柔性视觉检测研究

在计算机视觉检测技术发展过程中，成本问题成为制约其推广的最大阻力。文章着重于对视觉检测技术柔性化的研究，通过建立被测目标的算法语言图库和分析图库来达到把基于具体模型的基本要素检测从模型中分离出来的目的，从而能够实现对一类检测仪器或一类检测过程的检测，检测软件和检测装置可以被重复使用，也就达到降低成本的目的；进而通过对相似体——指针式显示仪表的检测研究作为对这种概念的验证，来说明柔性视觉检测概念的可用性以及对视觉检测技术发展的指导性意义。     

视觉检测技术及其在棒材生产中的应用

视觉检测技术是建立在计算机视觉研究基础上的一门新兴检测技术，基于三角法的主动视觉测量原理具有抗干扰能力强，效率高，组成简单等优点，非常适合生产现场的在线，非接触检测及监控，介绍了该技术在棒材生产中的应用。     

基于十字线结构光视觉测量系统

为了将线结构光视觉测量原理应用于零件二维轮廓的同时检测，文中使用了十字线激光器作为结构光投射器，它将在空间中形成相互垂直的两个光平面，配置一个CCD相机就组成了一个十字线结构光视觉测量系统。基于计算机视觉技术，文中重点介绍了该视觉测量系统的标定参数及方法，利用光平面的共面性推导了系统的测量原理，建立了两个光平面相应的数学模型，并用其实现了对零件的非接触二维轮廓曲线的测量，验证了模型的正确性和可行性，且方便快捷。     

计算机视觉技术的发展及应用

计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体,其应用已经涉及到计算几何、计算机图形学、图像处理、机器人学等领域。文中简要地回顾了计算机视觉技术的发展史,主要介绍了计算机视觉中图像处理技术在检测技术方面的应用。利用工业摄像镜头替代目视作为传感器,通过图像采集,图像处理,图像识别等一系列操作,达到在线对包装产品进行标签检测的目的。     

视觉系统中摄像机定标问题的研究

摄像机定标是计算机视觉系统中一个很重要的问题，该文对集成化的三坐标测量机和视觉系统中的摄像机定标问题进行了研究，首先推导了双目视觉传感器的数学模型，然后利用三坐标测量机的测头中心空间坐标已知的特点，通过引入去噪、边缘检测等图像处理的技术确定测头顶点的图像坐标，从而实现对摄像机的灵活、快速的定标。实验表明该方法是可行的。     

欧姆龙视觉传感器系统简介和应用

传统的光电传感器都是通过光束来检测物体的有无,因此在判断物体外形等方面存在一定的困难,而欧姆龙的视觉传感器系统解决了这方面的问题。也就是说凡是需要人眼判别的检测物都可以采用视觉传感器系统。下面简单举例来看二者之间的区别。 目的:判别产品上的帖纸正确与否 传统的光电传感器只能检测一点,因此只能检测贴纸是否贴在产品上。     

机器视觉系统组成研究

机器视觉检测系统解决了传统人工检测中的许多问题，在很多行业中得到广泛的应用。文章介绍了机器视觉系统的组成及一些著名的机器视觉产品生产厂家，并且介绍了一套完整的机器视觉系统的组成方案。     

基于DSP和USB接口的视觉检测系统的设计

实时视觉检测系统的一个主要瓶颈是图像的处理速度。该文将DSP技术应用于计算机视觉领域，闸述了利用DSP和现场可编程门阵列(FPGA）实现的基于USB接口的嵌入式视觉检测系统。详细介绍了系统的构成以及该系统的主要工作流程。     

混合增强视觉认知架构及其关键技术进展

智能视觉系统虽然在大规模信息的特征检测、提取与匹配等处理上具备一定优势，但是在深层次认知上仍存在不确定性和脆弱性，尤其是针对视觉感知基础上的视觉认知任务，相关数理逻辑和图像处理方法并未实现质的突破，智能算法难以取代人类执行较为复杂的理解、推理、决策和学习等操作。为助力智能视觉感知和认知技术的进一步发展，本文总结了混合增强智能在视觉认知领域的应用现状，给出了混合增强视觉认知的基本架构，并对可纳入该架构下的应用领域及关键技术进行了综述。首先，在分析智能视觉感知内涵和基本范畴的基础上，融合人的视觉感知与心理认知，探讨混合增强视觉认知的定义、范畴及其深化过程，对不同的视觉信息处理阶段进行对比，进而在分析相关认知模型发展现状的基础上，构建混合增强视觉认知的基本框架。该架构不仅可依靠智能算法进行快速地检测、识别、理解等处理，最大限度地挖掘"机"的计算潜能，而且可凭借适时、适当的人工推理、预测和决策有效增强系统认知的准确性和可靠性，最大程度地发挥人的认知优势。其次，分别从混合增强的视觉监测、视觉驾驶、视觉决策以及视觉共享等4个领域探讨可纳入该架构的代表性应用及存在的问题，指出混合增强视觉认知架构是现有技术条件下能够更好地发挥计算机效能、减轻人处理信息压力的方式。最后，基于高、中、低计算机视觉处理技术体系，分析混合增强视觉认知架构中部分中高级视觉处理技术的宏观、微观关系，重点综述可视化分析、视觉增强、视觉注意、视觉理解、视觉推理、交互式学习以及认知评估等关键技术。混合增强视觉认知架构有助于突破当前视觉信息认知"弱人工智能"的瓶颈，将有力促进智能视觉系统向人机深度融合方向发展。下一步，还需在纯粹的基础创新、高效的人机交互、柔性的连接通路等方面开展更加深入的研究。     

DALSA支持GigE以太网相机的智能视觉检测系统

DALSA集团公司．一家全球领先的机器视觉技术提供商．不断开发其世界领先的机器视觉技术．隆重推出第一款支持GigE以太网相机的智能视觉检测系统VA61。     

输电线路部件视觉缺陷检测综述

随着我国电网系统的不断发展，基层巡检作业负担越来越重，运维成本越来越高，如何实现输电线路部件缺陷的智能化检测变得愈发重要。同时，由于国家《新一代人工智能发展规划》的提出和国家电网"数字新基建"的部署，人工智能应用于电力设备运维的相关技术得到了快速发展，对输电线路部件视觉缺陷准确检测成为亟待解决的关键问题之一。早期基于图像处理和特征工程的部件视觉缺陷检测方法对图像质量的要求较高，无法真正应用于现实复杂的输电线路作业环境；随着深度学习的兴起，基于深度学习的检测模型可以有效地将部件目标及其缺陷从复杂的输电线路航拍图像中提取出来，既节省了人工设计特征的时间，又在性能上达到了显著提升，因此逐渐成为主流研究方法。本文首先描述了基于传统算法的输电线路关键部件视觉缺陷检测技术，回顾了深度学习的发展过程并分析了深度学习在缺陷检测领域的优缺点；围绕输电线路上3个重要的部件：绝缘子、金具以及螺栓，介绍了其定位与缺陷检测的研究现状；分析了输电线路部件缺陷检测中研究的样本不平衡问题、小目标检测问题、细粒度检测问题等几个关键问题；分析了符合电网巡检任务复杂场景需求和故障诊断标准的输电线路部件缺陷检测技术的未来发展趋势。     

基于自适应混合模型的药液异物视觉检测

针对医药灌装生产线中产品异物检测的特点和要求,设计一套采用机器视觉技术的灌装药液异物自动检测系统,研究基于自适应混合模型的药液异物视觉检测方法。在对获取的药液图像预处理后,利用自适应混合高斯模型对药液序列图像数据进行检测,获得感兴趣的目标区域,采用形态学运算对目标区域进行分割。实验结果表明,该系统能准确有效地检测出药液内的异物,可满足医药灌装生产线上高速、高精度的检测要求。     

基于图像识别技术的隧道工程监控管理系统设计

针对现有技术中隧道工程故障诊断存在的技术弊端,提出了一种利用巡检机器人进行智能化的监控管理方法,本研究通过巡检机器人对隧道工程的进度信息进行采集,通过图像识别技术实现隧道工程故障信息获取,通过多传感器数据信息融合模型对采集的信息进行处理,通过GIS技术对运维常的项目情况进行三维建模,并利用视觉点对三维建模中三角形空间单元进行删减,提高图像刷新率。通过模拟实验,本研究设计的巡检机器人监管方案的评价精度高,得出采用本研究设计的可视化监管方案可以使评价得分提升了21%。大大提高了隧道工程故障诊断能力。     

In‐water visual ship hull inspection using a hover‐capable underwater vehicle with stereo vision

Underwater visual inspection is an important task for checking the structural integrity and biofouling of the ship hull surface to improve the operational safety and efficiency of ships and floating vessels. This paper describes the development of an autonomous in‐water visual inspection system and its application to visual hull inspection of a full‐scale ship. The developed system includes a hardware vehicle platform and software algorithms for autonomous operation of the vehicle. The algorithms for vehicle autonomy consist of the guidance, navigation, and control algorithms for real‐time and onboard operation of the vehicle around the hull surface. The environmental perception of the developed system is mainly based on optical camera images, and various computer vision and optimization algorithms are used for vision‐based navigation and visual mapping. In particular, a stereo camera is installed on the underwater vehicle to estimate instantaneous surface normal vectors, which enables high‐precision navigation and robust visual mapping, not only on flat areas but also over moderately curved hull surface areas. The development process of the vehicle platform and the implemented algorithms are described. The results of the field experiment with a full‐scale ship in a real sea environment are presented to demonstrate the feasibility and practical performance of the developed system.     

悬臂掘进机自动导向和定位技术探索

介绍了掘进机自动导向和定位技术,分析和比较了基于全站仪、陀螺仪、电子罗盘、激光导向仪和视觉检测等的掘进机自动导向和定位技术的原理和特点,得出了如下结论:(1)基于陀螺仪和电子罗盘的自动导向和定位技术可实现自主导航,其它方法则需要给定参考坐标系;(2)以倾角仪作为俯仰角和横滚角检测传感器的装备技术更适合于水平巷道导向;(3)以巷道指向激光为参照系的方法更易于同煤矿现有自动导向和定位方式相结合。     

Statistical Pattern Modeling in Vision-Based Quality Control Systems

Machine vision technology improves productivity and quality management and provides a competitive advantage to industries that employ this technology. In this article, visual inspection and quality control theory are combined to develop a robust inspection system with manufacturing applications. The inspection process might be defined as the one used to determine if a given product fulfills a priori specifications, which are the quality standard. In the case of visual inspection, these specifications include the absence of defects, such as lack (or excess) of material, homogeneous visual aspect, required color, predetermined texture, etc. The characterization of the visual aspect of metallic surfaces is studied using quality control chars, which are a graphical technique used to compare on-line capabilities of a product with respect to these specifications. Original algorithms are proposed for implementation in automated visual inspection applications with on-line execution requirements. The proposed artificial vision method is a hybrid between the two usual methods of pattern comparison and theoretical decision. It incorporates quality control theory to statistically model the pattern for defect-free products. Specifically, individual control charts with 6-sigma limits are set so the inspection error is minimized. Experimental studies with metallic surfaces help demonstrate the efficacy and robustness of the proposed methodology.     

基于光学三角几何关系的三维表面重建方法

工业图像处理作为图像处理技术的工业应用,是自动化技术的发展方向之一.传统的二维图像处理已经在视觉检测系统中广泛应用.目前利用光学方法的三维数字化具有越来越重要的意义.在工业生产中,多种获取三维数据的途径得到应用.其中最重要的方法有立体视觉,条形光相位平移法和条形光格雷编码法.本文重点介绍这三种方法在视觉检测系统中的运用.所开发的系统实现了被测工件可视化,而且更容易地将三维图像集成到生产线中.     

Automated visual inspection in the semiconductor industry: A survey

Automated visual inspection is an image-processing technique for quality control and production line automation. This paper reviews various optical inspection approaches in the semiconductor industry and categorize the previous literatures by the inspection algorithm and inspected products. The vision-based algorithms that had been adopted in the visual inspection systems include projection methods, filtering-based approaches, learning-based approaches, and hybrid methods. To discuss about the practical applications, the semiconductor industry covers the manufacturing and production of wafer, thin-film transistor liquid crystal displays, and light-emitting diodes. To improve the yield rate and reduce manufacturing costs, the inspection devices are widely installed in the design, layout, fabrication, assembly, and testing processes of production lines. To achieve a high robustness and computational efficiency of automated visual inspection, interdisciplinary knowledge between precision manufacturing and advanced image-processing techniques is required in the novel system design. This paper reviews multiple defect types of various inspected products which can be referenced for further implementations and improvements.     

轨道病害视觉检测：背景、方法与趋势

铁路作为国家重要基础设施、国民经济大动脉和大众化运输方式,对社会经济发展起着不可替代的支撑作用。轨道是铁路系统的重要组件,轨道病害检测是铁路工务部门的核心业务。传统的人工巡检不仅费时费力,而且检测结果容易受到各种主观因素的影响。因此,自动化轨道病害检测对维护铁路运输安全具有重要的现实意义。考虑到视觉检测在速度、成本和可视化等方面的优势,本文聚焦于轨道病害视觉检测技术。首先以广泛应用的无砟轨道为例介绍轨道的基本结构,对常见的轨道表观病害进行样例展示、成因分析和影响评价;简要梳理常见的自动化轨道检测技术的基本原理和应用场景,对轨道病害视觉检测面临的图像质量不均、可用特征较少和模型更新困难等主要挑战进行归纳;然后,依照前景模型、背景模型、盲源分离模型及深度学习模型的分类逻辑对轨道病害视觉检测领域的研究现状进行综述,简要介绍了各类方法的代表性工作,总结了各类方法的技术特点与应用局限性;最后,针对智能化铁路的发展需求,展望了未来轨道病害视觉检测技术的研究趋势,即利用小样本/零样本学习、多任务学习与多源异构数据融合等技术手段来解决当前视觉检测系统中的鲁棒性弱、虚警率高等问题。