基于机器视觉的芯片编号识别算法

针对芯片检测过程中芯片编号形状小、人眼无法识别的现状,开发了一套芯片编号识别系统。系统以机器视觉技术为基础,配备高分辨率Basler相机、高倍率镜头以及高性能点光源,能实现高分辨率图像采集;利用Hough直线检测对图像进行水平旋转,利用图像轮廓查找算法对兴趣区域进行提取分割,利用帧差法对兴趣区域与标准库进行比较,找到最匹配的图像,其标签为识别结果。实验结果表明,运用系统的图像处理算法可以代替人眼通过高倍放大镜识别,改进了芯片检测工艺,大大提高了芯片检测的效率。     

基于机器视觉的轴承识别与定位算法研究

针对运用视觉技术对轴承进行质量检测与尺寸测量时,能够准确地识别定位到目标轴承,提出一种基于机器视觉的轴承识别与定位算法。通过对采集到的轴承图像进行预处理,分割出目标图像并提取图像的外轮廓边缘特征;设置轴承的模板图像,结合图像的Hu不变矩特征对轴承进行识别匹配;通过最小二乘法对图像边缘点进行圆拟合并采用迭代法进行修正,通过计算圆心的位置坐标,实现对轴承的定位。实验结果为：轴承的识别匹配度在0～0.03之间,定位误差在0.5像素以内,满足系统对轴承的识别定位精度要求。     

基于机器视觉的Delta机器人目标识别算法研究

传统机器视觉目标识别算法中的目标物与背景不精确分割会导致定位不准确,并影响并联机器人工作时的抓取精确度。为此,提出一种基于ORB特征提取算法与Onecut分割算法结合的目标提取算法,对Delta机器人进行系统标定,确定了工业相机、机器人及传送带的位置转换关系。将ORB特征提取算法与Onecut算法相结合,实现了Onecut免交互分割以及对目标进行识别和定位。实验结果表明,此算法的定位精度达到并联机器人的抓取要求。     

基于机器视觉的电厂数字仪表识别算法研究

数字仪表读数识别技术被广泛应用在电厂中,但是电厂中复杂环境为仪表读数获取带来了很大困难。为了解决光照不均、仪表倾斜、尺度变化、图像模糊、预处理繁复等问题,本文设计了一种基于深度学习的电厂数字仪表识别算法。在YOLOv5模型上加入CBAM注意力模块加强特征提取,同时为了强化利用底层特征,使用BiFPN结构代替PANet结构。实验表明,本文提出的改进YOLOv5在实际电厂现场95%以上准确率,对小数点也敏感,成功应用于现场生产环境中。     

基于机器视觉系统的颜色识别

应用NI公司应用程序开发平台labVIEW,通过编写程序建立虚拟仪器系统并组建简单的外部硬件设备系统,实现了对图像的采集和处理,可以识别出不同颜色的物体,以及计算出该物体的面积,中心坐标等物理参数。我们可以利用这些参数作为下位机的控制信号,为后续物体的筛选和分级做好准备。经实验证明,采用该机器视觉技术是能准确实现番茄色选的,并得到番茄的物理参数,为后续系统开发研究提供了重要依据,也为机器视觉技术的广泛工程应用提供了重要理论支持。     

基于机器视觉的汽车牌照识别

以汽车牌照的识别为例,具体研究了车牌自动识别的原理.整个处理过程分为预处理、边缘提取、车牌定位、字符分割和字符识别五大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照.在研究的同时对其中出现的问题进行了具体分析和处理.寻找出对于具体的汽车牌照识别过程的最好的方法.     

基于车牌号码识别的机器视觉系统设计

文章主要从机器视觉的历史和系统设计要点着手,通过对现有图像处理技术进行学习应用,基于halcon软件分析图像信息,设计出一款机器视觉系统,用于检测识别车牌号码。     

基于机器视觉的菌落计数算法研究

针对菌落人工计数的不确定性、效率低等问题,对工业相机、图像处理、特征对比以及计数算法等展开研究。提出了一种基于机器视觉的菌落计数算法。首先搭建一套图像采集系统获取菌落图像,然后利用灰度处理、中值滤波、边缘检测连接、阈值分割、粘连分割、边缘剔除等一系列图像处理方法对菌落图像进行处理,得到菌落的二值化图像,最后根据连通域计数法完成菌落计数,实现客观、快速的菌落计数。通过与人工计数误差对比,计数精度达到了90%,满足了菌落计数的要求。     

基于机器视觉技术的社保卡汉字识别研究

为解决社保卡制卡公司通过人工检测卡片信息效率低的问题,采用了HALCON软件图像处理的方法:首先本地读取社保卡图像,然后利用HALCON平台提供算子对图像进行预处理、图像分割和光学字符识别等步骤,从而识别出社保卡卡面的汉字信息。研究表明,基于HALCON的方法能快速准确地识别出社保卡上的汉字,有效地减少了工作人员的工作量,提高了生产效率,实现了预期目标。     

基于机器视觉的元件角度偏移算法研究

为了能为位置控制提供精确的补偿数据,使贴片元件能够更准确地贴装在PCB板上,需对视觉系统中元件检测摄像机拍下的元件图像进行图像预处理得到偏移的角度。实现方法是：先对图像进行增强、阈值分割、边缘检测及用八邻域法提取部分边界,然后利用最小二乘法线性拟合原理对提取的边界进行直线拟合得到斜率,进而得到贴片元件偏转的角度。     

基于机器视觉的车道线检测算法研究

当前随着汽车数量的增多,导致交通事故频繁发生,高级驾驶辅助系统（ADAS）应运而生,其中车道线检测是ADAS中的重要环节。传统的检测方法是先划定一个固定感兴趣区域（ROI）,然后再检测车道线,但这种方法对于一些情况比较复杂的路段检测准确率并不高,因此提出了一种根据前后帧车道线ROI和模板来检测车道线的方法。首先利用Hough变换检测出第一帧图像的车道线,并提取车道线ROI以及对应模板;然后从第二帧开始每一帧图像都利用从上一帧图像中提取的车道线ROI和模板来检测当前帧的车道线,当前帧检测完毕后提取新的ROI和模板传给下一帧继续检测,直至各帧图像都检测完毕为止。在Matlab平台中针对采集的车道线视频用这种方法进行了测试,实验证明,这种方法的检测准确率达到了95.22%,实时性很强,具有一定的可行性。     

基于机器视觉的毛坯件磨削轨迹识别研究

针对当前不规则曲线型磨削轨迹提取效率低的问题,以某型号汽车刹车片支架毛坯件为研究对象,对其磨削轨迹的提取进行研究。首先建立摄像机标定模型,用Matlab相机标定工具箱进行相机标定实验,得到相机内外参数;然后用工业CMOS相机对毛坯件进行图像采集,用Matlab软件进行图像处理,得到毛坯件的磨削边缘;利用等弦高误差法对其进行离散化,得到若干离散点的在图像坐标系下的坐标;最后根据相机内外参数及坐标系间的变换关系进行坐标变换,得到离散点在世界坐标系下的坐标,并对其进行三次样条插值与拟合。拟合得到的磨削边缘效果良好,对进一步实现机器人磨削具有重要意义。     

基于机器视觉和神经网络的低质量文本识别研究

针对流水线产品上的文本图片含有较多噪声和缺陷,造成机器视觉产品中字符识别准确率低,鲁棒性差的问题,对文本识别中的图像预处理、字符切分和归一化、字符识别等方面进行了研究,采用机器视觉技术中基于仿射变换的预处理方法对文本图片进行了倾斜校正,保证了后续字符的精确切分;提出了一种基于改进的BP神经网络算法,显著提高了字符识别的准确率和鲁棒性,利用附加动量法和自适应学习速率方法,避免了传统BP神经网络训练过程中易陷入局部极小值的情况,并提高了神经网络模型的收敛速度。研究结果表明:该方法能使倾斜的图片得到有效校正,神经网络模型的训练效率得到有效提高,且在含有噪声和缺陷的字符图片中仍能保持较高的识别率和鲁棒性。     

基于机器视觉的轮廓度检测算法研究

提出一种基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以检测任意形状的玻璃、塑料或金属薄片产品的轮廓度在加工时所产生的误差。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算对应点之间的距离作为轮廓度误差。     

基于机器视觉的FPC角度定位算法的研究

自动上料设备在柔板的加工工艺中起着极为重要的作用,由于柔板的特性和加工工艺要求,基于视觉定位的自动上料设备成为了主流,而视觉定位中,主要任务是获得工件相对于标准位置的偏移量以及偏转角度,其中偏转角度对精度的影响很大,成为定位研究的难点和关键点。在对上料过程中定位的重要性论述后,重点分析推导了角度定位算法,为以后的工程应用奠定了理论基础。     

基于Blob算法的机器视觉图像识别方法的研究

本文介绍了Blob算法实现机器视觉图像识别的方法,在此基础上提出识别规则物体的方法,利用不变矩、图形的面积和周长的比值来识别物体的形状,从而识别出规定形状的物体。     

基于机器视觉二维码识别的工件仓储系统分析

传统制造业智能化改造升级过程中,仓储的智能化是其中重要的一个环节。文中分析研究一种利用机器视觉识别工件物料二维码信息实现智能仓储控制系统。本系统以欧姆龙FH控制器、工业相机、ABB IRB120型工业机器人、PLC立体仓库单元为硬件组成基础,工业相机完成工件二维码图像的摄取,该图像经欧姆龙FH控制器的识别处理得到工件编号,欧姆龙视觉处理系统将工件编号的数据信息发送到工业机器人,由工业机器人根据工件编号完成工件放置工作,从而实现仓储的智能化。     

基于机器视觉的车道线检测算法

针对智能车辆视觉导航系统中的车道保持问题,采用图像处理技术检测结构化道路上的车道线,详细介绍了感兴趣的选取,通过对图像进行边缘检测,再结合Hough变换技术检测当前车道线,结果表明,用结合边缘检测和Hough变换来检测车道线,具有很强的鲁棒性和抗干扰性。     

基于机器视觉的葡萄树枝骨架提取算法研究

针对葡萄树枝上各个芽的粗细不均匀、形状不规则造成芽点位置难以检测的问题,将骨架提取方法应用到葡萄树特征检测中.在室内环境下采集了葡萄树枝彩色图像,选择对比度较明显的B分量图像进行了预处理.通过均值滤波,消除了噪声;通过阈值分割,去除了铁丝和阴影,并获取了葡萄树枝二值图像.在此基础上,分别采用形态学细化、Zhang细化、Rosenfeld细化算法提取了二值图像中葡萄树枝的骨架,并对比分析了处理结果.研究结果表明,Rosenfeld细化算法能够较好地维持骨架的连通性、中心性,所提取的葡萄树枝骨架最贴近原形状,为进一步检测葡萄树枝的芽点奠定了基础.