基于YOLO v5算法的板材质量视觉检测技术研究

对于家具板件自动化生产,快速、准确的板件质量检测系统是不可或缺的.以YOLO v5算法为基础对计算机辅助检查板件质量技术进行了研究.在机器学习算法的基础上,结合运动目标捕捉算法作为辅助检测方法,实现板件的识别和定位,然后通过OpenCV中的图像处理和轮廓识别方法来实现板件尺寸测量.该算法的板件识别率达98.33％,识别...     

基于机器视觉技术的织物瑕疵实时检测系统研究

胚布瑕疵率是布匹质量的关键评价指标之一,及时地检测出胚布生产中出现的瑕疵并告警,可以有效地提高胚布生产质量。针对这种需求,设计了一种胚布瑕疵检测算法（YULU算法）,以低配置的工业计算系统为计算平台,利用外置工业相机为实时采集图像,基于YOLOv3-Tiny算法进行适应性改进,减少了主干网络层数,减轻了计算负担。实验结果表明,YULU算法能够在低成本、计算资源受限的条件下,检测精度与标准YOLOv3-Tiny的指标相当、检测频率与图像采集频率相当,实现了高精度、实时性、低成本的胚布瑕疵检测。     

基于机器视觉的缺陷在线检测系统的研究

本文研究了基于机器视觉玻璃表面缺陷检测方法与原理。在玻璃的生产过程中对玻璃进行图像采集,通过对图像的处理,对玻璃中存在的缺陷进行有效的处理,本系统在缺陷的提取上与缺陷的识别分类上分别运用的是一种改进的动态阈值算法与一种改进的BP神经网络算法。研究结果表明,改进的两种算法简单、速度快、系统抗干扰能力强,在检测精度,效率和准确度上都有较大的提高。     

基于机器视觉的零部件的缺陷检测

汽车零部件在实际生产过程中,打磨、抛光等各种无法确定的因素会在零部件的表面留下缺陷,从而严重影响车辆的组装、制造,存在巨大的安全隐患,因此车辆零部件的缺陷检测十分重要.零部件缺陷检测已从传统的手工分类发展为基于机器视觉的方法.本文基于卷积神经网络对VGG16网络模型进行改进,提高了模型对汽车零部件缺陷的检测精度.首先,...     

基于机器视觉的粮食外观品质检测系统研究

粮食外观品质检测对提高我国粮食的市场竞争力具有重要意义。文章提出一种基于机器视觉与机器学习的方法对粮食外观进行品质检测与评级,并设计和开发了一种适合粮食外观品质抽检的装置。机器视觉部分采用NI-Vision实现相机自动控制、图像预处理、品种识别及形态学分析,涉及颜色、几何形态两个特征参数。机器学习部分采用逻辑回归对人工分拣样本进行监督学习,并将模型参数导入LabVIEW应用程序。LabVIEW应用程序采用状态机方式实现人机交互、数据报表及自动检测等功能。系统实测表明,对外观品质检测准确率>90%、粮食品种添加正常、报表清晰。     

基于YOLOv5网络模型的火焰检测

煤炭资源在开采的过程中会伴随着产生一种名为煤层气的产物,煤层气又称为瓦斯,若将瓦斯直接排放至大气中,则会造成严重的温室效应,研究发现瓦斯可以通过燃烧用来发电,但瓦斯在发电过程中遇到明火,则会发生爆炸,给工作人员及企业会造成不可估量的损失,因此检测瓦斯发电站内的火焰情况,成为了解决瓦斯发电站爆炸事故的重要目标.基于火焰识...     

基于机器视觉的药盒检测系统设计

随着信息化社会的快速发展,各行各业都在寻求与信息化接轨,医疗行业也在进行通过信息化实现智慧医疗。文章利用OpenCV软件库设计并实现基于机器视觉的药盒信息检测系统,以方便后续对检测的信息进行识别,来提高医院取药效率。     

基于机器视觉的人运动检测

以机器视觉技术研究了序列图像中人运动的分割和检测.运动检测过程采用了目标图像和背景图像相减的方法,对差分图像采用了最大熵的指数形式确定二值化的阈值,实验证明获得了良好的检测效果.     

基于机器视觉的医用塑料瓶瓶口检测系统研究

医用塑料瓶在生产过程中瓶口处会产生残次品,如豁口、瓶口过薄等.此类瑕疵药瓶,无法封口,影响药品密封性,危害药品使用者健康.目前众多企业仍然依靠人工检测,因瑕疵点并不明显,人工误检率高.为此设计了一套基于机器视觉的医用塑料瓶瓶口检测系统.一台高速工业相机,在流水线指定工位通过硬触发,由上至下,对塑料瓶顶部取相,根据图像特点设计算法,完成定位,分割,识别瑕疵点.经过实际生产测试,验证了此系统在精度和速度方面优于人工检测方式,满足企业的检测要求.     

采用神经网络算法的机器视觉成像器

长久以来,智能机器一直是人们梦寐以求的机器,如今,人们的幻想已成为现实。用机器视觉来识别图形不断变化的元件,这需要复杂的算法。神经网络能够模仿类似于人脑细胞的处理功能。由美国通用视觉公司和IBM公司发明的零指令集芯片使得Pulnix公司的ZiCam摄像机能够把图形分解成更小的组元,而神经网络中的分立神经细胞可独立地对这些组元进行建模。换句话说,一个神经细胞可接收有关物体形状的信息,而另一个神经细胞则可记录颜色信息。这些聚合数     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

基于改进YOLO v5s算法的光伏组件故障检测

针对无人机在光伏组件巡检任务中红外故障图像识别准确率低、检测速度慢的问题,提出一种特征增强的YOLO v5s故障检测算法。首先对损失函数进行优化,将原有的回归损失计算方法由GIOU(generalized intersection over union)改为功能更加强大的EIOU(efficient intersection over union)损失函数,并自适应调节置信度损失平衡系数,提升模型训练效果;随后,在每个检测层前分别添加InRe特征增强模块,通过丰富特征表达增强目标特征提取能力。最后,用创建的红外光伏数据集进行对比验证。实验结果表明：本文方法均值平均精度（mean average precision, mAP）为92.76%,检测速度（frame per second,FPS）达到42.37 FPS,其中热斑、组件脱落两种故障类型平均精度分别为94.85%、90.67%,完全能够满足无人机自动巡检的需求。     

基于机器视觉的电机端盖检测技术应用

随着技术的不断完善,机器视觉检测的可靠性也获得了认可,机器视觉技术的应用可有效提升生产效率和产品质量。本文以工业机器人应用编程“1+X”考核设备为基础,以电机模型为检测对象,利用Vision Master平台设计了电机端盖的检测方案。结果表明机器视觉技术在电机端盖检测项目中能够满足需要。     

基于机器视觉的PCB几何尺寸检测方法研究

提出基于位置关系提取和识别图形特征的算法进行印刷电路板(PCB)机械尺寸检测。挑选一幅符合标准的PCB图像作为标准图,在标准图中创建一个用来进行图像匹配的模板并且确定待测特征的测量区域、测量类型、标准尺寸和公差。采用模板匹配的方法定位PCB检测特征的测量区域,根据测量特征的种类,选择合适的方法进行图形特征的提取和识别,对比标准尺寸和公差,判断PCB是否合格。本文针对PCB的检测要求,提出了快速有效的自动化检测方法。