基于机器视觉的带式输送机带速检测方法的研究

针对带式输送机带速检测方法中存在可靠性和准确性差等问题,提出了一种基于机器视觉的带式输送机带速检测的方法,该方法利用摄像头采集输送带上表面图像,根据上表面序列图像相邻图像之间具有相同时间间隔的特点,采用图像匹配算法计算相邻图像特征点的相对像素位移,利用图像坐标系与物理坐标系之间的映射关系,计算出输送带物理位移量及带速。提出一种基于SURF-ORB算法的输送带上表面图像匹配算法,该算法通过划分图像的感兴趣区域缩小图像匹配搜索范围,利用SURF算法提取相邻图像特征,ORB算法对相邻图像进行特征描述,实现相邻图像特征点的匹配。采用OpenMP技术实现图像特征和特征描述的并行运算。实验结果表明,该检测方法能够检测带式输送机的带速,检测精度到达±0.05 m/s。     

基于机器视觉的果冻质量检测技术与装置

针对果冻质量人工检测效率低的问题,研究基于机器视觉的果冻质量检测技术并设计果冻质量自动检测装置。采用工业相机完成果冻食品图像的采集,提出基于分水岭算法果冻图像前景区域提取算法,分析果冻气泡的特点,结合区域生长算法对果冻气泡进行检测。试验结果表明,所设计的检测算法与装置能够有效对果冻质量进行检测。     

基于机器视觉的输送带异常状态监测系统

针对接触式输送带检测系统灵敏度差、易产生静电、维护成本高等缺点,提出一种基于机器视觉的输送带异常状态监测系统。该监测系统利用线阵CCD工业相机采集输送带图像,从输送带表面和运输物料流量两个方面实时监测输送带工作状态,保障输送带高效、安全运行。     

基于机器视觉的车速传感器焊点检测

应用机器视觉检测技术对车速传感器焊点进行图像处理与检测,通过CCD工业相机进行图像的采集,根据图像的特点划定感兴趣区域ROI;分析椒盐噪声干扰的影响,采用中值滤波算法对焊点图像进行去噪;采用OSTU算法推导出最佳阈值并用阈值法进行图像分割;运用开运算算法去除因阈值分割生成的细小区块;调用Open e Vision软件算法函数库计算焊点区域面积;调试检测系统程序并进行实际生产试验,结果表明:检测系统对车速传感器焊点检测精确且高效。     

基于机器视觉的矿用输送带纵向撕裂检测系统设计

针对矿井生产中输送带纵向撕裂事故的易发性,使用机器视觉方式设计一套自动的事故检测系统。利用工业CCD相机对输送带的实时情况进行采集,下位机PC处理平台对输送带图像进行撕裂识别和检测,下位机与报警及输送机控制装置相连,可实现事故时对输送机工况的及时控制。     

滚动轴承装配缺陷视觉检测系统的算法研究

针对轴承在装配过程中出现的漏装铆钉、滚动体的现象,提出了一种基于机器视觉的检测方法,并设计开发出一套滚动轴承装配缺陷视觉检测系统。系统采用TMS320DM642作为主处理器;检测系统的算法采用C语言设计。该系统通过对采集到的图像进行预处理、中心定位,根据图像特征进行装配缺陷的判定。     

图像检测技术在沥青路面现场热再生中的应用

主要介绍了基于视觉图像的沥青路面病害检测系统,该系统分为图像采集、图像预处理、病害目标提取、畸变校正、图像识别等五个功能模块,利用CCD摄像机、图像采集卡和计算机搭建路面病害图像采集和处理系统,将24位彩色病害图像转换为8位灰度图像,利用加权的邻域法对图像进行平滑处理,采用大津法阂值分割结合区域生长法的算法提取出路面病害目标.通过算法确定病害的外接矩,并根据加热器的排列结构对图像进行栅格划分,找出病害与加热器的对应关系,最终计算出加热范围参数.实验结果表明,本研究设计的路面病害检测系统具有良好的集成性和稳定性.     

基于机器视觉的立铣刀磨损检测方法研究

针对传统立铣刀视觉检测流程中图像定位及利用圆弧拟合边缘不精确的问题,提出一种垂直分布的双镜头视觉检测方法,开发了一套加工中心立铣刀机器视觉检测系统。在自适应阈值分割及边缘检测算法的基础上,通过筛选及合并共线轮廓,拟合直线获取端面刀刃偏转角度,驱动电动机精确定位后采集铣刀侧面图像。基于立铣刀投影几何模型复原侧面轮廓,在侧面摄像头所获取的图像上拟合原轮廓曲线,结合区域求差算法计算出磨损参数及位置信息。实验表明,此检测方法可以精确拟合圆周刃轮廓,提取磨损缺陷区域,检测精度达到0.01 mm,实现了加工中心立铣刀在位检测。     

基于机器视觉的螺纹在线检测方法

针对汽车制动管螺纹联接零件在线检测需求,提出了一种基于机器视觉的螺纹参数在线检测方法.基于图像矩、仿射变换、双线性插值法对螺纹图像进行倾斜校正,利用中值滤波抑制螺纹边缘区域颗粒化现象.在Canny算法提取的像素边缘基础上,用二次曲线拟合法得到了螺纹图像亚像素边缘,用三次B样条曲线对亚像素边缘进行拟合,根据拟合曲线的曲率检测螺纹角点,最后基于最小二乘法计算出螺纹各尺寸参数.实验结果表明,本文所提出的螺纹检测方法具有效率高、精度高等特点,可以满足在线检测需求.     

基于机器视觉的螺纹在线检测方法

针对汽车制动管螺纹联接零件在线检测需求,提出了一种基于机器视觉的螺纹参数在线检测方法.基于图像矩、仿射变换、双线性插值法对螺纹图像进行倾斜校正,利用中值滤波抑制螺纹边缘区域颗粒化现象.在Canny算法提取的像素边缘基础上,用二次曲线拟合法得到了螺纹图像亚像素边缘,用三次B样条曲线对亚像素边缘进行拟合,根据拟合曲线的曲率检测螺纹角点,最后基于最小二乘法计算出螺纹各尺寸参数.实验结果表明,本文所提出的螺纹检测方法具有效率高、精度高等特点,可以满足在线检测需求.     

基于深度学习的芯片位置检测系统

激光bar条是由多个芯片并排形成的激光器单条。工业生产中,需要在激光bar条上找到芯片的位置进行测试和加工。由于人工操作存在着精度低和效率低的缺点,现在一般采用基于传统机器视觉算法的芯片位置检测系统。传统机器视觉算法在芯片位置检测中过程复杂且不具有的通用性。近些年深度学习在机器视觉任务上大放异彩,所以我们开发了一套基于深度学习的高精度芯片位置检测系统。系统利用MV-CE050-30UM黑白相机和光源实时采集高精度图像,再通过深度学习算法精确检测出图像中芯片的位置,最后控制运动平台移动到正确的位置。深度学习算法端到端直接输出图像中芯片的位置,过程简洁。算法通用性强,方便应用在相似的场景中,可以减少重复性开发工作。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于图像处理库的机器视觉检测系统的研究

为满足机器视觉检测系统通用性的需求,设计出一套机器视觉检测硬件系统,并在此基础上设计出一种基于图像处理库的检测系统软件。该视觉软件包含一套应用于工业的图像和信号算法处理库,该库作为单独的软件模块,通过插件的方式为通用外观检测软件使用。利用图像处理算法组件分别配置图像处理链,对电容器外观底部露白缺陷和引脚变形缺陷进行检测实验,测试结果表明该视觉检测系统具有较好的通用性和实用价值,可以满足工业领域部分的图像和信号处理的需求。     

基于机器视觉的激光植球系统标定

构建了一个基于机器视觉辅助定位的激光植球系统。通过试验发现，整个系统的定位误差主要由机器视觉中透镜畸变和X—Y定位平台的装配误差引起。对于透镜畸变，引入了基于直线方法的图像畸变校正算法进行校正；对于非垂直的X—Y定位平台，通过基于机器视觉的软件补偿算法来校正X—Y定位平台的装配误差。最后，给出了试验对比数据和试验结果，验证了整个系统的标定效果。     

基于机器视觉的光电传感器焊缝自动识别方法

针对光电传感器焊缝自动识别的F1较低、方法复杂度较高和存在识别时间较长的问题,提出基于机器视觉的光电传感器焊缝自动识别方法.通过机器视觉技术采集光电传感器焊缝图像,利用高斯模型检测出图像的目标区域,结合海森矩阵提取目标区域的特征点,将提取的特征点输入到量子门神经网络模型中,得到识别结果.仿真实验结果表明,所提方法的光电...     

基于红外视觉的输送带纵向撕裂预警方法

针对输送带的纵向撕裂方式严重威胁带式输送机正常工作这一问题,提出了一种基于红外视觉的输送带纵向撕裂预警方法.该方法原理是,通过红外摄像机对输送带进行图像采集,根据连接部件的检测结果判断输送带是否存在纵向撕裂的风险.实验结果表明,基于该方法的纵向撕裂预警平均检测精度可达99.19％,能够满足系统的实时性要求.     

基于机器人视觉的坩埚缺陷检测系统

为解决传统熔融石英坩埚缺陷,文中设计了一套以机器人为平台的基于机器视觉的坩埚缺陷检测系统。通过建立参考坐标系和机器人手眼标定等坐标系转换将像素坐标转换成机器人基础坐标,进而控制机器人对检测出的缺陷进行可视化标记。同时提出了一种基于图像尺度的平移向量的图像拼接算法。该方法能够对一个缺陷被几张图像分割采集情况进行很好地处理,同时配合模板匹配算法避免了同一缺陷在不同图像中被重复检测或标记混乱情况的发生。通过现场实测,该系统能够有效地提取出石英坩埚的缺陷。     

磁芯表面细小裂纹缺陷自动检测系统的研究

开发了一种基于机器视觉技术针对弧面磁芯细小裂纹缺陷的自动检测系统.该系统包括图像采集与处理系统和运动控制系统.将采集到的图像经过预处理后,运用模板匹配算法对缺陷特征进行比较,从而判断出不合格零件,再通过PLC控制机构删除不合格品.     

基于机器视觉的螺纹牙型角检测方法研究

针对螺纹牙型角测量过程中自动化程度和检测效率低等问题,设计了一种基于机器视觉的螺纹牙型角测量系统,开发了螺纹检测平台控制算法和图像处理算法。该系统采用工业相机获取螺纹图像,利用边缘增强的Otsu算法分割螺纹工件图像,基于分割图像的LSD算法检测牙型角,测得牙型角的侧边缘。分析螺纹图像边界与实际轮廓的关系,基于螺纹牙型与图像阴影区域边界差值方程校正测量结果。采用标定算法标定相机,得到相机径向畸变系数和内参数矩阵。螺纹牙型角检测实验结果表明,系统测得的牙型角与实际工具测量牙型角均值相差0.022°,可知,本系统能较准确地测量出螺纹牙型角,因而可以应用于螺纹牙型角的准确测量。     

基于机器视觉的数控自动编程系统开发

基于机器视觉的数控加工技术综合运用机器视觉技术和数控加工技术,直接利用视觉图像数据实现数控加工编程。将机器视觉技术应用于数控加工编程技术中,构造出基于机器视觉的数控自动编程系统。通过机器视觉采集系统来获取工件图像,并对图像进行处理得到工件图元的边缘轮廓。进而将加工的边缘轮廓进行矢量化处理得到数控加工轨迹,并最终根据加工工艺参数的设定转化成数控加工程序,实现了工件的自动编程。