基于机器视觉的水表机芯灵敏度检测

为了解决人工检测水表机芯灵敏度存在效率低、精度差等问题,开发了一套基于机器视觉的水表机芯灵敏度检测系统。设计了一种基于指针通气前后转动角度差的间接检测算法。利用最小二乘法求得初始轮廓圆心,以圆心的横坐标和纵坐标将指针轮廓分为4部分,计算每部分轮廓点到圆心距离的标准差,取标准差值最小部分作为轮廓集合来拟合出精确圆,实现指针圆心定位;结合Shi-Tomas角点检测算法和针尖点到圆心的距离特征实现针尖点定位;计算通气前后各子表盘指针圆心与针尖点所形成直线与水平线之间的夹角,将角度差换算的脉冲数与设定脉冲数阈值比对,判断是否合格。实验表明,该系统在保持检测准确性的前提下能够高效的完成水表机芯灵敏度检测,算法的检定正确率高达99.7%。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于迟滞阈值分割的瓶口缺陷检测方法

随着工业机器人和现代化工业的快速发展,人们对工业机器人的性能要求越来越高,为了提高工业生产的效率和产品的质量,智能、高速、高精度是工业机器人的必备要求。国内基于机器视觉的智能啤酒瓶口缺陷检测方法中,高速、高精度仍是一个亟待解决的问题。为此,提出了一种基于随机圆拟合评估的四圆周定位法,大大提高了瓶口检测区域的定位精度,并提出了基于投影特征的分区域磁滞阈值分割的智能瓶口缺陷检测方法。对采集的488幅灰度图像进行测试,检测正确率为99.4%,检测平均速度为38 ms,算法的检测速度快,检测精度高,可以很好地应用到高速、高精度的现代化工业机器人中。     

一种基于DBSCAN随机圆检测的多瓶口定位算法

现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确。对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法。首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶口的外边缘点,再利用重复随机圆检测得到大量候选圆心集;最后,基于DBSCAN算法聚类得到真实圆心集,以真实圆心集的均值中心作为瓶口中心。与4种典型算法进行对比,实验结果表明,提出的圆定位算法的平均定位误差为0.553 pixels,优于其他算法,且该算法的平均执行速度为1.359 ms。该算法能够满足医药灌封生产线对准确性和实时性的要求。     

基于最小凸包的直齿圆柱齿轮检测方法研究

提出了基于齿轮外轮廓最小凸包及凸包缺陷的直齿圆柱齿轮齿数及缺齿识别算法,采用二值图像连通域跟踪提取齿轮外轮廓,然后进行外轮廓最小凸包及凸包缺陷检测,去除伪凸包缺陷后进行齿数检测及缺齿部位识别。根据直齿圆柱齿轮外形特征,提出了基于齿轮外轮廓凸包顶点的齿顶圆检测方法,以及基于齿轮外轮廓凸包缺陷最深点的齿根圆拟合方法,实现了直齿圆柱齿轮的特征圆参数快速测量。实验结果表明,齿数及缺齿识别算法正确率高达98.48%;与现有两种典型方法对比,齿轮特征圆拟合算法可以实现各种情况下齿顶圆和齿根圆的高速高精度定位。     

基于机器视觉的启动器外观缺陷检测

冰箱上的启动器在生产中常出现字符不合格、表面污渍、外壳破损、顶盖缺失、铁片弯折以及铁片缺失黄铜等缺陷。针对以上典型缺陷,首先结合生产实际设计并搭建外观缺陷检测系统,然后通过模板匹配以及灰度差分处理,对各个待检测区域进行分割,最后基于颜色特征、灰度均值、区域定位以及面积等特征参数建立模型对零件进行算法验证。试验结果表明,此算法能够对启动器复杂多样的缺陷进行检测,且成本较低、检测率较高以及降低误检率,对工业零件的外观检测有很好的实用推广价值。     

基于改进YOLOX的钢材表面缺陷检测算法

针对工业生产中钢材表面背景复杂导致缺陷检测精度低的问题，本文提出一种基于改进YOLOX的钢材表面缺陷检测算法。首先，引入了Swin Transformer模块来捕获缺陷钢材表面区域全局上下文信息并提取更多差异化特征；其次，采用加权双向特征金字塔网络（BiFPN），能够方便、快速的进行跨尺度特征融合；最后，对原始目标定位损失函数进行改进，建立了一种融合边界框中心位置的CIoU损失函数从而实现目标框高精度定位。实验表明，算法在NEU-DET数据集上的mAP为80.7%，检测精度相较于原始YOLOX-S网络提高了6.2%，同时也明显高于一些其他主流算法，具有较高的准确率和实用性。     

基于 YOLOv4-tiny 和完整度排序的 标志物快速圆检测算法

针对现有圆检测算法在高分辨率标志物图像中检测效率低的问题,提出了一种新型标志物快速圆检测算法。首先通过YOLOv4-tiny算法快速定位图像中的标志物,滤除背景干扰,然后利用提出的弧段完整度排序方法从标志物中筛选出不同完整度的候选圆,最后通过距离和方向角约束筛选并拟合得到所有的标志物圆。基于高分辨率标志物图像数据集进行了实验,实验结果表明算法具有极快的检测速度,在检测精度基本不变时,算法的检测时间只有EDcircle算法的11%,AAMED算法的5.0%,为需要快速定位标志物的视觉定位、标定等任务提供了一种高效的解决方案。     

基于重要性采样的随机Hough变换圆检测算法

提出了一种新的基于重要性采样的随机Hough变换圆检测算法,利用基于圆的几何特性的边界点搜索策略提高采样效率,通过指定重要性采样技术中的目标分布,计算采样参数权重,使得圆识别更加容易和精确;利用基于聚类技术的峰值检测方法,实现多个圆的同时检测。通过将本文提出的新算法与现有的其他两种算法进行实验对比,表明该新算法在检测精度、检测速度、识别可靠性、抗噪能力等方面都有显著性提高。     

单体热电池装配缺陷的图像检测方法研究

针对目前国内外热电池内部装配缺陷检测准确度不高的问题,研究一种基于图像检测热电池内部的单体热电池缺陷的检测方法。其中分析了单体热电池整体倒装、单体热电池装配次序、单体热电池漏装集流片3种常见的缺陷的特征,利用改进的灰度共生矩阵、HU不变矩和模板匹配三种算法对单体热电池进行缺陷分析。最后利用分类回归树(CART)进行检测,提出一种按权重分配参数的检测方法,实验结果表明,这种方法准确度达到97.5%满足检测要求,为热电池缺陷检测提供了有效途径。     

基于POBT的空瓶规则纹路区域缺陷检测

现有的玻璃瓶瓶身质量检测方法中,缺乏对有纹理图案的玻璃瓶的缺陷检测,针对这一问题,提出一了种仅基于相位变换(phase only based transition,POBT)的玻璃瓶纹理区域缺陷检测算法。该算法采用基于灰度投影的方法求取玻璃瓶瓶身中心坐标,利用基于相位的变换方法,通过归一化过程去除玻璃瓶规则纹路区域的低频纹路分量,仅保留下缺陷图像,应用概率修正自适应阈值分割方法对经过POBT变换后去除纹理留下的缺陷的图像进行分割,提取缺陷,并将该分割方法与3种传统型的方法进行对比。实验结果表明,该方法可实现瓶身规则纹路区域的高速高精度缺陷检测。     

基于灰度投影梯度扩散的PET满瓶快速检测

设计一种基于灰度投影梯度扩散的PET满瓶快速检测系统。开发了可以得到多角度液位图像的成像系统;提出了基于扩散灰度投影梯度的液位定位算法,对采集的图像二值化,对二值化后图像腐蚀并做垂直方向的灰度投影,根据液位的位置和灰度先验特性对灰度投影梯度进行扩散,最后用扩散后的梯度信息结合实际生产要求,采取双阈值决策算法对样品瓶子是否合格进行判定。选择500 ml的不透明饮料瓶为对象进行测试,实验结果表明算法能够快速准确定位液位,液位定位误差在0.68 mm内,对于1 296×700图像的平均检测时间为23.8 ms;系统的检测正确率达97.2%,速度高达36 000瓶/h。     

基于轮廓曲率的PET瓶防盗环断裂检测

针对现有满瓶检测算法中缺乏聚对苯二甲酸乙二酯(polyethylene terephthalate,PET)瓶防盗环断裂检测算法的问题,提出一种基于轮廓曲率计算和角点检测的防盗环断裂检测算法。首先采用灰度投影法大致定位出瓶盖区域并将瓶盖所在的矩形区域设置为感兴趣区域(ROI),再利用梯度极大值抑制法获取瓶盖边缘点,并根据提出的等腰三角形法和最近点搜索法,拟合边缘点的亚像素坐标并连接瓶盖轮廓。然后利用边缘点的路程距离比(stretch to distance ratio,SDR)来近似表示轮廓曲率,再根据轮廓曲率极大值检测角点,并采用角点匹配法定位支撑环。最后根据支撑环和防盗环之间存在缝隙与否,来判断防盗环是否断裂。该算法检测正确率达到94.75%,可满足生产需要。     

密封橡胶圈缺陷检测算法的研究

密封橡胶圈的缺陷检测主要是靠人工目测,不能满足现代制造业的要求。提出一种基于机器视觉的密封橡胶圈产品缺陷的检测方法。首先通过图像采集装置获取图像,然后利用改进中值滤波对图像去噪,再对滤波后的图像进行Canny边缘检测,最后应用数学形态学膨胀操作突显缺陷,使得缺陷更清晰突出。该方法相比较传统的检测方法,具有非接触、可在线、客观、自动化等突出优点,适合现代制造业的产品检测。     

基于计算机视觉的塑料瓶颜色识别和分拣系统

在塑料瓶回收利用中,需要把不同颜色的塑料瓶分类,传统的人工分拣方法效率低下、成本高昂.提出一种基于计算机视觉的塑料瓶颜色识别和分拣系统,通过高性能电荷耦合元件（CCD）摄像头获取塑料瓶的图像,对所获图像进行处理以得到塑料瓶的中心点以及颜色信息、将中心点及颜色信息通过串口发送给下位机,下位机根据这些信息控制气动分离装置分拣不同颜色的塑料.实验结果表明：该系统测量结果准确,响应速度快,理想情况下可以实现不同颜色的塑料瓶100％的分离.