一种基于视觉的干电池检测方法

提出一种基于视觉的干电池检测方法.采用自适应的图像分割方法实现锌桶、内外层胶、电解质和碳棒的图像分割;根据分割后的图像,分别采用圆拟合来进行尺寸计算;通过计算锌桶的厚度和变形、内外层胶的厚度、电解质的厚度及碳棒中心相对于锌桶中心的偏移量来检测各项缺陷.实验结果表明:该干电池检测方法具有稳定、可靠和精度高等特点,达到了快速、有效地实现干电池尺寸测量和缺陷检测的目的.     

Access数据库加密系统的安全性及其保护措施

Access数据库结构简单、功能比较齐全、使用维护方便,因此,在功能能够满足要求的条件下,往往成为一些小型数据库软件的首选。但是由于数据库的加密机制非常简单,很容易破解数据库密码,安全性差。本文在分析了MS Access数据库的加密原理以及现有破解方法的基础上,给出了简便易行的保护措施。并且,用VB给出了切实可行的实现方案。应用表明,该保护措施能有效地提高数据库的安全性。     

基于STM32F103VB的应用编程技术的实现

针对嵌入式应用中更新升级固件的需求,在阐述应用编程(IAP)技术原理的基础上,以具有Cortex-M3内核的微控制器STM32F103VB为平台,给出了基于STM32F103VB IAP技术的实现方案,并对方案的可靠性进行了探讨.最后讨论了IAP技术的具体实现方式.该方案实现了以具有STM32F103VB微控制器的嵌入式系统终端软件的在线升级,提高了软件维护的方便性,缩短了终端软件系统的开发周期.     

特种头型微钻视觉检测方法研究

微钻的生产制造过程中,检测是一个至关重要的环节。面对市场对于特种头型微钻日益增长的需求,提出一种针对特种头型微钻的视觉检测方法。该方法通过拟合直线和拟合圆对刃面直径和芯厚的尺寸进行了测量,同时通过一种改进的直线拟合方法和NURBS样条曲线拟合方法,拟合出了刃面的标准轮廓,从而实现对微钻缺陷有无判断以及大小的计算,最后设计了可视化的软件进行实验。实验结果表明：各种头型微钻的尺寸参数测量重复误差在0.02%以内,缺陷参数测量重复误差在2%以内;提出的方法具有可行,可靠,精确的特点,能快速且有效的满足特种头型微钻的视觉检测。     

基于改进RANSAC算法的PCB板定位方法的研究

为了快速精确识别定位Mark点从而确定PCB板连片折板位置,提出一种基于改进RANSAC算法的边缘拟合算法。通过对目标模型的固有特性进行分析,定向筛选样本点,得到估计模型;采用分层抽样法抽取样本点进行残差分析;经过多次迭代后筛选出最符合的模型。对比分析了加权最小二乘法拟合、基于Zernike矩的边缘拟合和基于改进RANSAC算法的边缘拟合3种方法在效率和准确性方面的差异。实验证明:基于改进RANSAC算法的边缘拟合法较其他两种方法具有鲁棒性更好和稳定性更高的特点。     

石灰炉螺锥出灰机集中自动润滑系统的设计

在对螺锥出灰机的关键点润滑状况进行了分析的培础上,以集中自动润滑为目标，研制设计了一套以PLC控制为基础，对不同点实现干、稀油润滑的螺锥出灰机自动润滑系统。该系统可定时、定量、定点对各出灰机进行自动润滑，保障了出灰机的良好润滑．提高了设备的运转率，在设计中不仅对原有的润滑点进行了自动润滑，还对空芯轴与空芯轴套座及空芯轴套座与滚轮盘之间的摩擦面进行自动润滑。使用证明，系统设计合理，运行平稳，实现了自动控制定时定量供脂，提高了润滑效果，延长了设备使用寿命。     

自动影像测量系统关键算法

为了实现对工件的自动影像测量,建立了自动影像测量系统。对该系统所采用的图元识别、图元测量、基于自动聚焦原理的高度测量等算法进行研究。根据圆形和矩形图元的面积和真圆度等特征参数介绍了图元识别算法。以直线和圆形图元为例分析了典型图元的测量算法,即在提取图元边缘点的基础上进行图元拟合。在分析比较能量谱等聚焦评价方法的性能的基础上,说明了采用自动聚焦原理进行高度测量的算法。最后,介绍了系统比例尺的设定方法以及光栅尺读数的误差补偿方法。实验结果表明:比例尺的标定精度为0.5 μm;图元的测量精度在微米级;高度测量精度为0.035 mm,基本满足自动影像测量的稳定可靠、精度高、抗干扰能力强等要求。     

基于机器视觉的机械手装配系统设计

为了解决工业生产过程中料板的自动装配问题,提出了一种基于机器视觉的机械手定位装配检测系统,建立了实验平台。系统通过工业相机对料盘进行图像采集,将所采集的信息传送给工控机,借助图像处理程序,采用图像预处理实现了对图像的降噪,结合BLOB分析对图像特征进行了提取,获得了料盘上装配孔的位置信息,通过控制机械手动作,移动到装配位置,旋转相应角度,实现料板的自动定位装配。实验结果表明,该系统装配准确度高,误差小,满足了工业上的要求。     

软性电路板金面缺陷的无监督检测

为实现软性电路板(FPC)金面缺陷的准确自动检测,提出了一种以Gabor滤波器和Mean Shift聚类算法为基础的完全无监督FPC金面缺陷检测方法。首先,用Gabor滤波器组、数学形态学与Gaussian平滑处理抽取待检测图像的多维特征;然后,使用主元分析(PCA)将每个像素特征维数降为二维;最后,使用Mean Shift方法对二维特征数据进行聚类并将聚类的结果转化为二值图像。整个检测过程无需预先知道缺陷的类型和FPC金面的纹理类型,是一种完全无监督的检测方法。对带有各种缺陷的FPC金面进行检测实验,结果表明,该方法能够准确地将各类缺陷区域从背景区域中分离出来,具有自动缺陷检测系统所要求的识别能力强、稳定性高的特点。     

挠性印制电路板焊盘表面缺陷的检测

针对挠性印制电路板(FPC)上的焊盘表面缺陷,提出一种基于图像处理技术的智能检测方法。首先,根据缺陷的表现形式对焊盘缺陷进行归纳与分类,采用最大熵值法量化提取焊盘的颜色特征和面积特征;然后,通过评估灰度共生矩阵(GLCM)对纹理颜色变化特征与纹理结构特征量化的有效性,将其应用于焊盘纹理特征的量化与提取。实验分析显示,缺陷焊盘与非缺陷焊盘在某个或多个特征上存在着明显的差异。基于该特点,建立了BP神经网络,以焊盘的颜色、面积、纹理结构、纹理颜色变化特征值作为神经网络的输入,通过学习大量样本,获取最佳权值参数,最终实现对FPC焊盘表面缺陷的检测,检测准确率高达94.6%,50个焊盘的检测时间为300ms。实验结果表明:本文提出的检测方法不仅能够有效地对焊盘表面缺陷进行识别,而且能够满足在线检测对速度的要求。