一种基于多目机器视觉的光学薄膜瑕疵检测系统

针对光学薄膜制备过程中的表面品质缺陷,给出一种基于机器视觉的多通道同步自动在线检测方案。瑕疵检测精度、薄膜幅宽决定系统须采用多相机同步采样,为此提出一种C/S系统架构处理和管理各通道数据,并采用高性能FPGA设计了多通道同步控制卡。在实验基础上分析了薄膜瑕疵成像特点,提出一种基于误差修正理论的快速瑕疵检测算法,即:无瑕疵的背景图像认为只存在呈正态分布的随机误差,瑕疵看作粗大误差,从而将瑕疵检测问题转化成粗大误差的判别问题。通过连续多次采样求平均的方法得到标准背景图像,算出每个像素坐标位置的标准差σ,然后对每幅待检图像应用3-σ准则进行瑕疵判别,可直接得到二值化的瑕疵分离结果。实验结果表明,该算法具有简单、快速、准确的优点,解决了普通差影算法阈值确定困难的问题。     

360度全景车载智能避障系统的研究

设计了一种基于人工智能图像识别技术和360度全景行车记录仪的智能避障系统。将360度行车记录仪输出图像信号接入AI模块,使用人工智能图像识别算法实时检测行车过程中车体周围可能对行车安全造成危害的障碍物,在显示屏上标注障碍物位置或通过语音方式及时提示用户。     

基于图像识别的烟箱外观检测系统设计

文章针对卷烟厂生产中烟箱外观检测问题,设计了一种基于图像识别的烟箱外观检测系统,旨在提高检测的自动化程度和效率,从而提升企业的生产效率和产品质量。通过需求分析、系统设计、性能评估与优化等研究,构建了完整的系统设计与实现过程。主要通过数据采集与处理设计、图像识别算法设计,实现了烟箱外观的自动化检测,并提出了系统优化策略与方法。通过图像识别的烟箱外观检测系统,为卷烟厂提供了可靠的烟箱外观检测方法,优化了生产流程,提高了企业的竞争力和经济效益。     

块离散余弦变换与灰色聚类相结合的表面瑕疵识别

针对工件或产品表面局部细微瑕疵不易识别、不利于在线检测问题,提出了一种块离散余弦变换(Block-Discrete Cosine Transform,BDCT)与灰色聚类相结合的表面瑕疵识别方法。该方法首先将图像分解成等尺寸的非重叠图像块,利用BDCT算法进行图像变换,提取待测图像的能量谱特性;然后将能量特性作为质量特征进行T2统计分析,初步查明待测图像表面瑕疵形状和性质;最后采用灰色聚类方法处理表面疑似瑕疵,进一步确定瑕疵具体位置和形状。为验证算法的有效性,设计了LED灯镜头表面瑕疵识别的检测方案和试验步骤,试验结果表明:本文所提出的算法相较经典的Otsu算法和分水岭算法在表面瑕疵正确识别率、速度等方面具有明显优势,可用于表面瑕疵的在线检测和识别。     

皮革智能排样系统的开发

随着计算机技术的飞速发展，计算机智能技术也逐渐的被用到皮革生产的排样系统中。介绍了皮革智能排样系统的核心功能模块及其实现。提出了一种新的算法，来处理在不规则和有瑕疵的母板中对不规则形状的样片进行排样的问题。涉及了图形离散化算法、最优匹配算法和碰撞检测算法，并且给出了最终的排样效果图。     

基于SCARA结构的智能对弈机器人

阐述了一种基于SCARA结构的智能对弈机器人。利用基于SCARA结构的四自由度电机配合信息传感器进行图像识别,通过控制算法实现"手"、"脚"功能,运用高精度运动控制技术,能够模仿人类的思考,在棋盘上和人对弈走棋过程。并且以优异的算法、快速的响应运动、高稳定性、高智能程度通过实验生产,实现国内多个科技馆的游客互动展示。     

卷烟包装图像识别检测技术

针对生产实际中存在的卷烟各类包装缺陷的特点,介绍了基于图像识别的检测技术;对缺陷部分的图像进行了处理,并分别论述了透明纸异常、拉线异常的检测原理和检测算法.结果表明应用数字图像识别技术是监控卷烟包装质量的有效手段.     

显微磨粒图像识别知识规则提取及其应用研究

针对新研制的多功能油液磨粒智能检测系统MIDCS中的磨粒图像识别问题,引入数据挖掘方法获取了磨粒图像识别的知识规则,实现对磨粒类别的智能识别。利用MIDCS系统获取实际航空发动机运行过程中由于滚动轴承磨损而产生的大量典型磨粒,基于图像分析方法提取16个磨粒特征参数,形成标准案例库;利用Weka软件的决策树算法自动提取知识规则,并对知识规则进行优化和简化;对所提取得到的知识规则进行验证和分析。结果表明,所提取的磨粒识别规则符合磨粒识别的统计规律,识别规则不仅简洁,而且具有很高的精度。基于Weka软件的规则提取方法大大提高了MIDCS系统的磨粒识别自动化和智能化水平,对于利用MIDCS进行航空发动机滚动轴承疲劳磨损故障诊断,具有重要的工程实用价值。     

基于机器视觉的吊具位姿检测系统

提出1种基于单目机器视觉的吊具空间位姿的传感检测系统,在装卸箱过程中实时检测吊具位姿。首先在起重机小车上选取基准点,并安装近红外相机,在吊具上安装由3个发射灯组成的结构光源。用单目相机拍摄吊具上的结构光源,并在暗图像中通过图像识别算法识别出光源在相机中的坐标。然后根据相机标定参数和相机、基准点坐标关系等得到吊具在基准点坐标中的位置和姿态。相较于现有的设备,此检测系统具有成本低、全天候、快速准确等特点,其能为吊具控制系统提供了可靠的反馈数据。     

基于机器视觉的干燥包完整度在线检测系统

目前,包装行业对产品包装塞入的干燥包完整与否未采取有效的措施。针对包装流水线干燥包塞入环节提出了基于机器视觉的在线检测关键技术,设计实现包装质量检测的软、硬件平台。被剪落的干燥包触发机器视觉检测系统获取图像,经过图像预处理,并采用基于黄金分割法的数字图像处理算法,定位干燥包上的色标区域,进行定量处理分析,根据图像处理结果作出相应决策。实验结果表明:该系统能够快速准确地判断干燥包的完整度,剔除不合格产品,具有实现简单、控制高效和应用前景广泛等特点。     

轴承套圈端面缺陷在线视觉检测的研究与实现

针对轴承生产企业套圈生产过程中普遍存在端面缺陷的问题与人工目检的现状,提出了基于机器视觉的轴承套圈端面缺陷在线检测方法.首先,对套圈图像预处理后进行边缘检测,采用四连通域定位套圈端面区域;其次,采用最小二乘法拟合端面轮廓以判别外形缺陷,采用极坐标变换将套圈环形端面拉伸成矩形,采用Sauvola局部二值化算法对矩形图进行...     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

焊接缺陷磁光成像动态检测与识别

为了实现焊接缺陷的自动检测,研究一种交变磁场激励下焊缝表面及亚表面缺陷的磁光成像动态无损检测方法。分析了基于法拉第磁致旋光效应的焊接缺陷磁光成像机理,并结合交变磁场原理推导出励磁变化与动态磁光成像的关系。探索低碳钢板的亚表面焊缝磁光成像特征试验,验证了所提方法可用于检测焊缝亚表面的未熔合缺陷。最后对高强钢焊缝特征的动态磁光图像进行分析,采用主成分分析法和支持向量机(PCA-SVM)模式识别方法建立了焊接缺陷分类模型。试验结果表明,所提方法可以识别高强钢焊件中的焊缝特征(未熔透、裂纹、凹坑和无缺陷),缺陷分类模型的整体识别率达到92.6%,能够实现焊缝表面及亚表面缺陷的自动检测。     

基于场景识别的变电站智能机器人巡视技术

为降低变电站人工成本、提升工作效率、实时确保电网正常安全供电,提出一种基于场景识别的变电站智能机器人巡视技术。通过加权平均法调节图像灰度值、直方图均衡亮度和线性滤波算法去除冗余噪声,提高原始图像场景分辨率,凭借图像均值差和方差的对比结果,提取目标在各子带图像上多个特征,划分目标与背景区域的起伏差异,将场景特征输入卷积神经网络中的多层反向卷积层,利用离散型的线性运算模式,获得巡检目标激活函数,完成变电站巡视。仿真实验结果表明,所提方法能够明确远景、近景中各设备使用情况,精准检测出其中隐藏的故障器件,具有极高的应用价值。     

AUTOMATIC INSPECTION SYSTEM FOR DEFECTS OF PRINTED ART TILE BASED ON TEXTURE FEATURE ANALYSIS

An automatic inspection system of printed art tile defects is reported in this artucke. After calculating eight defect features of art tile using the gray level co-occurrence matrix and the average R, G, B values of a defective area, the results were input into a backward propagation neural network for training the defect classifier. During inspection, the proposed system compared the inspected image with a standard image and removed noise by an erosion operation in order to preliminarily determine whether the art tile had defects. For the defective art tile images, the proposed classifier successfully identified four types of common printing defects. The proposed algorithm had an average recognition rate of 90%, suggesting that the recognition accuracy is good, and only requires 1–2 s to inspect an art tile with the size of 15 × 15 cm². The inspection speed is faster than the conventional manual inspection, and recognition results are more stable. The proposed system can reduce the risk of error caused by the long duration of manual inspection, and thus, can reduce manufacturing costs.     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。     

Automatic optical inspection for detecting defects on printed circuit board inner layers

This paper studies automatic optical inspection for detecting defects on the printed circuit board inner layer. The development of this study can be divided into five stages, they are reference image rebuilding, inspection image normalization, image subtraction, defects separation and defect classification. In the image subtraction stage, the difference between the reference image from the printed circuit board design and the inspected image is checked for defects. Each defect region is separated using a defect outer boundary tracing method. A boundary state transition method is proposed to classify the defect types. This system can recognize eight defect types, open, mouse bite, pinhole, missing conductor, short, spur, excess copper and missing hole. In addition, a comparison with the methods described in the literature is made, proving that the proposed method produces better results .     

Bearing defect inspection based on machine vision

Appearance defects inspection plays a vital role in bearing quality control. Human inspection is a traditional way to remove defective bearings, which is instable and time consuming. In this paper, we develop a machine vision system for bearing defect inspection, which can inspect various types of defects on bearing covers, such as deformations, rusts, scratches and so on. The proposed system designs a novel image acquisition system to enhance the defects appearances and get controlled image acquisition environment. A series of image processing methods are proposed or utilized to inspect the defects. Especially, for the deformation defects on seal, we find a common rule on the distribution of projection, and design a simple but effective inspection algorithm based on the rule. The proposed system is evaluated and compared with skilled human by the recall, precision and F-measure. Experimental results show that the proposed vision system has high accuracy and efficiency.     

炭素制品缺陷X射线自动检测关键技术的研究

以炭素制品X射线检测图像为对象,对其关键技术进行了研究。设计了目标边界提取算法和基于小波变换的图像增强算法等预处理方法。采用数学形态学和迭代阈值分割相结合的方法进行缺陷提取,取得了良好的效果。制定了一套用于特征描述的参数,设计了基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行了模式分类。实验结果表明,本文提出的方法比较有效,可以用于实际缺陷的自动提取与识别。     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。