基于机器视觉的煤矸石检测研究

针对传统煤矸石分拣机器人对输送带上不同位置煤矸石感知能力不足的问题,提出使用单激发多盒探测器(SSD)机器视觉算法对煤矸石进行检测的方法,提高分拣机器人的感知与分拣性能。实验结果表明,基于SSD的煤矸石检测算法实时性优于Faster-RCNN检测算法,且具有更高的准确性,进一步促进了煤矸石分拣机器人的智能化。     

基于机器视觉的齿轮缺陷识别研究

利用机器视觉的相关理论和方法对CCD相机采集的齿轮图像进行数字图像处理,通过灰度转换、图像增强和阈值化获得了齿轮的标准二值化图像。再采用计算机数字图像算法实现了齿轮图像的定位与旋转,并合成了齿轮图像的标准模板,最后通过将每个待测齿轮与标准齿轮模板进行减影即可求出待测齿轮的缺陷,并获得相关的缺陷信息。     

基于机器视觉的AlexNet网络煤矸石检测系统

针对传统的煤矸石检测方式成本较高、识别准确率较低、适用性较差等不足,经分析实际检测要求,设计了一种基于机器视觉和AlexNet网络的煤矸石检测系统。该系统通过工业相机来采集传送带上煤矸石图像,利用直方图均衡化和二阶微分线性算子来加强图像对比度与锐化效果,并使用高斯滤波来抑制图像噪声,进而获取更具辨识度的图像,最终运用AlexNet网络实现煤矸石的识别与定位。结果表明,该系统识别准确率达到了95.90%,准确率较高,且实现过程较为简单,适用性良好。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。     

基于机器视觉的轴类零件识别

采用机器视觉手段进行轴类零件识别。通过采集待识别零件样本信息,利用MATLAB软件编程实现对样本的图像处理和轮廓提取,获得特征量信息。然后通过图像标定和亚像素最小二乘法进行直线拟合获得轴的边缘轨迹,完成轴的直径和同轴度识别。进行视觉识别结果和人工测量结果比较,结果表明,采用机器视觉进行轴类零件识别,相对误差为0.001,检测精度具有一定的可靠性,且检测速度快,便于实现批量化、在线实时检测,具有广阔的应用前景。     

基于机器视觉的矿石块度智能识别及应用

给矿粒度特性以及矿石可磨性对半自磨过程的影响远大于常规碎磨流程,通过对给矿皮带上矿石图像进行矿石粒度特性分析,可从给矿源头上实现矿石块度实时检测。基于多尺度的矿石图像分析系统,实时采集半自磨给矿矿石图像,通过图像处理技术,实现矿石块度有效分割以及粒级统计,为半自磨给矿矿石块度控制提供数据支撑。     

基于机器视觉的大块异物识别在线监测系统的应用

为实现对皮带煤流中大块异物的识别与预警,提出了一种基于机器视觉的大块异物识别方法,介绍了大块异物识别在线监测系统的整体架构以及图像处理算法框架与实现,并在高阳煤矿进行了实践应用。     

基于机器视觉识别技术的主煤流运输智能控制系统研究与设计

以煤矿运输系统地面集中控制为背景,结合基于多传感器融合技术的带式输送机载荷分布检测技术及故障预诊断技术,研究与设计了基于视觉识别技术的主煤流运输智能控制系统,介绍了该系统的设计背景,详细阐述了该系统的智能调速系统、违禁区域检测及报警、大块煤检测及报警、破碎机堵煤检测及报警、堆煤识别及报警、工作场所行为安全管理、GIS“一张图”方案、预警报警融合联动、智能电动纠偏系统设计等关键技术的设计;最后提出了视觉识别技术与地面集中控制PSI技术相结合的智能视频管控系统,并对该智能视频管控系统功能进行了介绍。     

基于机器视觉识别技术的煤矿带式输送自适应控制系统设计

针对目前井下带式输送机大多配置变频控制器,但许多变频器在运输过程中被设置在固定频率下运行,特别是较长距离、较大功率的带式输送机可能受到各种综合因素的影响,缺乏对整体运行状态的优化控制的问题,文章基于机器视觉识别技术和物联网传感技术,监测监控带式输送系统运输状态,利用具有人工智能功能的内嵌GPU摄像机和基于5G技术的CPE终端智能设备,通过视频识别技术分析,通过CPE智能终端设备控制带式输送的运行速度,优化带式输送机整体的运行状态,逐步实现对带式输送机传送的智能化控制,达到运行高效、节能环保、绿色开采的目的。     

基于机器视觉的轮齿缺陷检测研究

针对传统的人工检测齿轮缺陷方法效率低、精度不高的问题,提出采用机器视觉的方法对齿轮轮齿进行检测。提出了一种图像模板的制作方法,实现了对齿轮轮齿的分割。并针对单个轮齿的磨损检测问题,分别采用轮齿面积、轮齿周长作为判断单个轮齿磨损的依据。结果表明采用轮齿面积作为检测标准效果更好,能够满足轮齿缺陷检测的需要,此方法是可行的。     

基于机器视觉的零件尺寸检测的研究

利用机器视觉技术对圆形零部件直径测量的算法进行研究。在实验室自制的三自由度机器人试验平台上,通过机器视觉处理的3个阶段,各选择2种效果较好、适用性较强的图像处理算法,利用正交试验表得到4种算法组合,并分析得出一组测量精度较高的算法组合。所得的结果具有简单、容易实现及成本低的优点。该算法组合能够满足一般零部件的测量精度要求,实验结果表明其精度达到0.1 mm。     

基于机器视觉的运动目标检测方法研究

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于差分图像的列灰度均值分布的运动目标检测方法,该方法以自适应更新法建立背景模型,根据差分图像的列灰度均值分布图来实现差分图像的二值化及二值差分图像中阴影和噪声处理。实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。     

基于机器视觉的阴极铜表面质量检测系统研究

为了解决了目前人工对于阴极铜表面质量检测存在的问题,实现阴极铜的全自动化检测与筛选。本文将图像处理技术应用于阴极铜表面质量的检测。论文的研究方法如下:首先选择试验需要的硬件和软件,然后通过试验采集照片,通过系统获得数据,最后把实际测量的数据和系统数据对比,分析之后得出结论。表面检测系统的流程设置为:图像预处理、相机标定、立体较正、立体匹配、数据计算。应用的原理和方法是双目视差原理、三角测量法、逐渐像提取法、以及Sobel算子和BM算法。把检测系统计算出相关数据与试验实际测量得出的数据进行对比,发现两种数据差别极小,检测结果一致,验证了检测系统的正确性,说明该系统能够满足实际生产的需求。最终建立一套阴极铜表面质量检测系统,确立了系统的结构设计和位置安装。本系统解决了当前人工筛选存在的问题,实现了阴极铜的全自动化生产。     

基于RobotStudio的煤矸石视觉分拣系统仿真

为了提高视觉机器人系统在传统煤矸石分拣中的应用效率,提出一种基于RobotStudio的仿真方法,可以在离线状态下对不同的机器人运动算法、运行程序和执行轨迹进行仿真验证。结果表明,使用该仿真方法可以优化机器人运动节拍,减少现场调试作业时间,提高整体生产效率。     

基于机器视觉的矿用钢丝绳无损监测系统研究

鉴于现有矿用钢丝绳监测方法效率低、易误判等问题,将基于机器视觉的无损监测方法,应用于矿用钢丝绳无损监测系统,在不影响钢丝绳使用的情况下,测定钢丝绳的状态特性,并根据相关国家标准对钢丝绳的使用状况和剩余寿命做出评估,这种实时监测钢丝绳的方法,提高监测效果和效率,保障生产安全。实际使用表明,该系统功能完善、操作简便,并能根据设定的报警阈值进行分级报警,具有很强的实用价值和广阔的应用前景。     

基于机器视觉智能切割坡口的研究与应用

描述了免示教零件坡口切割中心先进的软硬件集成能力。切割方式可以采用火焰切割或等离子切割,满足碳钢板不同尺寸、不同精度的直线、弧线的无人化柔性加工作业。在硬件上,配置六轴机械臂、切割系统、打磨系统、自动进卸料系统和尺寸可定制的工作台;在软件上,搭载免编程工业软件和视觉算法系统,规划机器人的运动路径并实时纠偏,确保生产精度、自动化上下料及加工,有效提高切割效率和切割品质。快速响应生产制造节拍的同时满足小批量、多品种的坡口加工需求,有效实现了机器人在坡口切割领域的创新应用。     

基于机器视觉的输送带撕裂在线检测系统研究

针对电厂煤炭输送带运行过程中时常产生的撕裂或断裂问题,结合输送带的工作环境和检测要求,设计制造了一套基于机器视觉的在线检测系统。该系统选用亮度大的网格状线激光作为结构光照射输送带下表面,并通过高分辨率的工业相机实时捕捉输送带下表面图像,利用图像中的网格特征识别撕裂痕迹,整个过程用时仅40ms,识别准确率高达96%,误报率仅为2%,相比于传统的检测方法,时间大大缩短,检测过程中输送带不需停机,在保证安全高效生产的同时实现对输送带运行状态实时监测,有效降低输送带运行事故率。     

基于机器视觉的孔类零件检测方法研究

通过设计零件检测系统获取垫片图像信息,利用Matlab软件编程实现对样本图像的背景去除、二值化、滤波、特征量提取等处理,通过图像标定获得垫片的内径、外径参数。设计图像处理和结果显示界面,编写了GUI源代码,通过运行代码实现了垫片内、外径检测及关键检测过程和结果的显示。最后通过精度分析,结果表明,采用机器视觉进行垫片检测,内径检测相对误差为-0.002 3、外径检测相对误差为0.005,检测精度满足实际生产要求。     

基于机器视觉技术的输送带撕裂检测应用研究

针对目前矿井输煤用的带式输送机输送带在运行过程中容易发生纵向撕裂,而撕裂的后果不仅会危害到矿井生产更可能会危害到生命安全。目前广泛使用的撕裂保护装置属于发生识别型,也就是在撕裂发生后对其进行判断停车。而本论文设计的基于机器视觉识别技术的识别系统会时刻采集输送带的图像信号,并对其进行处理。当输送带有撕裂趋势时可以进行相应的判别处理,包括提前预警或者是停车。经过试验验证效果比较理想。     

基于LabVIEW的胶带撕裂机器视觉检测系统研究

针对煤炭生产中输送机胶带易产生纵向撕裂的背景,构建了基于虚拟仪器技术和机器视觉技术的胶带纵向撕裂检测系统.利用机器视觉识别方法,克服了以往撕裂监测装置事后报警的弊端,提出了一种非接触式胶带纵向撕裂超前检测方法,并给出详细的检测系统软硬件结构设计.