基于机器视觉的在线轴承检测系统

文章在分析机器视觉系统应用的基础上,利用CCD摄像头、图像采集卡,运动控制卡,运动平台,计算机等组成在线轴承尺寸检测系统.介绍了系统的工作原理、软硬件的设计、实现.     

基于机器视觉的工件的在线检测

利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接着利用图像处理软件发出的电信号来控制机械手来完成缺陷工件的动态抓取工作。最后利用C++完成人机界面的设计,经调试可完成实时在线检测、可达到生产要求精度。     

基于机器视觉的金刚石原石检测系统

为了降低检测成本及避免人为误差,开发了一种基于机器视觉的金刚石原石检测系统。通过图像处理检测金刚石的尺寸、形态与颜色信息,并生成可以自由视角显示的金刚石原石三维模型。结果表明:本系统对原石形态与颜色的检测操作简单,尺寸检测的比例尺精度为0.5 μm,图元的测量精度在微米级,并可减少检测成本和人为误差。      

基于机器视觉的小模数塑料齿轮的在线检测

针对塑料齿轮在加工过程中存在的制件不满、飞边等表面缺陷,采用基于机器视觉的非接触检测方法,搭建了完整的齿轮加工质量在线检测系统.研究比较了三种不同的图像去噪处理算法及基于基本全局门限的二值化算法;对检测系统,主要是摄像机及机器人进行了完整标定;在完成齿轮中心提取、边缘轮廓提取后,采用边界跟踪法对轴孔直径进行测量、虚拟圆扫描法对齿形进行检测,最终达到齿轮表面缺陷检测的目的.实践证明,该检测方法检测全面、效率高、且具有较高的检测精度.     

基于机器视觉的电枢缺陷检测系统

为解决现阶段依靠肉眼进行电枢缺陷检测的效率低下和因为判断标准具有很大的主观性导致判别结果不稳定等问题,研究出了一种基于机器视觉的电枢缺陷检测系统.该系统可以采集到电枢不同角度的图像,并根据检测难度把每张电枢图像分为三个区域,分别由传统机器视觉算法、MobileNet-V3以及DenseNet神经网络模型对不同类型的缺陷...     

基于机器视觉的轴承生产中的表面质量在线检测与研究

数字图像处理技术与模式识别技术结合,可广泛应用于工业产品的分类识别。针对轴承在线装配生产中存在的缺陷检测识别的需求,研究基于机器视觉的自动检测系统,采用面阵相机对不同表面进行对比测量,对采集的图像进行二值化处理,为后续的图像预处理、模式识别、特征提取及特征值对比做了分析和准备,以实现产品的在线表面缺陷检测识别。     

基于机器视觉的汽车滤芯密封性在线检测

针对当前汽车空气滤芯缺陷检测过程中存在的问题,提出并设计一套基于机器视觉的汽车滤芯密封性在线检测方案,实现了滤芯自动上下料、运动控制、图像采集与显示、图像分析处理等功能.该系统由PLC控制传送带的间歇运动、并联机器人的自动上下料和直角坐标机器人运动,工控机触发相机拍照获取滤芯图像.图像处理算法以Visual Studi...     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

基于机器视觉的轴承沟道曲率半径在线检测

在实际生产线上,根据不同的尺寸偏差对同一型号的轴承沟道曲率半径进行在线检测。针对该问题,设计基于机器视觉的轴承沟道曲率半径在线检测系统,以替代人工检测。运用CCD摄像机与MATLAB图像处理技术相结合的方法,对零件进行非接触式测量,并对采集到的零件图像进行预处理;通过对比各种边缘检测算法,采用Canny算法求取像素精度的轴承边缘;利用圆的Hough变换检测出带有圆弧的圆特征,计算此圆弧的圆心坐标和半径值。实验结果表明:该系统的测量精度可达到0.5μm,测量标准差小于2.5μm,符合工业检测要求。     

基于机器视觉的液晶面板质量检测系统设计

随着科技的发展,液晶面板应用越来越广泛,传统的人工检测方式已无法适应现代化工业生产高质量、高效率的需求。针对液晶面板检测项目多、检测精度要求高的难题,研发出一种基于机器视觉的液晶面板检测系统。给出了液晶面板AOI检测系统设计的整体方案、结构组成、视觉系统的功能及控制流程中产品的高精度检测,极大地提高了检测效率,有效地降低了废品率,保证了液晶屏的生产质量。