基于机器视觉的弹簧组件外观检测

美国制造工程师协会(SME,Society of Manufacturing Engineers)机器视觉分会和美国机器人工业协会(RIA,Robotic Industries Association)自动化视觉分会对机器视觉系统的定义为:机器视觉系统是通过光学装置和非接触的传感器自动地接收和处理一个真实物体的图像,以获得所需信息或用于控制机器人运动的装置.     

RGB calibration for color image analysis in machine vision

A color calibration method for correcting the variations in RGB color values caused by vision system components was developed and tested in this study. The calibration scheme concentrated on comprehensively estimating and removing the RGB errors without specifying error sources and their effects. The algorithm for color calibration was based upon the use of a standardized color chart and developed as a preprocessing tool for color image analysis. According to the theory of image formation, RGB errors in color images were categorized into multiplicative and additive errors. Multiplicative and additive errors contained various error sources-gray-level shift, a variation in amplification and quantization in camera electronics or frame grabber, the change of color temperature of illumination with time, and related factors. The RGB errors of arbitrary colors in an image were estimated from the RGB errors of standard colors contained in the image. The color calibration method also contained an algorithm for correcting the nonuniformity of illumination in the scene. The algorithm was tested under two different conditions-uniform and nonuniform illumination in the scene. The RGB errors of arbitrary colors in test images were almost completely removed after color calibration. The maximum residual error was seven gray levels under uniform illumination and 12 gray levels under nonuniform illumination. Most residual RGB errors were caused by residual nonuniformity of illumination in images, The test results showed that the developed method was effective in correcting the variations in RGB color values caused by vision system components.     

基于FPGA的机器视觉设计

为实现系统快速更新,在此设计了一种新的机器视频解决方案,借助FPGA技术,实现视频输入端口与GigeVi-sionIP的使用以及系统与计算机主机的连接。设计方案中采用了新的GigeVision标准及GigeVisionIP核,使系统相比其他现有相关标准更简单、速度更快,是未来的发展方向。     

一种基于图像处理的双目视觉校准方法

双目视觉是利用机器视觉进行障碍物检测的研究热点。针对双目视频不同步,导致立体匹配不精准的问题,提出了一种基于图像处理的双目校准算法。算法首先根据道路的先验特征模型,建立视觉校准的敏感区域,以减小计算量。然后对图像的灰度进行聚类,并通过边缘检测和形态学处理来检测道路中的目标物,从而确定动目标与固定物的距离,搜索同步视频帧,实现双目校准。室外真实场景的实验结果表明,该算法可以较好地校准双目视觉,从而使立体匹配更精准。     

基于机器视觉的点餐自动提示器设计

针对在外就餐中的盲目消费,不健康饮食等问题,提出基于机器视觉的点餐自动提示器系统;从组成系统的关键软硬件技术入手,基于光源设计、镜头及图像采集卡的选择、图像处理控制系统的设计集成,分析了系统的工作原理,设计了系统的原理结构,并在此基础上进行了原型设计;最后通过对原型系统实践应用得到的数据分析,表明该设计有助于实现科学点餐,文明就餐的预期目标,在成本得到进一步控制的前提下具有一定的应用前景。     

一种基于机器视觉的引体向上计数方法

针对引体向上项目人工计数效率低、误判率高等问题,提出了一种基于机器视觉的引体向上计数方法.利用AdaBoost算法构建Haar-like特征人脸人手分类器,通过计算图像不变矩获取人手人脸面积和质心坐标,分别取人脸面积、人脸与人手质心垂直距离做阈值;利用混合高斯背景模型提取运动前景,统计图像序列中ROI区域灰度变化,然后做椭圆肤色检测,计算图像不变矩获取图像序列中人脸质心坐标,通过对每帧的灰度值和质心坐标变化做分析,并与设定阈值作比较,得到引体向上数目.实验表明,该方法能快速的对复杂环境下引体向上动作进行计数,计数准确率约为91.3％.     

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。     

基于3D打印技术的眼科OCT设备计量校准装置研制

为了评估眼科光学相干断层成像（OCT）设备的分辨率、视场角、图像匹配度、深度测量准确性等多个关键参数,确保设备输出量值的准确性与有效性,设计并研制了一种模拟真实人眼结构且参数可溯源的模拟眼,包含角膜和晶状体等人眼主要屈光结构。设计并依托3D打印技术加工了用于横向与轴向分辨率检测的三维分辨率板;设计加工了用于视场角检测的阶梯状同心圆环结构;同时设计加工了用于图像匹配度检测的交叉光纤组件和用于深度测量准确性参数检测的平行玻璃板组件,可适配于模拟眼眼底凹槽内。使用共焦拉曼显微镜对三维分辨率板尺寸溯源,横向和轴向最小可检测分辨率分别为9.7 μm和5.7 μm;使用尼康投影仪对同心圆环尺寸及光纤直径溯源,最大可检测视场角109.03°以及最小62.5 μm的图像匹配度检测;使用尼康高度计对平行玻璃板中心厚度溯源,其测量不确定度小于5 μm。经过对商用眼科OCT设备测试表明,结合微纳3D打印技术的计量校准用模拟眼具有精度高、集成度高、适用范围广、稳定性强等优点,适用于眼科OCT设备的计量校准。     

基于机器视觉的老年人摔倒检测系统

红外图像中的人体摔倒检测不受环境光照射的影响,在智能安防领域有着重要的研究意义和应用价值。现有的摔倒检测方法没有充分考虑人体关键点的位置变化规律,容易对类摔倒动作造成误检。针对这一问题,本文提出一种基于改进Alphapose的红外图像摔倒检测算法。该算法使用Yolo v5s目标检测网络,在提取人体目标框输入姿态估计网络的同时,对人体姿态进行直接分类,再结合人体骨架关键点的位置信息和姿态特征进行判断。通过实验证明,该算法在准确度和实时性方面都有良好的表现。     

利用立体视觉的线结构光参数标定

准确标定系统参数是利用线结构光进行高精度测量的前提,文中提出了一种基于双目立体视觉的线结构光参数标定算法,以期达到在工业现场进行高精度、强鲁棒性标定的目的。算法首先采用Tsai两步法标定摄像机内参数和双目相机坐标系间的刚体变换,然后利用立体视觉极线约束条件匹配双目激光条纹点,并将其重构到三维空间以进行光平面标定。相对于...     

基于机器视觉的番茄脐腐病的鉴别

利用计算机视觉技术,通过图像处理和模式识别方法,对番茄脐腐病的自动识别进行研究。首先利用中值滤波法对病症图片进行处理,去除噪声,其次采用Otsu算法对病斑进行分割。通过提取病斑区域的颜色特征和形状特征,同时采用贝叶斯判别方法和支持向量机方法实现特征参数的提取。实验结果表明,贝叶斯判别方法对训练样本和实验样本的判别准确率分别达到100%和92%,高于支持向量机方法,实现了番茄脐腐病的准确识别。     

基于数码管机器视觉的小数点识别

本文介绍了数字图像处理技术在数码管识别过程中的应用。基于机器视觉的图像处理模拟平台在采集到数码管的真彩色图像后,首先对图像进行色彩处理,二值化,图像切割等预处理,为图像的识别做准备。然后利用适合数码管字符特征的字符识别方法“穿线识别法”进行数字字符识别,数字字符识别之后,提出一种适用的小数点识别方法,多次实验证明,这个数字图像处理平台对LED数码管的识别率均可达到99％以上,而且此识别方法不仅速度快,而且精度高。     

基于机器视觉的螺纹参量测量系统

为了高精度测量螺纹的各项参量,建立了基于机器视觉技术的螺纹参量测量系统。采用螺纹工件旋转、相机跟随拍摄的方式采集螺纹在平行背光下的轮廓数据,实现了螺纹的各项参量测量,扩大了系统的测量范围,并且降低了相机标定误差的影响。推导了坐标系统转换方程,通过标定实现了坐标统一,并推导了螺纹参量计算公式;针对CCD相机光轴和螺纹轴线垂直时螺旋线对螺纹牙投影产生遮挡失真情况建立了数学补偿模型。结果表明,得到的测量不确定度小于2m,重复性优于4m。该系统可以完成螺纹的各项参量测量。     

一种基于机器视觉的视频交通流检测系统

简要分析了交通流检测技术的发展现状,结合当前智能交通系统的应用需求,利用连续三帧差分的运动估计方法来构建初始背景,并采用统计打分的策略实时地对背景进行更新;同时提出了一种简单而有效的阴影消除算法以提高交通流参数检测的准确度。另外,针对现有交通流检测系统无车辆跟踪这一环节,可能导致流量多计数的问题,本文提出同时利用车辆的位置信息、颜色信息和分形维信息对车辆进行匹配跟踪的策略。大量实验证明该检测算法能快速、有效地检测出各种交通流参数,为实现交通管理的自动化奠定基础。     

安卓平台上基于机器视觉的仪表识别

近年来,随着机器视觉技术的进步,仪表数据读取方式由以往的人工采集,逐步向机器自动化读取发展。传统的仪表识别算法通常以PC平台为运行基础,在移动终端的实现研究内容相对较少。文中基于图像处理技术,以指针式仪表与数码管式仪表数据自动读取为目标,在安卓平台上搭建软件系统,实现在移动端对不同种类仪表数据自动读取。文中借助iData-80终端设备及工业仪表进行系统测试实验,实验结果表明,该系统能够实现全时段、多场景下的自动读取仪表示数,具有精度高、成本低,及性能可靠等特点,在实际工业、生活应用中具有实用性与可推广性。     

基于视觉测量的回转轴线标定方法研究

为了实现高压涡轮叶片上的气膜孔特征的高精高效测量,设计并搭建了一套非接触式的四轴视觉坐标测量系统。针对其中的回转轴线的空间位置标定难题,结合工业影像测头的成像特点,提出了一种基于视觉测量的回转轴线标定方法。在标定过程中,采用了定制的长方体标定块,并通过回转工作台与三坐标测量机之间的配合,使工业影像测头对焦于标定块的表面并采集到其锋利棱边的图像,而后再通过边缘提取、像素距离计算、物理距离转化和代数运算等步骤,最终确定了回转工作台的轴线在机器坐标系中的空间方位。最后,选用一个标称尺寸为80 mm的标准量块作为被测物体,以对标定方法及标定结果进行验证,各次测量结果的误差均小于±0.01 mm,并进行了合成标准不确定度的分析。实验结果表明:文中所提出的回转轴线标定方法能够达到较高的标定精度和较好的重复性,能够满足气膜孔形位参数的检测要求。     

基于机器视觉的零部件表面缺陷检测方法研究

针对零部件表面缺陷检测精度问题,提出一种基于机器视觉的零部件表面缺陷检测方法。传统的利用机器视觉对零部件表面缺陷检测方法中,由于零部件表面的光学反射特性,因此无法对零部件表面缺陷进行高精度的检测。提出的基于机器视觉的零部件表面缺陷检测方法引进了差影法检测模型,根据部件表面特征,利用分段线性灰度算法对部件表面细小的缺陷进行区域检测,并且结合了灰度共生矩阵的换算熵作为判定的依据,最终建立的缺陷检测模型是利用矩阵方位度和相似度之比进行高精度的检测。为了验证设计的基于机器视觉的零部件表面缺陷检测方法的有效性,通过仿真试验证明了该设计方法,结果表明该方法能够有效地解决零部件表面缺陷检测的精度问题。