基于机器视觉的轴承转速测量方法

传统轴承测速设备占用空间大,需要附加装置。为了克服传统方法的局限性,更方便、快速地测出轴承的转动速度,提高检测效率,文章提出基于机器视觉技术对轴承进行转速测量的方法,可以实时准确地测出轴承的转速和接触角。利用CCD摄像机对转动的轴承采集视频,对获取的图像进行处理,提取特征点,计算轴承转动中特征点所在直线的倾斜角,利用帧间差分法对目标进行检测,可求得轴承的转动速度,进而可得到轴承保持架接触角信息。该方法可实时在线检测轴承转速和接触角,满足测量的需要,有较高的精度和可行性。     

基于机器视觉的非接触式马体尺测量方法

目前马体尺测量方法是直接接触测量,此方法不仅耗费大量的人力、财力,而且操作步骤繁琐。本文首先总结归纳测量马体体尺的方法,其次对这些年来已有的畜牧体尺测量方法进行综述,阐述马体体尺测量方法的主要内容,并对马体体尺测量方法进行展望。本文对10匹不同年龄的雌性马图像进行灰度化、去噪、阈值化分割、提取轮廓等图像预处理,进行图像角点检测,标识出轮廓边缘的所有交点,再利用像素遍历识别出马体的关键点,如肩甲点、前脚点、胸骨前缘点、臀部点、臀部最高点等;同时运用海伦秦九韶公式和几何关系计算方法,计算出马体的体高、体长等数据。通过运用此方法测量得出,马体体长平均相对误差为3.97％,马体体高平均相对误差为4.45％。此方法为马体体尺研究者提供了科学的研究依据。     

基于机器视觉的材料力学性能全场测量方法

随着机器视觉测量技术的不断发展，在材料力学性能测量方面，机器视觉领域内的多种方法均表现出很好的应用效果。叙述了机器视觉技术在力学性能中全场光学测量方法，着重介绍了基于机器视觉的视频引伸计、数字图像相关和散斑干涉等技术进展及应用。对机器视觉在力学性能全场测量的技术研究与应用进行了总结，并展望了未来的发展趋势。     

基于机器视觉的温度测量系统的设计及应用

针对温度控制中常用的基于铂电阻的温度采集电路设计复杂,抗干扰能力弱,铂电阻线性拟合繁琐,难以实现对温度的高精度测量等不足,本文介绍一个在VC++6.0平台上设计的基于机器视觉,自动读取水银温度计示数的温度测量系统。通过有效的图像处理算法,温度测量系统分辨率达到0.01℃,读数准确,工作可靠。该温度测量系统在研究大滞后大惯性温度控制实验中得到了成功的应用。     

基于机器视觉的锥螺纹参数测量方法

为解决机器视觉实现工件几何参数测量存在测量精度不高,和其对几何形状复杂的锥螺纹参数测量很难达到精度要求这一问题,在分析机器视觉方法测量精度不高的原因的基础上,提出粗、精结合的定位和尺寸测量方法,构建了一种结合高精度的图像传感器和高精度光栅尺的锥螺纹测量几何参数测量系统;高精度光栅保证了螺纹螺旋线和锥度参数的测量准确性,高分辨率的图像传感器和一定倍率的放大镜头保证了螺纹牙形参数的测量精度;构建的测量仪易于实现锥螺纹多参数测量需要,能满足较高精度的螺纹参数测量要求。     

基于机器视觉的弹壳多尺寸测量

考虑弹壳产品的多尺寸检测是制约弹壳生产效率提高的主要因素,引入机器视觉技术建立一个弹壳的多尺寸测量系统,通过对弹壳产品的正、侧图像采集、利用灰度矩边缘检测对图像处理分析、采用Hough变换检测直线、进而计算测量相关尺寸等环节,实现对弹壳产品多个尺寸的非接触精密检测。对一组合格产品的七个尺寸检测实验表明:基于机器视觉的弹壳多尺寸测量系统,可以实现对弹壳多个尺寸的快速精确检测,具有良好的应用前景。     

基于机器视觉的锯条自动化装盒系统设计

以VS2010为软件平台,以Staubli TP80机器人,康耐视摄像机和传送带为硬件基础,对锯条进行识别,定位和动态抓取,搭建了一个基于机器视觉的工业机器人智能抓取系统,其中Staubli-TP80机器人为操作手臂,利用康耐视摄像机和工控机搭建视觉检测平台,通过抓取系统的参数化建模实现图像坐标到机器人坐标的转换,利用OpenCV函数库实现锯条的图像处理和模式匹配,最后控制机器人对动态目标进行抓取。     

基于机器视觉的矿物浮选pH软测量方法

针对泡沫浮选过程中人工检测矿浆pH值严重滞后以及pH检测仪电极容易积垢导致测量不准等问题,提出基于机器视觉的浮选矿浆pH软测量方法。确定了与矿浆pH值最相关的图像特征泡沫颜色、尺寸和流速;采用减法聚类确定模糊系统的初始结构,并选择变尺度分级混沌方法优化隶属函数和输出权值,最终建立模糊神经网络pH软测量模型。工业实践证明应用该模型在线检测浮选矿浆pH值的可行性。     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的交叉口特种车辆快速通行技术研究

交叉口是道路网络中重要的交通节点,容易产生交通堵塞问题,为了在保证通行安全的情况下提高特种车辆的通行效率,研究基于机器视觉的交叉口特种车辆快速通行技术。优化通行基础采用图像采集及预处理、检测识别和通行控制作为技术框架结构,利用机器视觉技术采集交叉口实时交通图像,通过图像滤波、图像增强等步骤,实现初始图像的预处理。利用Car-YOLO网络识别交叉口通行能力,规划快速通行路线,考虑前车行驶状态,求解特种车辆通行速度,针对车辆所占车道,通过绿灯早启、绿灯周期时间延长等方式控制交叉口信号灯,实现交叉口特种车辆快速通行。实验结果表明:在拥堵和正常通行场景下,优化设计技术的特种车辆通过时间的平均值分别为18.2s、10.1s,事故发生概率分别低于2%、1.4%,具有较好的应用效果。     

基于计算机视觉的飞行器姿态快速估计方法

对无人飞行器编队中,队形保持阶段的飞行器姿态估计问题,进行了探索研究和仿真分析;基于计算机视觉中的弱透视投影理论,提出了一种快速的飞行器相对姿态估计方法;利用机载摄像头获得飞行器图像,提取、匹配飞行器图像的三个特征点,用图像中第四点决定姿态变化的方向,实现相对姿态的估计;通过仿真实验分析表明,提出的方法不依赖于特定的飞行器模型,不需要飞行器正面视图;且方法运算快速,计算简单,准确性较高,可以用于飞行器实时姿态估计。     

基于LabVIEW机器视觉的餐具分拣系统

随着国内工业机器人行业的高速发展,智能装备也开始应用于工程实践项目中。机器视觉作为机器人的眼睛,近年来取得了令人瞩目的发展,正广泛地应用于各种工况监视、成品检验和质量控制领域。系统主要以碗碟餐具的分拣作为研究对象,采用美国NI公司开发的LabVIEW软件作为开发环境,通过调用视觉开发工具包IMAQ Vision及Vision Assistant丰富的专业化控件和函数库,针对碗碟分类的特殊条件,设计出一套方便易用,且同时集成 图像采集、图像处理、视觉检测、决策判断的完整的机器视觉应用系统。基于LabVIEW的机器视觉系统的应用实现了碗碟分拣,解决了实际应用中的一些问题,为进一步的研究开发奠定了较好的基础。该系统的设计大大提高了餐具分类的准确率与效率。     

基于机器视觉的机械手装配系统设计

为了解决工业生产过程中料板的自动装配问题,提出了一种基于机器视觉的机械手定位装配检测系统,建立了实验平台。系统通过工业相机对料盘进行图像采集,将所采集的信息传送给工控机,借助图像处理程序,采用图像预处理实现了对图像的降噪,结合BLOB分析对图像特征进行了提取,获得了料盘上装配孔的位置信息,通过控制机械手动作,移动到装配位置,旋转相应角度,实现料板的自动定位装配。实验结果表明,该系统装配准确度高,误差小,满足了工业上的要求。     

基于机器视觉的液晶屏Mura缺陷检测方法

通过分析液晶屏中缺陷检测的必要性和人工检测的不足,研究一种基于机器视觉的液晶屏Mura缺陷在线检测系统。针对液晶屏中的Mura缺陷区域和周围背景对比度低、边缘模糊、形状各异、整体亮度不均等特点,建立模拟人工检测的成像系统。提出单帧图像背景建模和背景差分方法,该方法能有效解决液晶屏的亮度不均问题,同时增强Mura缺陷的特征信息。然后基于最大稳定极值区域(Maximally Stable Extremal Region,MSER),提出Mura缺陷自适应阈值缺陷分割方法,建立一个全自动缺陷在线检测的视觉系统。实验结果表明,所提检测算法能很好地解决液晶屏亮度不均的问题,准确地对Mura缺陷进行分割定位,算法的鲁棒性好。并且该系统人工干预少,效率高,能实现在线自动检测。     

基于机器视觉的织物经线偏移检测方法

针对我国印染行业一直以来人工扒幅退捻,工效低,劳动强度大的难题,提出了基于机器视觉的经线偏移的检测方法,大大提高退捻效率与精度.利用CCD摄像机获取织物的图像,对获取的图像进行Blob分析,分析的主要流程包括:图像的提取,分割图像(初始分割、形态学处理等),特征提取.通过实验表明,该方法可以检测出经线的偏移的角度,且有很高精度,可用于立式退捻开幅机.     

一种基于视觉和CMM的智能检测方法的研究

从多传感器信息融合的原理出发,提出了一种基于＂两步定位＂的工件智能检测方法.第1步利用视觉转动惯量法对任意放置在CMM工作台上的工件状态进行定位和定向;第2步利用测量离散点和其在模型上投影点之间的关系,采用伪逆算法原理,通过伪矩阵构造和点匹配两个过程的反复迭代,求取工件坐标系和设计（CAD）坐标系之间准确的转换关系.该算法具有快速性和鲁棒性.     

基于机器视觉的停车位检测技术的研究

文章提出了一种基于机器视觉技术的停车位状态检测方法;为了能在嵌入式系统上实现基于机器视觉的停车位状态检测,首先通过定制停车位区域,并在定制的区域内按照某种规则自动生成采样点,极大地减少了图像处理的计算资源和存储资源;其次,根据车辆驶入停车位时引起相关采样点灰度值发生变化情况进行停车位检测;最后,采用以空间高度来定制虚拟停车位,解决了相邻车位的车辆遮挡问题,通过形状匹配等算法排除路面上异常物体等各种干扰;实验结果表明,该方法不仅具有很高的检测精度和实时性,还具有较好的鲁棒性。