基于机器视觉的航空铆钉尺寸检测技术

航空铆钉的尺寸偏差会增加航空事故发生的可能性。为了实现航空铆钉尺寸检测的高精度与智能化,提出一种基于机器视觉的航空铆钉尺寸检测方法。通过边缘检测算法对铆钉进行自动识别与检测,可减少航空铆钉尺寸的误差。基于航空铆钉产品规范,分析得出各项尺寸参数要求与事件流程,使用OpenCV作为开发平台,采用阈值分割算法与分水岭算法进行图像分割;同时,通过平滑处理、形态学、轮廓提取算法完成图像处理。实测结果表明,在±0.005mm精度下,铆钉尺寸检测结果与实际值的吻合度达到90%以上。     

ZerNet: Convolutional Neural Networks on Arbitrary Surfaces Via Zernike Local Tangent Space Estimation

In this paper, we propose a novel formulation extending convolutional neural networks (CNN) to arbitrary two-dimensional manifolds using orthogonal basis functions called Zernike polynomials. In many areas, geometric features play a key role in understanding scientific trends and phenomena, where accurate numerical quantification of geometric features is critical. Recently, CNNs have demonstrated a substantial improvement in extracting and codifying geometric features. However, the progress is mostly centred around computer vision and its applications where an inherent grid-like data representation is naturally present. In contrast, many geometry processing problems deal with curved surfaces and the application of CNNs is not trivial due to the lack of canonical grid-like representation, the absence of globally consistent orientation and the incompatible local discretizations. In this paper, we show that the Zernike polynomials allow rigourous yet practical mathematical generalization of CNNs to arbitrary surfaces. We prove that the convolution of two functions can be represented as a simple dot product between Zernike coefficients and the rotation of a convolution kernel is essentially a set of 2 × 2 rotation matrices applied to the coefficients. The key contribution of this work is in such a computationally efficient but rigorous generalization of the major CNN building blocks.     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

A two-stage vision-based method for measuring the key parameters of ball screws

Ball screws are crucial for improving the reliability and interchangeability of transmission mechanical systems; however, existing contact measurement methods that utilise stylus contact are not efficient, which precludes their use for rapid in-situ geometry evaluation. This paper presents a vision-based two-stage method for rapid measurement of key parameters (raceway arc radii and centre distance) of ball screws. The edge contour information is extracted from the acquired image using the dual-tree complex wavelet transform and non-maximal suppression. In the matching stage, a shape-matching algorithm is used for detecting approximate geometrical centres of raceway arcs. The refinement stage, on the other hand, is implemented for acquiring precise dimensional results. Furthermore, the method of averaging multiple measurements is performed to suppress random noise. A comparative experiment is presented to validate the robustness of the proposed method. Based on experimental results, the calculated mean absolute errors in the measurement of the two raceway arc radii and the centre distance are found to be 0.0082 mm, 0.0079 mm and 0.0055 mm, respectively. This study therefore paves the way for key parameter measurement without removing ball screws.     

智能远距离激光切割控制系统设计与研究

随着人工智能技术的发展,机器视觉与传统工业的结合应用越来越广泛。在电力铁塔安装作业过程中,角钢预置孔位常出现错位,需要在高空实施切割打孔作业。因激光切割角钢效率较高,研制了一套适用于高空铁塔的扩孔切割设备可解决传统方法效率低的问题。通过视觉识别待切割孔,确定待切割路径,控制电机转动,完成激光切割作业。经过试验,所设计的控制系统能够满足激光扩孔切割要求。     

基于多线结构光的弱纹理物体形貌测量方法

大多数现有的主流结构光测量装置在被测物体的表面上投射单条激光,通过移动装置实现物体表面的扫描重建。为了实现物体表面的在线快速重建,将多线结构光和双目立体视觉理论相结合,设计了一种新的三维测量方法。提出了一种结合形态滤波和Zhang-Suen细化算法的光条骨架提取方法和基于光条序列关系的光条匹配算法,并通过极线约束实现光条上特征点的精确匹配。通过实验验证了方法的有效性,相对误差在3%以内。     

面向可解释性的物体拓扑结构骨架表征方法

目的 模式识别中，通常使用大量标注数据和有效的机器学习算法训练分类器应对不确定性问题。然而，这一过程缺乏知识表征和可解释性。认知心理学和实验心理学的研究表明，人类往往不使用代价如此巨大的机制，而是使用表征、归纳、推理、解释和约束传播等与符号主义人工智能方法类似的手段来应对物体识别中的不确定性并提供可解释性。因此本文旨在从传统的符号计算出发，利用骨架拓扑结构表征提供一种可解释性的思路。方法 以骨架树为基本手段来形成物体拓扑结构特征和几何特征的形式化表征，并基于泛化框架对少量同类表征进行知识抽取来形成关于物体类别的知识概括显式化表征。结果 在形成物体类别的概括表征实验中，通过路径重建直观展示了同类属物体上得到的最一般表征的几何物理意义。在可解释性验证实验中，通过跨数据的拓扑应用展示了新测试样本相对于概括表征的特定差异，表明该表征具有良好的可解释性。最后在形状补全的不确定性推理实验中，不仅可以得到识别结论，而且清晰展示了识别背后做出的判断依据，进一步验证了该表征的可解释性。结论 实验表明一般化的形式表征能够应对尺寸、颜色和形状等不确定性问题，本文方法避免了基于纹理特征所带来的不确定性，适用于任意基于基元的表征方式，具有更好的鲁棒性、普适性和可解释性，计算代价更小。     

煤矿地面轨道运输矿车自动避障技术研究

介绍了煤矿地面轨道运输矿车自动避障技术。首先介绍了基于雷达的矿车前方障碍物检测技术及其相关算法,然后详细介绍了基于机器视觉的矿车前方障碍物检测系统和常用的图像处理方法以及相关的算法,最后介绍了雷达和机器视觉融合的障碍物检测技术在煤矿地面轨道运输矿车自动避障过程中的应用。     

改进的Fast-CNN模型在绝缘子特征检测中的研究

针对目前电网巡检系统中采用红外成像检测绝缘子串特征的效果受环境影响，提出联合显著区域和Fast-CNN网络（改进后的卷积神经网络）用于绝缘子特征检测研究。显著区域检测首先采用超像素描述各区域位置的整体信息；然后基于各超像素的特征协方差信息计算各超像素的显著度得到大致显著区域；再通过区域模块化和局部复杂度对比提取显著特征，同时将2种方法提取的显著特征分别输入改进后的Fast-CNN网络进行显著区域检测，同时引入动态自适应池化模型和余弦窗处理中间层，最后通过多次迭代训练得到绝缘子特征，避免CNN模型耗时的全图搜索。将本文算法在红外图像库中进行测试，本文算法的F-Measure以及平均误差MAE均优于当前流行算法。