机器视觉在COG封装设备中的应用

主要介绍了机器视觉系统的原理和在COG封装设备中的应用。在COG封装设备中使用机器视觉系统进行IC和LCD标志点的识别,实现了微米级的精确对位,充分体现了机器视觉系统在高精度定位方面的优势。     

基于机器视觉的易拉罐打标区域定位方法

目的 为了提高易拉罐打标效率和打标位置精度,降低劳动强度,提出一种基于机器视觉的易拉罐打标区域定位方法。方法 首先建立模板库,获取即将打标的不同图案的易拉罐表面图像,对图像进行柱面反投影,使有一定弧度的图像展开,并利用模板匹配原理对图像进行拼接,得到易拉罐表面完整图像;其次采用ORB算法在模板库中确定易拉罐表面图案种类,利用模板匹配方法确定该种类图案的打标区域在待打标易拉罐上的位置,从而进行定位打标。结果 实验结果表明,该方法能实现直径为40～65 mm易拉罐的打标区域快速定位,定位误差为±2°。结论 基于机器视觉的易拉罐打标区域定位方法能实现易拉罐打标过程的自动化,可以快速、准确地定位出打标区域,且灵活性较高,降低了劳动成本,能满足企业的生产加工需要。     

基于机器视觉技术的水表在线检定系统研究

设计了一套基于机器视觉技术的水表在线检定系统。使用模板匹配技术定位梅花针,分别对基准表和各待检表梅花针转过的齿数同时计数,当基准表计数到达设定值时同时停止计数,计算待检表误差,判断是否合格。现场试验表明,该方法比现有的激光反射计数法检定精度更高,解决了激光反射计数法无法检定梅花针上有气泡的湿式水表的问题。     

基于机器视觉的通孔元器件检验

印刷线路板组件外观检验系统,采用机器视觉技术,用于机插和手工装配等通孔元器件的检验,为电子产品组装过程中外观检验提供自动化质量控制手段。由于通孔元器件材料、形状、尺寸变化大,难以采用统一的算法和判据,本文根据通孔元器件的特点将其分为线束和非线束两种类型,分别采用颜色定位和彩色模板匹配算法,用旋转角度和匹配分数作为综合判据,通过算例验证了该系统的可行性。平台化设计使该系统具有很高的推广价值。     

基于Halcon的贴片电阻方向检测系统

目的设计贴片电阻方向检测系统,以解决当前贴片电阻排序编带过程中存在的检测效率低和检测精度低等问题。方法采用改进的基于形状的模板匹配算法,以机器视觉软件Halcon为平台,利用Canny边缘检测算子和Sobel算子进行边缘检测和滤波,生成模板图像的边缘点位置向量和梯度向量,并以模板边缘点与图像搜索区域的对应点的内积和作为相似度量,进行模板匹配。结果检测系统的识别时间为33 ms,同时其平均识别准确率达99.5%以上,相比于传统人工检测有较大提高。结论该系统具有良好的速度和准确度,可满足工业生产要求。     

基于机器视觉的包装机械贴标功能实现

目的 为了提高包装机械贴标工序的自动化程度和贴标速度、精度,设计一种贴标控制系统。方法 基于机器视觉设计一种贴标控制系统。该系统主要包括PC机、工业相机、视觉处理模块、运动控制模块、打印机、贴标机、标签检测模块等。重点论述图像处理算法,其中柔性形态学滤波和边缘检测用于贴标区域识别和定位;模板匹配则用于检测标签的平整度和倾斜度。最后,针对正方体包装纸盒、圆形包装纸盒、不规则包装纸盒进行试验研究。结果 实验结果表明,所述贴标系统平均正标率均在99%以上。结论 基于机器视觉的包装机械贴标系统能够满足包装要求,而且可以提高包装机械的自动化水平、提高包装效率、降低企业成本。     

机器视觉技术在彩色印刷品质量在线检测中的应用

介绍了彩色印刷品质量在线检测的机器视觉系统、印刷品质量检测软件及其处理流程,并通过试验证明了该软件有较高的处理速度和精度。探讨了2种彩色图像分色处理的方法、优缺点以及适应领域;介绍了2种常用的模板匹配算法,并根据试验结果,提出了在印刷品质量检测中,模板匹配算法的优化应以提高速度为主。     

基于视觉技术内距尺刻线的识别与研究

内距尺是保证铁路机车行车安全的重要量具,由于其体积较大,受人眼视觉疲劳、视角等因素的影响产生误差较大,为提高轮对距检测精度,保证机车运行安全,本文提出了运用机器视觉技术进行内距尺刻度的识别。实验证明：该方法能有效避免人为因素的读数误差,提高了铁路检测的效率。     

基于机器视觉的卷烟32位码识别系统研究

机器视觉究其本质是一种综合了多个领域技术的交叉学科,其将神经生物学与心理物理学相结合,利用计算机技术将人工智能活用于其中,并通过图像识别和处理所得数据。若将其应用于卷烟32位码识别,可以减小工作量、降低人工出错率、提高工作效率,具有重要经济意义。通过基于机器视觉卷烟32位码系统的实现,证明卷烟32位码识别是行之有效的。     

芯片载带缺陷的机器视觉检测方法

目的 针对芯片包装载带在生产过程中经常出现的型腔底部和边缘变形、穿孔等缺陷的检测问题,提出一种机器视觉检测方法。方法 首先离线准备配准模板及标准模板图像,然后根据模板在生产过程中进行在线检测。在检测过程中由传感器触发采集待检测型腔图像,然后通过模板匹配方法配准模板图像和待检测图像,并进行异或运算检测两图像差异从而定位缺陷。结果 实验证明边缘变形检测最大错误率为0.45%,底部变形检测最大错误率为0.50%,穿孔检测最大错误率为0.35%,每帧图像检测平均耗时为0.22 s,满足用户错误率不超过1%和每帧耗时不超过0.5 s的要求。结论 该方法能够实时检测芯片载带边缘变形、穿孔等缺陷,有效地实现载带加工生产过程中的质量监控。     

基于机器视觉的丝网印刷样板尺寸测量方法

丝网印刷样板种类和样式多,每片样板上待测目标也较多,不宜采用一致的梯度阈值参数定位边缘实施测量;此外,传统视觉检测采用定位矩形框建立测量坐标系的方式会引入测量误差,因此,提出一种基于机器视觉的丝网印刷样板的尺寸测量方法。采用一种由粗到细的测量策略,借助每一类待测目标的模板进行信息统计,针对性地设置阈值参数,改善测量精度。在测量阶段,利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位,再使用由模板信息统计获取的阈值参数进行边缘精细定位,建立局部坐标系,完成测量。实验结果表明:在同等实验条件下,此方法能够有效提高测量精度,算法改进后测量结果的平均相对误差由原来的4.02%降到1.47%,并且无需用户介入调整测量参数,适用于不同种类丝网印刷样板的灵活测量。     

基于贴片机视觉系统的SIM芯片识别定位算法

目的采用贴片机的机器视觉技术实现SIM芯片高质量和高精度的识别定位。方法采用工业摄像机收集原始图像信息,上传到VS配置的Open CV系统中进行图像预处理,减少图像信息,方便特征提取。对芯片图像进行Zernike边缘检测,减少噪声干扰,改善图像效果。通过矩形拟合提取芯片轮廓,获取芯片中心坐标。最后,通过芯片轮廓面积的提取,获得面积区间,确定合格芯片,并对其进行识别检测。结果实验结果表明,识别合格芯片的正确率达到100%,且抗噪性好;芯片定位时,位置精度在0.5个像素之内。结论在复杂情况下,该方法可保证贴片机的贴装质量和精度,有利于提高贴装的合格效率。     

基于机器视觉的自动分拣码放系统研究

目的为实现包装码垛自动生产线上不同型号工件的分类码放,有效提高生产效率,降低生产成本。方法在工件识别应用中,提出一种基于机器视觉、PLC控制技术、HMI人机界面的分拣码放系统。在完成工业机器人相应的硬件及关键算法设计的基础上,利用以太网构建PLC网络控制系统,并与上位机管理系统实现交互。结果经实验测试,该自动分拣码放系统对工件的识别精度较高,均在99%以上,处理时间较短,均在0.2 s以下,能够满足生产要求。结论生产实践表明,该系统提高了工件分拣效率,减小了工人劳动强度,降低了生产成本,具有很高的推广应用价值。     

基于机器视觉的纽扣电池托盘分拣系统

目的为了提高电池生产企业的检测效率,避免误检,以降低企业生产成本。方法分析传统分拣方式中存在的不足之处,以ABB并联机器人和美国康纳智能相机为平台,搭建一个基于机器视觉的工业机器人分拣系统。运用经典的SIFT算法对分拣对象的图片信息进行处理,克服了光照和位置变化对视觉系统造成的不良影响,提高分拣了效率。结果 ABB并联机器人根据图像信息能识别出待分拣的物体,且工作稳定、可靠,分拣成功率为100%。结论该分拣系统软硬件设计合理,满足了电池生产企业的要求。     

基于机器视觉技术的瓶盖划痕检测

目的 针对当前国内瓶盖划痕检测算法在较复杂背景条件下,存在精度不高、瓶盖划痕图像灰度值变化剧烈,且影响因素较多,无法准确定位检测的问题,提出一种基于机器视觉技术的瓶盖划痕检测方案,以实现在对比度较低的背景下对细微划痕快速准确的检测。方法 对标准图像作预处理创建模板,对样本图像进行滤波降噪、基于形状的模板匹配、提取感兴趣区域（ROI）、高斯差分滤波增强划痕拉开对比度、二维Otsu阈值分割、形态学处理、特征提取划痕。通过获取300幅瓶盖表面图像,与差影法、大津法、人工检测法进行了划痕检测对比实验。结果 实验结果表明,提出的算法能快速、准确、高效地提取瓶盖划痕,检测1幅图片的平均时间为113 ms,检测准确率为98.3%。结论 该方案与人工检测、差影法、大津法相比,检测精度更高、速度更快、鲁棒性更好,可以满足工业上的生产需求。     

基于机器视觉的药物自动识别技术

目的 基于机器视觉技术对药物图像的识别进行研究,寻找药物识别过程中更优的算法及识别过程中适宜的外部条件。方法 通过理论分析结合HALCON软件对药物识别的问题进行一系列实验,分析照明系统和图像处理算法对识别结果的影响。结果 研究表明,在成功识别的基础上,识别难度与工作环境有明显的关联,各种处理算法、目标阈值、系统复杂性均可以对识别结果产生明显的影响。结论 改进的中值滤波算法与普通的中值滤波算法相比,处理结果得到明显的改善。通过调整外部光源以及背景参照,均对提高处理质量有明显的帮助,通过RGB与HSV阈值处理算法等相关算法的合理结合,系统的识别结果得到明显提高。研究结果可以为药物装配及相关的产业智能化提供重要参考。     

基于机器视觉的改进线束导线排序检测系统设计

目的 解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法 基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R−CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果 实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论 改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。