基于机器视觉的水表小流量检定方法研究

针对目前水表小流量检定时间长,人工读数不准确等原因,提出了一种基于机器视觉的水表小流量检定方法.通过工业相机以自适应的采样频率采集水表梅花转子图像,利用图像叠加原理,以检定开始时转子图像为背景,相机后续获取每一帧图像在此背景上作叠加处理.根据转子转动过程中图像叠加后的明暗占比大小的变化规律对其转动齿数进行计数,用双计时...     

基于机器视觉技术的水表新型检定方法

将机器视觉技术应用到水表检定系统中,通过固定在被检水表上方的高速高分辨率摄像机,动态获取运行中的水表图像,用颜色特征和背景高斯拟合建模结合的算法实现水表指针的准确定位,将图像实时转换成数字读数,并解决水珠、气泡等对读数干扰的问题,实现水表高效率全自动检定。     

基于机器视觉的指针式压力表智能检定系统研究

针对传统的指针式压力表检定装置工作效率低、数据无法保存追溯等问题,设计了一种基于机器视觉技术的指针式压力表智能化检定系统。首先介绍了系统的硬件架构与软件设计,然后对其图像解析的技术原理与解决方案进行了阐述,同时提出了系统的智能控制流程与检定数据的追溯复核方法,实现了2～10块相同检定点的压力表同时进行计量检定的技术方案。实测结果表明,系统图像解析平均速度为467 ms/帧,检定效率较人工检定可提升2倍以上;对于量程2.5 MPa的0.4级精密压力表和1.6级一般压力表,系统读数相对误差分别为0.08%、0.2%。     

基于机器视觉检测技术的钢卷尺全自动检定装置

介绍了一套基于机器视觉检测技术的钢卷尺全自动检定装置,将机电伺服系统的快慢速自动送尺带技术与机器视觉自动瞄准技术相结合,实现自动送带、定位、加载、动态自动瞄准读数和数据的自动处理及存储.     

基于机器视觉技术的气体检测报警器检定装置的研究

本文描述了将机器视觉技术应用于一氧化碳气体检测报警器检定装置的设计原理及研发重点;论述了该技术应用后对检定过程的技术提升,并通过该技术在一氧化碳气体检测报警器检定过程中有效应用的尝试,探索该技术在计量领域更广泛的应用。     

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。     

基于机器视觉的贴片电阻封装排序方法

目的研究基于机器视觉的贴片电阻封装排序方法,确保贴片电阻的封装效率,减少人力成本。方法基于模板匹配设计一种贴片电阻的相对方向识别方法,并简单介绍检测系统的整体框架。识别方法主要分为3步,截取模板并进行模板匹配;记录匹配区域的匹配度及匹配区域的像素坐标信息;利用匹配度和坐标信息得出贴片电阻的相对方向。结果文中验证了在不同光源下的识别率。当光源强度为18 V时,识别率最高,达到99.9%,处理时间约为130 ms。结论基于机器视觉的贴片电阻封装排序方法能够满足工业生产的准确性和实时性要求。     

基于计算机视觉的防护眼镜视野测量方法

针对目前防护眼镜视野测量的单一性和低效性,提出一种基于计算机视觉的防护眼镜视野测量方法,建立了实验测量系统;利用标准头模和光纤光源模拟人眼直视前方时的视野区域,通过比较佩戴眼镜前后的视野投影区域的变化,快速判定眼镜的视野是否合格;以待测眼镜投影图为分析对象,聚类提取并保存眼镜轮廓信息,再根据人眼视觉特征,实现对眼镜视野的计算。实验结果表明:与传统检测方法相比,此方法具有检测速度快、智能化等特点,对一副眼镜视野的合格检测仅需10 s;并对测量系统进行了误差分析,最终得到扩展不确定度U=0.8(k=2),能满足防护眼镜视野检测的实际需要。     

智能内窥镜视觉导航技术研究

在研究内窥镜导航的基础上,提出了基于计算机视觉的内窥镜导航技术,该技术采用了一种自适应阈值图像分割加速算法的寻径方法,并通过三维映射计算内窥镜头部偏摆角度。该方法具有较高的准确性和稳定性,在精度和速度上基本满足内窥镜导航的要求。     

立体视觉技术的应用与发展

对双目视觉的理论基础、基本原理及其核心技术-立体匹配技术进行了系统的研究与总结,简要介绍了双目视觉技术在DARPA2005挑战赛、美国勇气与机遇号火星车及上海航天局805所研制的攻关样机MR-3上的应用,最后根据目前立体视觉的发展现状和存在的问题提出今后的发展方向。     

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。     

利用计算机视觉系统，实现指针表和无接口数字表的自动化检定

介绍了一类没有计算机输入输出接口计量仪表的自动化检定方法,它们的代表者是指针表和无接口数字表。介绍了利用计算机视觉系统来实现指针表指示图像自动识别的关键问题,并进而通过与GPIB接口相连的检定系统实现标准器输出值的自动采集、结果判断、数据存储等工作,提高了检定工作的准确度,减少了检定员的工作强度。