共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
5.
介绍了用计算机视觉检测系统中的图像处理技术检测带钢的边裂以及孔洞。首先识别带钢图像的轮廓,得到带钢边部、孔洞的轮廓曲线向量编码,然后利用向量的点积计算轮廓的弯曲程度,据此作为判断条件,检测边裂与孔洞缺陷。实验结果表明:该方法应用到实际检测系统中,能够可靠地检出带钢的边裂。 相似文献
6.
7.
8.
9.
提出基于图像处理的焊缝像素位置自动提取方法,采用PYTHON软件和Open CV库进行焊缝像素位置自动提取。对工业相机采集到的焊缝图像利用中值滤波处理,得到去除噪音的焊缝图像;利用Otsu算法自适应阈值分割方法对滤波后的焊缝图像进行处理,得到二值化的焊缝图像;利用开操作对二值化处理后的焊缝图像进行形态学处理,去除图像中除目标像素外的小连通区域;通过骨架提取方法对形态学处理后的焊缝图像进行处理,获得单像素条纹;最终利用Hough变换进行直线检测,得到特征点位置。并借助pyqt5库开发出跨平台的应用程序,实现了焊缝位置坐标的自动提取,为实现焊缝的实时跟踪奠定基础。 相似文献
10.
针对镍转炉吹炼过程中环境恶劣、操作人员判断出炉时间有差异等问题,应用机器视觉技术研发一套镍硫金属铁含量在线检测系统。首先,使用工业相机采集镍硫金属样本的断面图像并进行图像分割与预处理。然后,利用图像纹理信息中的对比度和熵值进行样本选择。最后,提取图像颜色特征信息,利用灰度值特征和实测铁含量数据建立基于线性回归的一次模型与二次模型并进行对比,用评价指标进行评估。试验结果表明,铁含量检测二次模型拟合程度较好,准确率较高,且检测精度满足金属组分含量检测中最大相对误差小于5%的精度要求。 相似文献
11.
12.
[目的]采用机器视觉技术,对蜡质巢础片进行破损检测.[方法]首先对采集到的巢础片图像进行二值化、中值滤波和图像增强等预处理,然后采用区域生长法提取破损区域.根据破损区域的面积剔除破损巢础片.软件系统编写采用Labview及Imaq vision.[结果]经试验,破损区域的捡出率可达到98.4%.[结论]采用机器视觉技术进行巢础片的破损检测,系统平均响应速度快、检测精度高,完全满足巢础自动化生产的要求. 相似文献
13.
14.
边缘作为高分辨率遥感图像分析的重要特征,主要用于定义高分辨率遥感图像中不同地面物体之间的边界。边缘检测作为遥感图像处理中最为重要的手段,业界已经出了许多的边缘检测方法,但在实际检测过程中面对复杂的高分辨率遥感图像,提取其边缘特征往往是较为困难的。针对该问题提出了一种利用相位信息的高分辨率遥感图像边缘检测方法,通过对遥感图像进行傅里叶变换,利用FFT得到幅度谱图;然后对频谱图像采用半径采样和角度采样进行分析,并且根据分析结果设计了二维对数Gaber滤波器;最后将傅里叶变换的结果与滤波器之间的点积进行傅立叶逆变换,从而得到遥感图像的最终检测结果,结果证明该方法较好的对高分辨率遥感图像进行了边缘特征的检测。 相似文献
15.
16.
17.
18.
19.