智能卡单卡冲切测量系统

冲切检测是智能卡生产过程中的重要环节,基于机器视觉的智能检测技术是实现快速、自动检测与控制的重要手段.论文介绍了基于OpencV的机器视觉的测量系统的图像处理关键技术,包括滤波、畸变矫正、分割图像.     

基于机器视觉的玻璃瓶码垛机检测与搬运系统设计

文中根据制瓶包装生产线工作环境和工况要求,为实现堆瓶码垛的自动检测、抓取并快速搬运,引入了机器视觉技术,分析了系统的可行性设计,设计了一套基于PC+PLC的机器视觉检测控制系统,并详细叙述了照明方式、图像采集模块、图像处理模块的组成及工作原理,最后结合系统应用要求和算法的实时性,通过最大二维熵法完成了图像分割和瓶口特征提取,结合瓶口搜索算法检测是否缺瓶。通过实验测试证明,该视觉系统实时性好,可靠性高,有效地提高传统堆垛系统的工作效率。     

基于机器视觉的保健酒可见异物检测系统研究与开发

针对国内某企业生产的125ml玻璃瓶装药酒内可见异物的检测要求,设计了一套基于机器视觉的高速检测系统,该系统包括机械传动子系统、多类型异物成像子系统、伺服控制子系统、图像识别与处理系统等.通过利用异物在图像中运动的连续性和噪声运动无序性等特点,提出了基于序列图像差分和阀值分割的检测算法,该方法首先采用Top-hat形态学滤波抑制图像噪声,通过三帧差分提取图像中的运动目标,然后提出改进二维最大熵阀值分割算法实现了目标的快速分割,最后根据异物运动的方向性确定是否存在异物并判断出产品质量.实验结果表明,研制的系统能够有效地检测出酒液中的异物,在检测精度、误漏检率等方面满足企业要求,已成功替代了原有的人工检测.     

基于机器视觉的玻璃瓶在线检测系统研究与开发

玻璃瓶作为酒饮料的主要包装容器,其产品（特别是瓶口）质量直接影响酒的品质与安全.根据透明玻璃瓶在线检测中缺陷信息弱、生产线抖动等特点,研究与开发了一种基于机器视觉的在线检测系统,应用最大熵法实现瓶口图像的分割以及改进的Hough变换算法实现瓶口图像的定位.实际运行表明,系统动态图像采集效果良好,且图像处理算法快速准确,满足当今高速酒饮料灌装在线检测的要求.     

保健酒中可见异物视觉检测系统

为实现对保健酒产品液体中的可见异物进行自动视觉检测,设计了一套全自动在线检测系统.该系统采用工控机、PLC和高精度伺服控制器相结合的电气控制方式,通过机械翻转使产品液体中的杂质与背景之间产生运动差异,利用异物在序列图像中运动的连续性,提取运动目标,并通过对异物的测量实现目标的快速分割与识别.实验结果表明,该系统能够有效检测出酒液中的杂质,满足高速生产线上异物检测的要求.     

机器视觉在TFT-LCD暗画面缺陷检测中的应用

针对目前TFT-LCD缺陷检测普遍采用的人工视觉检测方法,介绍了一种基于机器视觉的检测系统。运用阈值迭代算法实现了对TFT-LCD暗画面下缺陷图像的分割和检测,利用MIL图像处理软件实现了对缺陷的自动检测。实验结果表明,该系统能够准确地实现暗画面下可见缺陷的自动检测功能。     

基于机器视觉的自动对准检测系统的研究

完成了机器视觉的系统搭建;介绍了图像预处理算法和边缘提取算法;阐述了零件图像自动对准系统的原理、模糊中心与精确中心定位的实现过程以及系统二次标定技术:通过VC 编程实现了视觉检测系统的自动对准,得到了高质量的自动对中图像,并完成实验的结果分析.     

视觉瞄准激光干涉测量编码型水准尺

针对编码型水准尺分划误差的检测,提出了采用视觉瞄准与双频激光干涉测量相结合的方法。构建了编码型水准尺的精密检测系统并对瞄准测量方法进行了研究。当被测条码边缘出现在瞄准视场中,不必微调载尺工作台,即可实现图像和干涉仪测量数据快速采集,并由软件完成瞄准及测量。针对条码边缘图像的检测,首先采用最大方差法分割图像;然后提出图像边缘跟踪法,直接寻找检测边缘,从而避开去除噪声的困难;最后应用概率细分方法对条码边缘定位,提高测量分辨率。经实际测试,该检测系统视觉瞄准标准差为0.23μm,系统稳定性标准差小于0.5μm。该瞄准测量方法提高了测量效率,测量精度高于检测要求4倍,保证了编码型水准尺检测的可靠性。该检测系统已成功应用于编码型水准尺的分划误差检测。     

基于机器视觉的菌落计数算法研究

针对菌落人工计数的不确定性、效率低等问题，对工业相机、图像处理、特征对比以及计数算法等展开研究。提出了一种基于机器视觉的菌落计数算法。首先搭建一套图像采集系统获取菌落图像，然后利用灰度处理、中值滤波、边缘检测连接、阈值分割、粘连分割、边缘剔除等一系列图像处理方法对菌落图像进行处理，得到菌落的二值化图像，最后根据连通域计数法完成菌落计数，实现客观、快速的菌落计数。通过与人工计数误差对比，计数精度达到了90%，满足了菌落计数的要求。     

基于改进ART-2网络和不变矩的高压瓷瓶裂缝识别

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测.本文通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集.对图像经过滤波去噪、图像分割等预处理操作后,利用形状特征和灰度差异完成图像中裂缝的定位.对于聚焦放大后的裂缝图像提取不变矩等四个特征值,得出图像信息.最后利用改进的ART-2神经网路,实现对绝缘瓷瓶裂缝五种状态:横向、纵向、块状、网状、无裂缝的分类识别.通过仿真和实验表明该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其它领域.