智能制造装备视觉检测控制方法综述

为满足智能制造装备产业对机器视觉技术的巨大需求,本文结合装备技术特点和特殊应用环境,提出了通用的机器视觉检测控制技术体系,弥补了当前研究的不足.本文首先对该技术体系的成像系统、自动图像获取、图像预处理、标定与分割、识别检测、视觉伺服与优化控制等关键核心技术,进行了总结和阐述.然后提出了视觉检测控制系统设计的一般原理,并结合3种典型装备,对其具体应用进行详细说明.最后根据智能制造装备不断增长的高可靠性、智能化、高速高精度作业等需求,探讨了视觉检测控制技术所面临的新问题和新挑战.     

高速医药自动化生产线大输液视觉检测与识别技术

药品灌装质量检测是制药过程的一个重要环节,是药品质量的可靠保证.针对医药大输液可见异物视觉检测的需求,研制出基于多视觉的大输液自动化检测识别系统.首先研究了医药图像的高速高可靠性预处理方法,有效消除由机械振动和跟踪引起的干扰.研究了以药液微小异物为目标的改进模糊细胞神经网络图像分割方法,揭示了液体中异物目标、微粒、气泡等产生机理,综合分析目标的形态特征、边缘轮廓、运行特征等,得到各种异物的类型特征以及在序列图像中的动态变化信息.最后,使用序列图像的目标特征,基于支持向量机的AdaBoosting分类算法进行异物识别,结果证明本文提出的方法检测识别率高,对工程设备的研制具有重要意义.     

改进YOLOv5s的轨道障碍物检测模型轻量化研究

针对传统列车轨道障碍物检测方法实时性差和对小目标检测精度低的不足,提出一种改进YOLOv5s检测网络的轻量化障碍物检测模型。引入更加轻量化的Mixup数据增强方式,替代算法中原有的Mosaic数据增强方式;引入GhostNet网络结构中的深度可分离卷积GhostConv,替代原有YOLOv5s模型中特征提取网络与特征融合网络中的普通卷积层,减小了模型的计算开销;在模型特征提取网络末端加入CA空间注意力机制,让算法在训练过程中减少了重要位置信息的丢失,弥补了改进GhostNet对检测精度的损失;将改进后的模型进行稀疏训练和通道剪枝操作,剪掉对检测精度影响不大的通道,同时保留重要的特征信息,使模型更加轻量化。实验结果表明,改进后的模型在自制的多样化轨道交通数据集上,相较于原始YOLOv5s算法,在模型大小减小9.7 MB,检测速度提高14 FPS的前提下,检测精度提升了1.0个百分点。同时与目前主流的检测算法对比,在检测精度与检测速度上也具有一定的优越性,适用于复杂轨道交通环境下的障碍物目标检测。     

基于机器视觉的注射液中不溶异物检测方法研究

为检测出注射液生产过程中混入的50μm以上微弱不溶解异物,提出了一种高速高精度的机器视觉检测方法。本文首先研究了注射液中各类异物的静态与动态成像特征,择优选择出"高速旋转-急停-序列图像采集"的运动成像方案,然后设计了光机电自动化运动系统,提出了基于快速傅里叶变换(FFT)相位相关性与BP神经网络的序列图像配准、微弱异物检测与分割算法,粗略提取异物位置,再通过PM扩散模型精确分割目标与背景,实现药液中微弱异物的高精度检测。最后,选择医药安瓿注射液作为对象进行批量化测试。实验表明:本文设计的检测系统能检测出各类不溶异物,检测精度50μm,异物检出率99.7%以上,完全满足药厂质检要求。     

基于机器视觉的口杯酒瓶盖旋转角度测量方法

针对口杯酒瓶盖对激光打码角度的特殊要求,研究一种口杯酒瓶盖旋转角度测量方法,该方法提出使用几何法与模板匹配法两种方法测量口杯酒拉环及中心文字与水平线的角度。其中,几何法通过连通域搜索和计算重心,定位圆环感兴趣区域,基于圆环被拉环切割部分的特征,得到凹凸方向的特征加强区域,有效计算出口杯酒瓶盖拉环与水平线之间的角度。模板匹配法通过分析在理想情况下口杯酒的文字字样,得到文字字样轮廓,平滑轮廓,并以此作为匹配时的形状模型。匹配过程中,对新图像查找形状模型,得出口杯酒中心文字与水平线的角度。该测量方法高速、准确、稳定,满足高速生产线的实时在线检测需求,解决了现有的口杯酒瓶盖激光打码的问题。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。