基于机器视觉的BGA芯片检测对中技术

根据球栅阵列(BGA)结构芯片贴装技术的特点,分析芯片锡球排列的特征,提出一种基于机器视觉技术的BGA芯片检测对中技术。包括灰度值直方图处理、动态阈值分割技术,并结合机器视觉软件在 VC 开发平台下验证其可行性。实验结果表明,该技术能提高芯片对中检测的准确性,较好地处理非线性光照。     

机器视觉在光学加工检测中的运用

随着科学技术的快速发展,自动化得到了广泛应用,而机器视觉作为当前比较新颖的技术,被应用于光学加工检测中,其主要是处理图像信息,由传统人眼检测逐渐向自动化转变,使得不同类型的检测以及判断更加准确。而本次重点针对机器视觉在光学加工检测中的运用进行了分析,首先阐述了机器视觉概念以及组成,然后重点分析机器视觉在光学加工检测中的运用。     

基于机器视觉的全自动电池检测系统的研究

给出了一种基于机器视觉和X射线的全自动电池检测系统.利用X射线的穿透性和计算机对数据的快速处理能力,相机可以采集到成型电池的内部结构图像并对图像数据进行快速处理.通过对图像进行滤波、锐化、边缘提取等过程得到阴极和阳极的精确位置.运用软件来测量各个特征问的距离并与标准值进行比较来判断电池的好坏,从而实现电池检测过程的完全自动化操作.     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

机器视觉技术的应用

机器视觉是近年来迅速发展起来的一项技术,但就现在中国自动化发展水平而言,自动化程度还不够,可发展空间非常大。机器视觉的应用会对自动化水平带来前所未有的快捷、安全、方便。是为企业节省成本的最佳选择。目前,国内市场逐渐涌现出越来越多的机器视觉自动化公司。本期机器视觉的专栏,就集合了一些机器视觉厂商的最新应用案例。     

基于机器视觉的IC芯片外观检测系统

针对集成电路(IC)封装片三维引脚外观检测的需要,设计了一种基于机器视觉的IC芯片外观检测系统,简要介绍了系统的硬件组成和软件流程。该外观检测系统及其检测方法可以检测集成芯片引脚的三维缺陷,检测缺陷类型多样,检测精度高,效率高,且软件功能可升级扩展。测试结果表明,该外观检测系统能达到在线生产的工艺要求。     

顶级物料 驱动式场效应管(DrMOS)

正和传统的场效应管不同,驱动式场效应管是将传统MOSFET供电中分离的两组场效应管和驱动IC芯片以更加先进的制程整合在一片芯片中。三合一封装的DrMOS面积是分离MOSFET的1/4,功率密度是分离MOSFET的3倍,增加了超电压和超频的潜力。它能够     

贝加莱：挖掘机器视觉无限潜能

<正>作为自动化领域的技术领导者,贝加莱始终以持续不断地创新引领行业发展。随着机器视觉在现代制造业中扮演着越来越重要的角色,贝加莱创新性将机器视觉融入其自动化系统,打造全集成式机器视觉解决方案,挖掘机器视觉的无限潜能。集成自动化系统与视觉系统贝加莱的机器视觉主要围绕机器的本地视觉检测,并且扩展了机器的智能范畴,作为自感知组件,它已经被用于众多的领域,如印刷机械中的视觉套色,代替传统的光电套色,在饮料、     

陶瓷套圈表面质量机器视觉检测系统

本文在分析陶瓷套圈表面质量机器视觉检测机的系统组成和自动检测工作流程基础上,设计出检测机的气动驱动系统和PLC集成电气控制系统,给出PLC控制程序流程.通过PLC集成机器视觉、气动驱动和步进电机驱动控制系统,实现陶瓷套圈外圆表面缺陷机器视觉检测自动化,自动检测节拍达到2秒/件.     

机器视觉智能机器人无损检测系统探讨

无损检测技术在一定程度上反映了一个国家的工业发展水平,其可应用于原材料、中间工艺环节以及最终产成品的质量检测中,可对产品质量进行全程跟踪检测,确保产品生产质量.将机器视觉智能机器人应用于无损检测系统中,可有效提高生产的灵活性和自动化程度,促进无损检测技术水平的进一步提升.文章首先阐述了机器视觉智能机器人无损检测系统的硬...     

机器视觉在线体贴合排线中的应用与故障分析

机器视觉采用机器代替人眼进行测量和判断,提高了生产的柔性和自动化程度。以机器视觉在实际非标项目线体贴合排线中的应用为例,先分析机器视觉整体方案,对机器视觉系统中用到的硬件进行选型,再处理机器视觉中检测定位的相关数据,最后总结机器视觉在项目应用过程中出现的常见故障,提出相应的解决措施。     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

轴承防尘盖缺陷机器视觉自动检测方法研究

轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷，从而影响配套主机的精度、可靠性及寿命，急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备，利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理；采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取；采用最小二乘法拟合外轮廓圆得到圆心及外径，结合半径占比分离法实现防尘盖圆环区域的提取；采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割；采用垂直方向投影法分离字符区和非字符区，通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明，采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法，可实现轴承防尘盖缺陷的自动化检测，正确识别率为96.9%。     

机器视觉在测量领域的应用专利技术综述

目前,机器视觉已经广泛应用于各行各业,在测量领域主要用于实现产品的自动化检测.本文针对测量领域,从机器视觉在国内外申请的申请量变化、区域分布、申请人等方面,对机器视觉的相机校准、图像处理以及具体应用的专利进行分析,以梳理其技术发展过程,并比较国内外机器视觉的研究方向,以对我国在该领域的技术研发做出梳理和建议.     

拉铆钉多参数实时在线视觉检测系统研究

本文以引进吸收再创新的模式,综合机器视觉技术、自动化技术和集群协作处理技术,研发“拉铆钉多参数实时在线视觉检测系统”。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

整合视觉系统方案,灯效提高自动化生产线效率

导读:通过介绍3个应用案例,展示了先进的机器视觉软件及其图像预处理技术如何促使2D和3D视觉检测的性能成倍提升。前言3D成像技术和智能相机现已增强了机器视觉检测的灵活性和性能,若是将其与先进的图像预处理工具和智能化的软件相结合,则可以进一步解决过去难以或几乎不可能实现的自动化检测应用。     

机器视觉在轨道交通系统状态检测中的应用综述

城市轨道交通系统主要由弓/网系统、轨道线路、车辆、车站等组成,传统的人工巡检等方法检测效率低、劳动强度大、自动化和智能化程度不高,给城市轨道交通的运营保障和进一步健康发展带来了巨大的挑战.机器视觉作为一种重要的检测手段,在城市轨道交通系统状态检测领域得到了广泛的应用.鉴于此,针对机器视觉在城市轨道交通系统安全状态检测中...     

基于机器视觉的LED芯片检测方法

LED芯片检测在LED生产过程中起到关键作用。为了达到生产过程完全自动化的目的,首先用形态学方法对LED图像进行预处理,然后基于最小外接矩形获取芯片倾斜角,基于霍夫变换获取边界信息,从而获取生产所需的控制信息。实验结果表明该方法适用于LED实际生产过程。