基于机器视觉的大尺寸零件测量方法研究综述

随着工业化水平的不断提高,基于机器视觉的大尺寸零件测量技术成为研究的热点。首先阐述了机器视觉测量技术的研究背景以及国内外研究现状,指出目前视觉测量研究的难点,提倡通过研究图像处理算法来提高测量精度和效率。其次,对视觉测量中广泛运用的边缘检测技术进行了调研分析,其主要采用粗精定位相结合的边缘检测算法,并重点分析了精确边缘定位中的亚像素边缘检测算法。接着,对大尺寸零件测量中所用到的图像拼接技术进行了调研分析,该技术所应用的图像配准主要基于区域和特征两类方法,并分析了两类方法的优势与不足。最后,总结了大尺寸零件测量方法的特点与局限性,并指出未来进一步探索的方向。     

基于机器视觉的喷嘴外形关键尺寸检测系统

喷水织机中喷嘴的外形尺寸对织机的运行起到至关重要的作用,为了高效地进行织机喷嘴外形尺寸参数的高精度检测,设计了一种基于机器视觉的喷嘴外形尺寸检测系统。该系统利用步进电机控制喷嘴旋转,通过CCD相机多角度采集喷嘴图像,通过亚像素边缘检测方法得到喷嘴的外轮廓边缘,再对边缘进行直线拟合,最后计算得出喷嘴的直径、锥度和倾斜角等参数。实验结果表明,该系统直径测量相对误差小于1%,角度测量误差小于2′,采用多角度测量可以提高锥度和倾斜角的测量精度。该系统检测精度高,可以较好地满足实际生产应用的要求。     

基于机器视觉的汽车管件法兰尺寸检测系统

针对目前汽车管件法兰采用传统人工抽检测量时存在效率低、误检率高等问题，开发基于机器视觉的汽车管件法兰尺寸检测系统，提高检测效率与测量精度。使用HALCON软件对相机进行标定，采用中值滤波对待测图像进行去噪处理，然后采用灰度化进行图像增强，完成图像预处理，利用Canny算子对图像进行亚像素边缘检测后，使用最小二乘法对提取的亚像素边缘信息进行拟合得到连续的孔径轮廓，获得法兰端面尺寸，再通过HALCON与C#联合编程显示测量结果，最后与影像测量仪的测量结果进行对比分析。实验结果表明：该检测系统的测量精度可达0.08 mm,满足测量精度要求；法兰检测时间为1.2 s,与传统人工检测相比，检测效率提高70%,可应用于实际生产现场。     

基于机器视觉的工件尺寸测量研究

针对工件尺寸测量问题,大部分都是使用人工的方式去测量工件的尺寸,不仅劳动强度大,而且还容易出现错误。为了避免此类情况的发生,设计了机器视觉技术对工件进行尺寸测量。在此,文章利用HALCON图像处理软件对工件进行高度测量,采用双目相机对工件进行图像采集,分析了双目立体视觉的工作原理并对相机进行了标定,提出了一种提取鞍点法来对工件进行定位,并且利用求平面向量来确定工件高度尺寸的方法,结果成功测出了工件的高度尺寸为50.3mm。实验结果表明：经过一系列的双目立体视觉处理手段,最终可以求出工件的高度尺寸,不仅提高了效率,而且在自动化生产方面具有较大实用价值。     

基于机器视觉的化成箔缺陷在线检测系统设计

针对目前化成箔缺陷检测效率低、劳动强度大、检测精度差等问题设计了基于机器视觉的化成箔缺陷在线检测系统。本系统针对图像对比度较低的化成箔,根据不同类型缺陷所需的不同条件光照效果,采用了特定的光源光照方式,使用高性能(CCD)工业相机实时自动获取化成箔的图像,以 OPENCV处理函数库为基础,采用 VS2008平台编写可视化操作界面,结合后续处理算法对化成箔的各种缺陷进行检测。后续图像处理部分,运用 CLAHE 与 Niblack局部自适应二值化相结合的方法,配合Blob分析较为准确地实现了缺陷区域分离算法;运用霍夫变换与掩膜相结合的方法实现了边缘区域背景去除算法。经过在化成箔生产线上的大量实验结果表明,该系统能准确地完成缺陷的在线检测。     

基于机器视觉的图像边缘检测算法研究

提出机器视觉的方式弥补传统缺陷检测的弊端。针对目标图像模糊退化,采用中值滤波技术降噪的同时保护边缘信息;采用大津法算法进行阈值搜索;并进行直方图均衡化调整图像对比度。采用改进的Canny算子对传送带撕裂进行边缘识别提取,增加裂纹目标的可识别性。构建改进的T2FNN样本训练模型,将传送带裂纹图像的特征参数输入训练模型中,在隶属层输出模糊化的输入节点,最后通过输出层提供输入节点到输出的映射。通过验证对图像检测得到的数据结果,发现基于机器视觉基础的Canny算法在各种环境下对传送带撕裂的图像有更好的边缘检测效果,能更精准的做出判断,发出警报。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

机器视觉空瓶检测案例设计

文章以机器视觉在啤酒空瓶检测系统中的应用为例,介绍了基于PC的机器视觉系统的组成,及各主要组成部分的功能、特性和设计、选型原则。     

基于机器视觉的芯片偏移检测系统

针对矩阵式测试盘上芯片偏移检测问题,搭建一套基于机器视觉的芯片偏移检测系统,主要包括上下料流道、三维移动 平台和视觉检测模块。 检测系统以一标准样板为基准,构建模板匹配与仿射变换相结合的图像矫正算法,实现不同待测样本间 检测的通用性;以灰度梯度及梯度方向为依据,设计针对芯片区域的矩形测量算法;系统以芯片左上角和右下角点连线的中心 为基准点计算芯片偏移量。 实验结果表明,本系统针对芯片偏移检测的误差范围-2. 145~ 4. 257 μm,单片芯片偏移计算算法执 行的平均时间为 72. 56 ms,检测轴运行速度为 20 mm/ s,对行列数为 5×12 的矩阵式测试盘上芯片的平均检测时间为 64. 5 s/ 盘,可满足实际加工过程的需求;使用测量系统分析(MSA)中的偏倚与线性度分析方法对本系统的准确性进行评估,结果表明 系统的偏倚和线性均满足生产需求。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉的水表机芯灵敏度检测

为了解决人工检测水表机芯灵敏度存在效率低、精度差等问题,开发了一套基于机器视觉的水表机芯灵敏度检测系统.设计了一种基于指针通气前后转动角度差的间接检测算法.利用最小二乘法求得初始轮廓圆心,以圆心的横坐标和纵坐标将指针轮廓分为4部分,计算每部分轮廓点到圆心距离的标准差,取标准差值最小部分作为轮廓集合来拟合出精确圆,实现指...     

基于支持向量机的规则零件检测技术研究

基于机器视觉的零件检测系统由于具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。采用基于支持向量机的分类识别算法,避免了神经网络算法中需要多样本和过度拟合的问题,通过对比分析选择合适于本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试,最后对采集到的缺陷零件样本进行了分类测试实验,达到预定的较高的检测精度。     

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.     

基于机器视觉的PCB板电解电容极性自动定位

现有电解电容极性检测通常分为内圆检测和极性检测两步流程。现有基于GHT的检测方法在内圆亮度非常接近外部时,无法准确定位内圆;基于滑动窗口平滑度的极性检测方法没有考虑极性区域亮度低、噪声大以及非极性区域存在高亮污染这三种情况,应用范围有限。针对现有方法不足,本文首先提出了基于超像素聚类分割的内圆检测方法,同时考虑了图像超像素间的亮度和位置关系,实现了对电解电容内圆的精确定位,算法稳定性能好,精度高。在内圆检测基础上,本文提出基于滑动窗口灰度均值和标准差峰谷值的电容极性检测方法,可实现复杂情况下的极性定位。相对现有算法,本文算法不依赖人工标记极性方向,可实现全自动化检测。目前该算法的测试准确率为98.6%,单张图像的平均检测时间为192ms±23ms,且已投入工厂使用,效果良好。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于机器视觉的钢轨圆孔动态测量方法

为动态检测铁轨上圆孔两侧尺寸是否合格,提出了一种基于机器视觉的圆孔动态测量方法。首先,通过工业相机动态采集圆孔图像并对图像预处理,其中,图像中外圆和内圆的半径分别对应圆孔两侧尺寸。其次,利用边缘检测和梯度法获取外圆的圆心与半径,在边缘检测时,采用记忆化搜索降低无关边缘的影响。然后在极坐标系下搜索外圆区域获取内圆轮廓点,并对其迭代拟合,最终得到内圆尺寸,实现了圆孔两侧尺寸的动态测量。经实验测试表明,这种方法测量精度高,光照度为2000 lx时,圆孔两侧尺寸测量误差均小于1个像素。