基于机器视觉的工件识别系统

针对生产制造过程中枯燥的零件识别、分拣等工作,利用Lab VIEW建立了具有机械视觉的识别系统。通过对工作区内零件进行图像采集、处理,甄别不同形体的零件以实现零件的分拣工作,可以极大促进生产的自动化程度,提高生产率。最后通过实验验证了设计的实用性。     

基于机器视觉的工件的在线检测

利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接着利用图像处理软件发出的电信号来控制机械手来完成缺陷工件的动态抓取工作。最后利用C++完成人机界面的设计,经调试可完成实时在线检测、可达到生产要求精度。     

基于机器视觉的数控铣床考工零件检测系统设计

传统数控技能考试的零件检测均为人工检测,存在一定的主观因素,判定的结果有偏差,而且效率较低.为了考核的公平并且提高检测效率,构建基于机器视觉的数控考工零件检测系统.系统通过摄像头采集被测工件图像数据,并对图像进行中值滤波、灰度拉伸、二值化、边缘检测等预处理;应用基于Sobel算子的改进算法,获得了较好的边缘提取效果.采用径向搜索方法完成对边缘像素的识别,通过计算与标称中心点的距离获得工件测量值.为了使测量结果具有比较性,引入方差分析,对测量样本进行均值计算,同时计算出方差,得出置信度,对检测结果偏差进行描述.通过与人工检测相比:采用该系统,检测效率提高了3～5倍,准确率提高了10％以上.     

基于机器视觉的液晶面板质量检测系统设计

随着科技的发展,液晶面板应用越来越广泛,传统的人工检测方式已无法适应现代化工业生产高质量、高效率的需求。针对液晶面板检测项目多、检测精度要求高的难题,研发出一种基于机器视觉的液晶面板检测系统。给出了液晶面板AOI检测系统设计的整体方案、结构组成、视觉系统的功能及控制流程中产品的高精度检测,极大地提高了检测效率,有效地降低了废品率,保证了液晶屏的生产质量。     

机器视觉与钢板表面缺陷的无损检测

通过分析几种具有代表性的机器视觉检测系统的结构、原理和性能,论述了钢板表面缺陷的在线机器视觉检测技术的特点及现状,探讨了目前研究中的关键技术、难点及其解决方法,指出机器视觉检测技术必将在今后钢板表面质量控制系统的研究中发挥重大作用。     

基于机器视觉的工件分拣及上下料系统

为了解决传统工业机器人无法对多个不定位姿的工件进行分拣抓取的问题,搭建一套基于机器视觉的零件分拣及上下料系统。所搭建系统能够较准确地对铝件和有机玻璃件进行分拣,并对工件的位姿进行识别,最后将结果换算到机器人的世界坐标系下,对工件进行准确抓取和上下料。其中针对工件的分拣,提出了通过条形码进行识别分拣的方法,此方法简单有效,快速便捷。对与背景对比度不高的透明有机玻璃件的位姿识别,提出一种自适应调参线性变换方法,从而准确识别出透明件的位姿信息。经实验测试,所搭建系统具有较高的准确性。     

基于机器视觉的多类型工件测量系统研究

综合应用光电技术、数字图像处理技术和计算机技术,以薄片型机械零部件为主要测量对象,开发-套工件尺寸测量系统,主要包括照明系统、图像采集系统、图像处理系统和尺寸测量系统.根据检测要求,采用Canny算法进行边缘检测粗定位和8个方向模板的改进亚像素检测技术获得工件精确轮廓信息,再对轮廓进行分割和选择,采用Hough变换完成...     

基于机器视觉的工件装配快速定位方法实现

为解决机器视觉在生产加工装配中的定位问题,提出基于Vision Master和小步长天牛须算法的快速定位方法。采用最小二乘圆拟合对图像进行ROI区域提取;采用Sobel算子对待定位图像进行边缘处理,并对定位工件建立数学模型;为抑制图像复杂背景的干扰,通过傅里叶正反变换对图像进行滤波处理;通过小步长天牛须算法对模型进行求解。利用所提方法对不同型号、不同类别工件进行装配。结果表明：该方法定位准确率达到98.57%以上,误差控制在1.5%以下,满足实际装配要求,可有效解决装配过程中定位问题,具有实际应用价值。     

基于机器视觉多目标工件分类识别和定位研究

为实现对随机摆放的多类型工件进行分类识别和定位,提出一种基于连通域Blob分析与神经网络分类器相结合的方法。该方法运用机器视觉技术,以Halcon软件为试验检测平台,通过Blob分析提取工件的特征信息实现定位,并且应用提前训练好的神经网络分类器对多类型工件进行分类识别。试验结果表明:相比传统模板匹配和定位算法,该多工件分类识别和定位方案识别准确率达到100%,定位精度提升0.7 mm,识别和定位时间减少8.735 ms,具有更好的多工件识别定位效果,有一定的应用前景和推广价值。     

机器视觉在轴承检测中的应用

基于机器视觉的轴承质量检测具有重要的应用前景和研究价值,一些研究者对该课题进行了研究并取得了一些成果.对前人的研究进行了综述,指出了存在的『廿J题,展望了今后的研究,以期为进行相关研究提供参考.     

基于机器视觉的电路板自动钻孔系统设计

电路板手工制作过程中人工钻孔定位准确度要求高、耗时长、危险系数高,为解决这一问题需要机器代替人工自动钻孔。设计一套基于机器视觉的电路板自动钻孔系统。系统通过机器视觉进行电路板的图像采集,经过灰度处理、图像滤波及二值化、边缘检测等预处理后得到电路板线路边缘的图片,利用霍夫变换进行圆孔位置识别与定位,采用遗传算法对加工路径进行优化,通过C#语言编写控制机器程序,实现自动钻孔。实验结果表明：该自动钻孔系统能够准确、快速地进行电路板自动钻孔,大幅度提高了钻孔的效率和安全性。     

基于机器视觉的轴承生产中的表面质量在线检测与研究

数字图像处理技术与模式识别技术结合,可广泛应用于工业产品的分类识别。针对轴承在线装配生产中存在的缺陷检测识别的需求,研究基于机器视觉的自动检测系统,采用面阵相机对不同表面进行对比测量,对采集的图像进行二值化处理,为后续的图像预处理、模式识别、特征提取及特征值对比做了分析和准备,以实现产品的在线表面缺陷检测识别。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

基于机器视觉的汽车安全带的表面缺陷检测系统

表面缺陷检测是汽车安全带质量检测中的关键环节之一,目前人工检测方法存在效率低、稳定性差的问题,无法满足实际检测需求。搭建一个汽车安全带表面缺陷检测平台,构建基于机器视觉的表面缺陷检测系统。针对汽车安全带的表面缺陷特征,提出一种基于频谱分析的特征提取方法,并讨论频域滤波器的选择和参数的计算。实验结果表明:频谱分析法同Bob特征分析法、直方图法等相比,能更好地满足汽车安全带表面缺陷检测的准确率和实时性要求。     

基于机器视觉的活塞杆表面微裂纹查数系统设计

针对目前较为落后的减振器活塞杆表面微裂纹的密度查数方式,利用基于LabVIEW机器视觉模块,开发出一款明显提升了微裂纹密度查数的速度与精度的自动化查数系统。大量的实践证明,此系统稳定可靠。