基于机器视觉的手机尾插件精密测量方法研究

提出了一种基于机器视觉的小尺寸不规则零件精密测量方法和系统,方法包括图像采集、图像增强、图像配准、边缘检测、目标直线提取、相机标定和计算测量环节。针对传统尺度不变特征变换(SIFT)匹配算法完全忽略特征点之间的几何关系,对于灰度变化较平滑的图像在寻找匹配特征点对时易产生较多误匹配的问题,引入轮廓匹配获取图像几何信息、对SIFT特征点匹配进行约束,并通过随机样本一致(RANSAC)算法去除噪声点对的影响、精确估计几何变换矩阵;针对现有Hough变换拟合直线算法对非线性边缘易在Hough空间形成伪峰、影响边缘检测精准度的问题,设计了Hough空间投票权重分配新策略来抑制伪峰的产生。实验结果表明:与传统方法相比,所提出的方法特征匹配精度提高了12%,直线检测精准度提高了22%,系统测量精度达到0.015 mm。     

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.     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

基于机器视觉的端子尺寸检测系统

介绍了一个基于机器视觉的端子尺寸检测系统。针对汽车电子产品中的端子在线尺寸检测,采用单轴机械手将产品送到检测位置,用LED背光照明,用CCTV镜头和视觉传感器获得端子图像,用图像处理单元对图像进行二值化、锐化、边缘提取后对端子的尺寸进行检查。从实际应用来看,此检测系统具有非接触性、在线实时、精度合适等优点。     

基于机器视觉的轴承内径亚像素在线检测

以机器视觉系统为基础,利用计算机图像处理技术,对预处理后的边缘图像,采用基于点Hough变换的圆形图像亚像素检测算法,实现了轴承内径的亚像素在线检测。试验证明,该检测系统具有非接触、无损伤、高速度、低成本的优点,并且具有很好的通用性,可广泛应用于其他行业产品的在线检测。     

基于机器视觉的十字绣布网孔动态检测与孔位置定位

在利用单图像传感器实现立体测量的基础上,基于十字绣布网孔目标实现了动态检测和质心定位,在检测与定位试验中提取了目标点的质心位置,并与工作平台的实际运动位置作比较分析,实现了对目标网孔的动态检测与孔位置定位。     

基于机器视觉的二维尺寸检测

借助CMOS工业相机、光学镜头、计算机以及Open CV等搭建了一套机器视觉检测简易系统,采用了一种针对两孔零件的测量方法。经试验得出:精度可达0.009mm,重复性误差可达0.0215mm,用该系统测量已检测合格的300个零件,满足检测要求,说明该检测系统具有一定的可行性。     

基于机器视觉的冲压件尺寸参数测量

冲压件在工业生产中是大批量生产工件,针对传统人工测量其尺寸参数时工作量大、测量效率低的问题,开发了一种基于机器视觉的在线测量系统。该测量系统的硬件部分由光源、镜头、相机和计算机等组成,系统采用透射光照明以突出冲压件的结构轮廓特征;软件部分对采集到的图像首先进行预处理、再进行阈值分割,然后提取冲压件图像的边缘。最后,为了提高所需测量的几何要素的检测精度,在霍夫变换的基础上运用圆的几何特性来精确定位圆心。实验结果证明了该测量系统的有效性和检测算法的可行性,提高了测量效率,实现了冲压件尺寸参数的非接触在线测量。     

基于机器视觉的PCB裸板缺陷自动检测方法

提出了通过比较标准图像与待测图像差异并分析差异区域边界进行印刷线路板(PCB)缺陷检测与识别的算法。在同一位置采集多幅标准PCB图像并计算其灰度平均值从而得到标准图,将待测PCB图与其进行对比。首先使用限定区域Hough变换快速检测出图像中相互垂直相交的细短标志线,将线段的交点作为特征点并计算其坐标,进而对标准图与待测图进行仿射变换配准,差影计算后,再通过二值化、形态学处理等去除伪缺陷,即可获取缺陷区域位置。在此基础之上,对处理过的差影图进行膨胀处理,通过边界检测获取各个缺陷区域闭合轮廓各点坐标。分析各个轮廓坐标对应阈值分割后的配准待测图中点的像素值,并结合缺陷是缺料缺陷还是多料缺陷识别出缺陷类型。对合格的和有缺陷的PCB图各200幅进行算法测试,检测准确率为98.3%,基本能够稳定检测出常规缺陷。     

机器视觉的薄片零件尺寸检测系统

对基于机器视觉的薄片零件尺寸检测系统进行研究。针对计算机硬盘弹性臂薄片零件的尺寸检测,采用线阵工业相机扫描获取待检零件图像,根据扫描特性提出了标定算法,同时提出了一种轮廓矢量化算法。将经过滤波、标定、二值化、边缘提取和细化的图像进行轮廓矢量化得到待检零件的尺寸参数,并与从设计图DXF文件中读取的零件的相应尺寸参数进行对比,判断零件制造质量。实测结果表明,检测系统的轮廓矢量化精度达到1 pixel,检测精度达到1 μm,平均每个零件的检测时间为1 s,该检测系统是可行的。     

基于机器视觉的铰链精密检验系统

门窗铰链是现代建筑的重要五件构件,是影响门窗质量和安全性的关键部件。介绍了作者开发的不锈钢铰链关键零件形位尺寸的智能检验系统的原理、结构和关键技术。系统应用机器视觉、激光检测技术和伺服控制、信息处理等技术实现长铰链杆件的装配孔径、孔距和平面度等参数精密检验和智能化操作。在有限的机器视觉检测分辨率情况下,保证了大范围尺寸工件检验精度±0.005 mm,检验效率达到12片/分钟,自动生成检验结果统计报表。     

基于机器视觉的电感质量自动检测系统

主要介绍了将机器视觉技术应用于电感质量检测系统,通过图像采集卡和CCD采集图像,并通过图像预处理、阈值分割、边缘定位,边缘检测、Blob分析等算法对图像进行处理,输出检测结果的控制信号,再借助PLC控制执行机构,最终达到对电感的表面质量进行在线检测的目的。     

基于视觉的表面贴装芯片引脚检测系统的研究

介绍了表面贴装芯片引脚的机器视觉检测系统，并阐述了该机器视觉检测系统的总体设计。利用图像处理和目标识别技术，实现了对具有矩形端面的芯片引脚的数目、尺寸、间距和高度差的检测，给出了系统稳定性和重复性测试的数据。检测结果表明，该检测系统具有非接触、精度合适的优点。     

机器视觉技术在角度检测方面的应用研究

基于机器视觉技术在角度检测方面具有重要的应用前景及研究价值,国内外的一些学者对其做了大量的探讨研究,并取得了一定的成果。笔者对前人的研究做了适当总结,并进行了展望,以期为今后的研究提供有利的参考。     

机器视觉技术在手机面板质量检测中的应用

介绍了应用数字图像处理和识别技术检测手机面板质量问题的技术和方法,结合特征提取等算法,通过适当的处理和分析,对手机面板图像中按键的目标文字进行自动检测与识别.     

一种基于机器视觉的全自动灯检机图像采集系统

介绍了一种全自动灯检机检测液体制剂的图像采集系统技术,该技术采用LED/激光组合照明系统和高速摄像头,通过五工位、双头模式,实现高速摄取和处理旋转制剂瓶内可见异物动态图像,同步完成旋转制剂瓶内液位、瓶盖和瓶壁裂纹等项目检测,以达到高效率和最佳检测效果。     

基于机器视觉的锭坯轮廓在线检测系统研究

喷射成形是一种基于快速凝固技术的高温合金、高性能材料制备工艺,对喷射成形过程中沉积锭坯的轮廓及其形状特征进行实时、准确地检测是实现喷射成形工艺稳定性控制的关键。基于机器视觉技术研究了喷射成形锭坯轮廓在线检测方法,设计了视觉检测系统结构,对喷射成形生产环境下的锭坯轮廓图像处理算法进行了研究,提出了锭坯轮廓特征提取方法。实验和测试表明,轮廓及直径、喷射高度的检测精度可达1 mm,算法平均运行时间为0.83 s,可以长时间稳定地在线检测沉积锭坯的轮廓。     

A Machine Vision Approach for Detecting and Inspecting Circular Parts

In this paper, we present a machine vision approach for detecting and inspecting circular parts and parts with circular arcs on the contours. The method uses the Hough transform technique and uses the directional information of a normal to the circle at each boundary point. Cubic polynomial curve fitting is used to estimate the normal, and determine the concavity of the fitted curve at each given boundary point. The proposed Hough transform method is a two-stage pro-cedure. The first stage uses a 2D accumulator array to detect circle centres. The second stage uses a 1D accumulator array to detect the radii of circles. The proposed method is robust for detecting circular parts with partial occlusion such as peripheral defects or burrs. For an image of size N × N, the storage requirements are N 2 and the time complexity is bounded by (N+m)n, where m is the number of circle centres detected in the first stage and n is the number of boundary points in the image.