基于嵌入式技术的大型电气监控系统设计与实现

采用传统的人工定期巡检的方式进行电力设备状态检测,一旦待检测设备较多,将会耗费大量的人力成本,且无法保证检测的实时性与检测效率,无法满足电力设备安全运行的需要。提出基于嵌入式结合计算机视觉的电气设备状态监控系统设计方法。针对计算机采集到的原始图像进行中值滤波,在最大化降低噪声的同时,更好地保护图像中的电气设备的细节信息,对去噪后的电气设备图像进行边缘增强处理,获取锐化后的电气设备图像,依据马尔可夫随机场纹理分析法原理对电力设备图像进行纹理分析,通过与正常图像模板进行比较得出差异,实现对电力设备当前状态的识别与检测。实验结果表明,利用该方法进行电力设备状态检测,能够对检测结果进行自动识别与分析,极大地提高了检测效率。     

一种LED动态转向信号灯检测系统

根据实际需求设计出一种动态转向灯检测系统,实现了对LED转向信号灯的动态图像、动态电流的时序检测,硬件主要由工业计算机,高速相机,高速可编程万用表、控制模块,输入输出模块,显示器、键盘、鼠标等构成,软件基于C#和Halcon机器视觉算法平台。具有系统控制、图像采集、图像处理、电流采集、电流处理、时序判断、数据统计等功能,具有较大的应用价值。     

检测暂态零模电流相关性的小电流接地故障定位方法

提出了一种利用暂态零模电流的馈线自动化系统小电流接地故障定位新原理:故障点前非故障区段两侧馈线终端装置(FTU)检测到的暂态零模电流波形相似,相关系数接近1;故障区段两侧FTU检测到的暂态零模电流初始极性相反,波形差异很大,相关系数接近0。通过求取相关系数最大值,避免FTU数据采集不同步引起的计算误差。数字仿真与静态模拟实验证明了所提出的故障定位方法是正确、可行的。     

机器视觉试验平台的研究与开发

基于图像处理与分析技术,以OpenCV和VC.NET为开发工具,构建具有自动识别功能的机器视觉试验平台。该平台集成了图像采集与处理、图像特征分析与计算以及目标自动识别等主要功能,并针对各项功能提供了不同的算法以方便学生进行选择试验。本文以苹果和橘子为实验对象,通过对其外形特征的提取和分析,达到机器自动识别的目的。     

机器视觉技术在火花塞间隙测量中的应用

针对汽车火花塞侧电极折弯前后的检测需求,文章提出一种基于机器视觉技术的火花塞间隙尺寸测量方法, 并在生产现场进行了应用.基于机器视觉的火花塞检测系统由硬件系统和软件系统组成,通过背光源照射待测火花塞,选择合适的镜头和智能相机进行图像采集,并将采集的图像传送到计算机,再利用InＧSight软件实现图像的处理及尺寸测量,并将测量结果输出显示.经反复试验,系统在检测精度上误差小于0.0167mm,重复性测试误差小于0.002mm,完全满足生产要求。     

机器视觉技术的包装缺陷在线识别系统

针对各类产品包装质量识别系统,缺陷识别精度较低的问题,研究机器视觉技术的包装缺陷在线识别系统.创建系统整体架构,通过图像采集卡、相机及镜头构成的图像采集过程获取包装图像和图像数据,采用基于PC的视觉系统利用边缘检测与二值化图像处理算法,实现包装图像的预处理,通过边缘角度识别软件在线识别预处理后的包装图像,以液晶触摸显示...     

基于机器视觉的高压计量数显表自动校对系统

针对肉眼不能实时同步待检测高压计量仪表和标准高压计量仪表读数问题,提出了一种基于机器视觉的数显式高压计量仪表自动校对系统。系统通过两个相机同步采集待检测高压计量仪表和标准高压计量仪表字符图像,并对采集的图像进行二值化与膨胀处理,然后根据水平投影法分割图像,提取了改进的结构特征,再用K最近邻(K-Nearest Neighbor,KNN)算法识别字符,解决了肉眼识别效率低、精确度差的问题。经过测试,该系统实现了实时、同步识别待检高压计量仪表和标准高压计量仪表的读数,且识别率达到99.6%以上。     

一种电能表可信生产贴片环节采集验证方法和系统

针对当前电能表电路板中元器件贴片异常现象,基于新型的计算机视觉技术、图像采集技术、识别技术、自动化控制技术,设计出了新型的电能表可信生产贴片环节采集验证方法和系统,对智能电能表PCB贴片信息进行采集、检测和异常判断。该研究将双六轴联动控制系统融入系统设计中,在空间范围内实现不同位置的电能表三维运动,利用CCD相机进行上下运动,在平面、侧面、三维等多角度扫描PCB贴片信息,对光源系统进行RGB三基色谐调智能调节,调整彩色CCD相机参数信息和运动控制系统定位信息,从而获取二元或者灰度水平光学成像图像,并利用标准模板库与电子元器件进行比对,通过大数据算法查询目标数据库,实现PCB贴片信息的判断。实验表明,所述研究的算法检测时间缩短了50%以上,正确率达到95%以上,大大提高了生产效率。     

多GigE相机高速视觉系统的架构与处理速度研究

提出了一种高精度大视场的高速并行处理系统,采用GigE相机并行检测,所有相机排列成线性阵列,通过千兆Ethernet网络与主机连接,并行检测将各单个相机视场合并为一个大视场,在保持单个相机检测分辨率不变的同时扩大检测的范围;并行检测系统可根据图像数据量的变化灵活配置每台相机采集的图像由单台或多台计算机进行处理;数据传输上整个系统采用非碰撞的确定延时网络传输处理结果以确保实时性。通过使用网络延迟理论和OPNET仿真验证得到系统处理的延迟时间不大于162.8μs。     

一种新的视觉检测系统自标定方法

随着测量仪器智能化、自动化要求的日益提高,视觉检测系统自动标定、甚至自标定成为一种必然趋势。以往的视觉标定技术或者需要外部实体高精度靶标介入,或者采用多图像标定（依靠多图像和相机姿态的关联）,需要人手工介入,过程繁琐,效率低,精度有限。本文提出了一种可用于三维视觉测量系统的自标定解决方法,在检测系统中内置一个高精度标准件,通过引入一条光路来进行标定,使标定可以做到实时、自动、快速,克服了以往标定方法的弊端。经过理论分析和多项实验,效果良好。     

全自动灯头质量机器视觉检测系统

为了克服灯头产品质量人工检验效率低、精度差等缺陷,将机器视觉检测技术引入灯头产品质量检验,实现了基于机器视觉技术的灯头产品质量全自动在线检测。检测系统由电机及传动模块、振动送料器、分拣执行机构、PC机、摄像头、光源、图像采集卡以及图像处理软件构成,针对灯头产品中存在的六种主要质量缺陷,根据其不同的图像特征设计了可靠有效的算法进行判别。实际应用表明,系统简单实用,能准确高效地识别出目前灯头产品中存在的六种主要质量缺陷,并能实时对缺陷产品进行分类剔除。     

手眼系统在自动装配生产线上的应用研究

介绍了一种以工业网络视觉传感器为检测核心,以六轴工业机器人为执行机构的手眼系统在自动装配生产线上的应用设计,采用基于图像的视觉伺服控制方式,可实现工件的在线检测和装配,解决了当前柔性生产线复杂工件的识别问题,在实际应用系统中取得了好的效果。     

基于图像识别的移动机器人自动完成充电

移动机器人正在慢慢普及到我们的生活当中,而移动机器人在移动过程中消耗电能,当电能耗尽时需要人工为移动机器人进行充电,提出一种基于图像识别的方法,让机器人自动完成充电。移动机器人通过对图像的纹理分析和对兴趣点的快速匹配SIFT算法完成移动机器人识别电源插座,实现自动充电。本文的方法充分考虑到由于移动机器人的灵活多变性对所采集到的图像造成的影响,如图像旋转,图像周围有遮挡物体等,用纹理分析与SIFT算法识别插座,当所采集的图像与机器人本身记忆的图像达到一定匹配度时,移动机器人将完成自动充电。     

Automated design of image recognition in capturing environment

This study aims at automating the design of the image‐recognition algorithm and the image‐acquisition environment for an industrial picking system. Here for the image‐recognition algorithm, a preprocessing image parameter and a discriminator using local features in images are targeted. For the image‐acquisition environment, the camera distance from the target objects and the illumination strength of each RGB color are considered. The problem is formulated as an optimization problem, and a method is proposed to derive solutions using a two‐phase random multistart local optimization for the image‐acquisition environment and the image‐recognition algorithm. In addition, experiment‐based optimization is made to deal with the uncertainty of the capturing environment. Furthermore, positions and angles are considered in a robot coordinate system to simplify the image‐acquisition process. The three evaluation experiments targeting objects with different surface characteristics are conducted. The results show that the proposed system successfully designed parameter sets for the image‐acquisition environment and the image‐recognition algorithm that suited the characteristics of the target objects. The object recognition rate, that is, F measure , is 1 for all objects in all the three experiments.     

基于机器视觉的孔类零件尺寸在线检测

应用机器视觉技术对孔类零件进行尺寸测量,采用边加工边测量的方式进行在线检测,可有效缩短零件的生产周期,提高生产效率.通过分析零件的工艺特征,选用CMOS相机与高精度远心镜头,对有倒角的特征采用环形光源照明,对未倒角的特征采用同轴光源照明,提高了硬件平台的柔性化.针对图像采集与传输过程中的椒盐噪声与高斯噪声,对采集后的灰...     

影像测量仪自动定位方法研究

影像测量仪在工业测量等领域中，尤其是精密平面类零件的高精度测量方面具有广泛的应用。当测量满台零件时，传统影像测量仪需人工手动控制平台移动达到测量位置，导致测量时间延长、效率低。以通用的影像测量仪为实验平台，采用双目视觉系统进行测量，通过大视野相机将特征物从平台任意位置移动到小视野相机视野范围内，并利用小视野进行位置矫正，以达到精确定位。实验结果表明，该方法能有效地将大视野范围内任一特征点精确移动到小视野图像中心。最后，提出一种影像测量仪薄板类零件自动定位方法，实验证明该方法能有效降低测量时长，特征点粗定位误差在±0.05 mm以内。     

光流点匹配跟踪的薄壁件振动模态测试方法

针对传统模态测试方法存在获取信息有限和附加质量、已有非接触模态测试方法需进行复杂图像处理等问题,提出了光流点匹配跟踪的薄壁件振动模态测试方法,避免了需逐帧进行特征分割、提取等复杂的图像处理。首先,建立了面内振动视觉测量的成像模型,通过相机标定获取工业相机的内、外参数并进行了误差分析。研究了基于光流视觉测振的原理与方法,该方法通过单目相机采集带特征点的结构振动序列图像,运用金字塔的Lucas-Kanada算法进行光流点匹配跟踪,进而获得亚像素级特征点的振动信息,在此基础上进行模态参数辨识获得模态参数。基于提出的方法搭建了薄壁件振动模态测试系统,对薄壁梁进行了振动模态测试实验,并与激振器扫频测试结果和有限元仿真结果进行了对比分析。实验结果表明,固有频率误差在5%以内,模态振型一致,从而验证了提出方法的正确性,为薄壁件的振动模态测试提供了新方法。     

现场智能传感器

将CMOS摄像机与高速FPGA相结合,构建了一种适用于生产现场的小型化高速智能视觉传感器。智能化的视觉传感器集图像采集和图像处理于一身,极大地减小了视觉检测系统的体积,适用于对测量速度要求高,测量空间较小的场合。     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.