验,二维特征检测刀具磨损的最大误差在7．4％之内,可满足一般工程要求。本方法具有自动化程度高、判决速度快等优点,为刀具磨损三维形态的检测提供依据。     

Online tool-wear measurement of small-diameter end mills based on machine vision

The objective of this study was to develop an online tool-wear-measurement scheme for small diameter end-mills based on machine vision to increase tool life and the production efficiency. The geometrical features of wear zone of each end mill were analyzed, and three tool wear criterions of small-diameter end mills were defined. With the uEye camera, macro lens and 3-axis micro milling machine, it was proved the feasibility of measuring flank wear with the milling tests on a 45# steel workpiece. The design of experiment (DOE) showed that Vc was the most remarkable effect factor for the flank wear of small-diameter end mill. The wear curve of the experiments of milling was very similar to the Taylor curve.     

基于机器视觉刀具几何参数检测算法与误差分析

为解决航空整体结构件数控加工过程中因换刀频繁而导致刀具出错的问题,提出一种连通域外接矩形的刀具几何参数检测算法,开发基于机器视觉的刀具几何参数在位快速检测系统。采用工业相机、双远心镜头等采集刀具图像,利用MATLAB软件对刀具图像进行灰度变换、二值化等预处理,详细分析连通域标记算法和外接矩形算法的处理过程。结果表明,基于机器视觉的刀具几何参数在位快速检测系统的直径误差小于0.01 mm,悬长误差小于0.08 mm、响应速度快、测量精度高和抗噪性强。     

基于机器视觉的异性纤维检测系统

异性纤维杂质检测技术是近几年来国内外研究的热点,给出了基于机器视觉的异性纤维检测系统框架,并对系统各个模块关键技术进行了阐述. 为了有效清除异性纤维,提出了一种彩色聚色分割方法用于检测皮棉中的异性纤维. 实验结果表明,此方法可以有效的检测皮棉中的异性纤维.     

基于机器视觉的异性纤维检测系统

异性纤维杂质检测技术是近几年来国内外研究的热点，给出了基于机器视觉的异性纤维检测系统框架，并对系统各个模块关键技术进行了阐述．为了有效清除异性纤维，提出了一种彩色聚色分割方法用于检测皮棉中的异性纤维．实验结果表明，此方法可以有效的检测皮棉中的异性纤维．     

基于机器视觉的驾驶员嘴部状态检测方法

在采用机器视觉对驾驶员进行驾驶行为监测时,嘴部状态识别是关键技术之一。事实上,驾驶员在正常驾驶、说话及打哈欠(瞌睡)三种状态下的嘴部张开程度有一定的区别。根据这一特点,作者利用Fisher分类器提取嘴唇的轮廓和位置,然后利用嘴唇区域的几何特征作为特征值,组成特征矢量,作为三层BP神经网络的输入,将正常驾驶、说话及打哈欠(瞌睡)三种不同精神状态作为输出。试验结果表明:该网络可快速有效地识别驾驶员的嘴部状态。     

溶液中微米级异物目标视觉检测技术

提出了一种利用机器视觉技术对溶液中μm级异物微粒进行检测并统计粒径信息的新方法。首先,建立溶液离心旋转急停后其中异物粒子的运动轨迹数学模型;然后,提取溶液视觉图像序列中每个可能目标的有效特征,通过特征匹配得到帧间若干可能目标的运动轨迹,根据异物目标与背景噪声等伪目标轨迹的差异进行甄别检测;最后,对视觉系统进行标定,确定检测到的异物目标粒径大小及各区间微粒数量。实验表明,该技术检测精度能够到达10μm,且具有较高的检测准确率。     

计算机视觉在刀具状态监测中的应用

介绍了计算机视觉方法在刀具状态监测中的应用情况，主要包括基于刀具表面图像，基于工件表面图像和基于切屑图像的三类监测方法。基于刀具表面图像的视觉监测方法，直接摄取刀上磨破损部位的图像，具有判断准确的特点，但难以在切削过程中实现监测。基于工件表面图像的视觉监测方法，由于工件的高速旋转时，难以获取工件表面的清晰图像，也不宜用于切削过程监测。基于切屑图像的视觉接监测方法，可以克服前两种方法的缺点，是一种有发展前途的新方法。     

机器视觉测量算子耦合显微图像内容的快速聚焦机制

针对显微聚焦速度慢、精度不够等难题,设计了机器视觉测量算子;根据显微图像内容,自动选择图像有效聚焦点,提出了二者相融合的快速自动聚焦算法.将最大灰度值像素作为有效聚焦点,并引入清晰度评价函数,嵌入爬山搜索法,快速锁定Z轴聚焦位置,解决显微聚焦速度慢、精度不够的问题.实验结果表明,相对于传统方法,文中算法具有更高的聚焦效率与精度.方案应用在快速自动聚焦上可以达到较好的效果,在工程上应用是可行的.     

基于机器视觉在果品无损检测技术方面的研究进展

为满足食品加工业对基于机器视觉的果品无损检测的要求,从图像信息采集的各种技术、各种数学模型的建立和数值计算方法上的创新等方面分析了国内外基于机器视觉的果品无损检测技术,并对其优劣和存在问题进行了对比分析,并简述了该领域今后的发展方向。     

基于机器视觉的垃圾自动分类系统设计

为了提高垃圾分类过程中前端收集的工作效率,基于机器视觉技术设计垃圾自动分类系统. 设计制作垃圾分类的硬件设备,主要包括可回收和不可回收2个箱体;针对垃圾数据集较少的问题,提出基于Inception v3网络特征提取模型和迁移学习相结合的垃圾种类识别方法,在自建的垃圾数据集上进行训练和测试. 结果显示,利用该方法可以准确地对垃圾种类进行识别,平均准确率达到0.99;将训练好的模型部署在树莓派3B+上,在制作的实物垃圾桶上进行测试,系统稳定后,平均完成一次分类回收的时间为0.95 s. 实验表明,该系统能够有效地进行垃圾种类的识别和完成垃圾的分类回收.