基于机器视觉的钢拱架定位检测方法北大核心

针对岩石隧道掘进机(TBM)钢拱架拼接施工过程中的定位问题,提出一种基于机器视觉的钢拱架铰接孔定位检测方法。根据钢拱架拼接的现场环境,设计图像采集系统;使用具有旋转不变性的归一化的互相关值(NCC)模板匹配算法,可快速匹配钢拱架铰接孔所在的感兴趣区域;基于一维像素序列上的灰度梯度确定铰接孔外轮廓边缘点,并使用基于随机抽样一致性(RANSAC)算法的椭圆拟合方法确定钢拱架铰接孔圆心,实现钢拱架定位,为钢拱架拼接提供位姿信息。结果表明:该方法可实现钢拱架铰接孔的高效率、高精度定位检测。     

基于计算机视觉的塑料齿轮齿形缺陷检测

提出了一种基于CCD图像的塑料齿轮齿形缺陷检测方法.采用A102FCCD数字摄像头采集塑料齿轮的图像,经过IEEE1394数字接口卡传输到计算机.对含有噪声的原始数字图像实施平滑处理、图像分割、轮廓提取及细化等处理,使图像转变成易于检测的单像素宽边缘信息.检测了齿轮中心孔的圆心,进而对齿轮齿形缺陷进行检测.理论分析及实验结果表明该方法检测速度快、精度高,满足产品在线检测的要求.     

基于区域特征和质心关系的两步法阀板检测

针对冲压阀板中毛刺、冲压孔堵塞等缺陷的检测问题,提出了一种基于面积特征的通孔数目检测和基于质心关系的快速模板匹配检测的两步视觉检测方案。首先采用通孔数检测初步判定零件是否存在冲压孔堵塞缺陷,之后采用模板匹配精确检测边缘毛刺缺陷。利用区域面积特征实现通孔数检测;提出了一种限定条件的最小二乘法圆拟合方法和一种基于圆心特征的快速模板匹配方法,实现边缘毛刺等缺陷的精确检测。实验结果表明,这种两步检测方案检测速度快精准度高,能够满足阀板生产线的检测要求。     

基于图像像素级分割与标记映射的工件表面微小缺陷检测算法

为了解决当前工件表面微小缺陷在边缘模糊和特征不明显的情况下,导致其检测不准确的问题,文章提出了基于图像像素级分割与标记映射的工件表面微小缺陷检测算法。首先,利用工业显微镜采集工件图像,获取显微缺陷图;根据高效原则,以整数代替浮点运算,位移代替乘法运算,设计位移亮度滤波算子,进行平台数据转换,基于像素亮度阈值的标记映射,获取显微图像的像素亮度分布的二值图像。然后,耦合高斯平滑滤波与形状滤波,增强图像边缘轮廓特征,进行连通区域标记,准确识别与定位微小缺陷。最后,对缺陷目标进行特征计算和标注显示,完成微小缺陷的自动检测和定量计算。实验测试结果显示:与当前工件表面缺陷检测算法相比,文中检测技术拥有更高的识别精度。     

基于机器视觉和深度神经网络的零件装配检测

针对工业生产中存在着大量的零件识别定位以及装配检测等,传统人工检测效率低、劳动强度大、识别不准确。文章提出了一种基于深度神经网络的零件装配检测方法。首先该方法对零件图像和装配图像进行采集,选择Mask-RCNN网络进行训练,对装配零件进行分类以及定位,通过已识别的零件类型判定装配件是否存在漏装;然后将分割后的零件图像进行二值化处理,利用Canny算子提取零件图像轮廓;最后利用图像的Hu矩特征与正确的零件图像轮廓进行对比,判断装配是否正确。通过实验验证可得,该方法在零件装配中的漏装和换装检测中效果较好,并表现出较高的鲁棒性。     

基于多曲率融合的铣刀缺陷检测

针对传统人工检测铣刀崩刃和多刃缺陷时效率低下、精度不高等问题,提出一种基于形态学多曲率融合的铣刀崩刃、多刃缺陷检测方法。首先,使用色彩阈值分离前后景;然后,使用双边滤波对图像进行滤波处理;随后,二值化图像并去除小连通域的干扰,通过边界跟踪得到刀刃轮廓;最后,使用改进的链码计算机制进行刀刃轮廓曲度的计算,并通过曲度定位缺陷点。经过实验验证,该检测方法具有平均0.8 s每样本的检测速度和92%的检测精度,能满足工业生产在线检测的要求。     

基于图像处理的余量分配方案设计

针对钻床中的丝杠支撑座零件,提出了一种基于图像处理的余量分配方案计算方法,以加工余量的最小分布误差为优化目标,得到相应的中心孔位置与倾斜角度。首先,通过对粗糙毛坯件的相片进行图像处理,得到中心圆孔内轮廓点和零件外轮廓点数据,基于中心圆孔内轮廓点的离散数据以最大误差最小为目标用圆拟合确定圆心坐标;其次,根据加工工艺要求和工件余量数据,建立了求解加工轮廓面余量分配方案的数学模型,确定工件中心孔移动位置和倾角;最后,展示了一个基于此方法进行余量分配的算例。该算例的结果表明:该方法能很好地处理坯件轮廓上存在的铸造缺陷,有效地替代了传统工艺,促进了加工自动化的发展。     

基于横波多次反射法的弹簧扁钢缺陷定位方法及扫查方式研究

为提高弹簧扁钢的无损检测速率,分析多次反射波在传播过程中各次跨距的差异及反射波幅度随传播距离的变化,以及检测探头扫描步进对缺陷多次反射波信号的影响,提出基于横波多次反射的缺陷定位、定量方法及适用于高效检测的探头扫查方式,为在线检测弹簧扁钢提供技术基础。结果表明:基于横波多次反射波可准确评价缺陷位置和当量,采用5P8×12K1横波斜探头检测厚度为13 mm的弹簧扁钢,可检测距离探头入射点311 mm、直径1 mm、长10 mm的横孔,横孔距探头入射点水平距离及深度的定位误差均小于3 mm;依据不同直径横孔的反射特征提出缺陷定量方法。基于横波多次反射法结合所提出的扫查方式,可高效、可靠地全面检测弹簧扁钢。     

基于预测匹配差与全局-局部阈值化的轴承缺陷检测与定位算法

为了准确检测轴承在生产加工过程中出现的滚动体漏装等缺陷,提出了基于预测匹配差与全局-局部阈值化的轴承缺陷检测与定位算法,完成滚动体缺失、破损检测与定位。首先,引入分段线性图像增强技术,扩大滚动体与轴承背景的对比度;其次,综合全局与局部阈值化方法,结合种子填充技术,对轴承进行连通边缘标记;再设计一种圆验证机制,将轴承中的非圆边缘滤除,以提取滚动体的ROI区域,缩小了目标检测范围,提高滚动体缺陷的检测效率;最后,利用Open CV来统计不同部件的轮廓面积,从而设计预测匹配差方法,对缺失或破损的滚动体进行定位。仿真结果显示,与当前轴承检测方法相比,对于滚动体漏装或破损轴承,所提算法具有更高的检测与定位准确。     

指示表图像特征的视觉检测方法

在对指示表进行智能读数时,需首先检测出指示表的两个图像特征,即指示表轮廓与指针位置,由此可以确定指示表的有效区域以及指针与刻度的位置关系。基于指示表图像的几何结构特征,提出一种指示表图像特征的视觉检测方法。通过对图像预处理提取出轮廓区域,基于对称性圆检测算法与Hough变换思路得到圆轮廓参数。然后在轮廓内部,以轮廓圆心作为指针回转中心,运用Radon变换得到指针中心线。最后利用二值图像椭圆特征识别出指针朝向。该方法能够准确、快速检测出指示表图像特征,为后续基于视觉的指示表智能读数提供必要的技术基础。     

X射线焊缝图像的缺陷检测与识别技术

针对目前无损检测主要采用人工方式存在的主观不一致、检测效率低、操作复杂等问题,设计了一套焊缝缺陷自动检测系统。提出基于Otsu双阈值分割的缺陷区域自动提取、图像的降噪和灰度增强的图像预处理方法;通过SUSAN算法检测焊缝缺陷目标,并结合形态学孔洞填充算法修正缺陷目标;计算焊缝缺陷目标特征参数,并结合所设计的深度为4的二叉树分类识别逻辑流程,实现了较好的焊缝缺陷的检测结果。     

基于机器视觉的硬质合金微型喷嘴缺陷检测

针对现有人工目检方法对精加工硬质合金微型喷嘴产品表面检测存在速度慢、缺陷漏检率和误检率高等问题,提出一种基于机器视觉的喷嘴图像缺陷检测方法。分析了喷嘴缺陷图像类型和喷嘴结构,重点研究了喷嘴缺损圆边缘拟合、疤料边缘增强、极坐标变换和缺陷灰度值差异统计等。该方法避免了喷嘴的复杂结构对缺陷定位和检测造成的大量计算。通过对合格和不合格喷嘴进行检测,验证了该方法缺陷检测准确率达到98.6%,每件产品检测时间为0.834 s,而目视检测准确率为91.2%,每件产品检测时间为5.213 s。因此该算法有效提高了检测精度和速度,满足工业生产线对喷嘴检测准确性和实时性的要求。     

基于信息融合优化搜索的X射线焊缝缺陷检测

提出一种基于信息融合优化搜索技术的X射线图像焊缝缺陷检测方法.在对X射线焊缝图像进行预处理的基础上,使用垂直焊缝方向投影的波形分析法进行焊缝区域分割,采用图像信息融合技术,综合不同判据获得启发式状态空间优化搜索的启发信息,对搜索过程进行优化,从而快速准确地检测出X射线图像中的缺陷区域.试验结果表明,提出的算法能够快速有效地检测出焊缝X射线图像中的缺陷,取得较好效果.     

陶瓷插芯同轴度光电检测技术及系统研究

陶瓷插芯内孔与外径的同轴度误差是判断陶瓷插芯品质优劣的重要指标,寻求精确高效的同轴度检测方法是陶瓷插芯生产行业多年的追求目标。针对陶瓷插芯同轴度检测问题,提出了一种基于CCD探测与图像测量相结合的同轴度检测新方法,并构建了测量系统。该系统以插芯外圆柱面作为基准,按旋转一定角度采集内孔图像,根据类拐点算法提取内孔图像边缘轮廓;利用最小二乘法拟合内孔圆曲线,求出不同转角对应的圆心位置,多个圆心位置对应的外接圆直径就是插芯的同轴度误差。实验表明:该方法及系统简单实用,在满足插芯测量精度要求的前提下具有很高的检测效率和低误判率。     

基于直通波抑制的超声TOFD图像缺陷检测新方法

为了能够精确定位并识别出近表面缺陷在低合金厚板对接焊缝中的位置,对其超声衍射时差法的D扫描图像进行了处理。为了准确定位缺陷深度,提出了基于峰值检测算法的直通波拉直技术;为了能够识别出近表面缺陷,在直通波拉直的基础上引入了基于A扫描线能量分布算法的直通波消除技术。试验结果表明,该技术有效地提高了对近表面缺陷的识别能力。利用该技术能够更准确地定位缺陷的深度,更清晰地识别出近表面缺陷,实现缺陷的精确定位与识别。     

T形接头角焊缝中缺陷空间定位及分布特征

为实现T形接头焊件角焊缝中批量缺陷的空间定位及可视化，基于多视角成像方法，获取了焊件射线检测图像，并建立了T形接头焊件角焊缝中缺陷深度和偏移量的数学模型. 在射线检测图像缺陷分割的基础上，根据提出的缺陷自动对应准则和投影距离自动提取算法完成了焊件内部缺陷的空间位置数据自动提取，并实现了批量缺陷空间位置的可视化. 对焊件中自动提取的84个缺陷的空间位置数据进行了统计分析，获取了缺陷的空间分布特征. 试验结果表明，缺陷主要位于腹板中心线左侧，占总样本的73.8%；缺陷深度大多在[1.8 2.5] mm范围内，占总样本的85.7%，近86%的缺陷集中分布在翼板与腹板的结合面位置；缺陷半径在[0 0.51] mm范围内；缺陷沿焊缝纵向随机分布.     

基于机器视觉的网络变压器模块缺陷检测系统研究

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统。针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对图像缺陷特征进行形态学特征识别和提取,得到判断结果。实验结果表明:该检测方式能快速、准确、高效地提取电子元件缺陷特征;单幅图平均图像处理时间为131 ms,检测平均准确率为95%;另一方面,自动控制系统稳定性强,精度高,单个元件检测周期平均时间为4.7 s,相教于人工检测效率提高了38%,满足工业要求。