薄片零件尺寸机器视觉检测系统的研发

对薄片零件尺寸机器视觉检测系统的关键技术进行了研究,开发了一套完整的机器视觉检测系统;提出了基于CAD信息的线扫描步长自适应优化方法用于被检测零件的图像采集;提出了基于三次样条插值的矩形透镜法亚像素边缘检测方法用于边缘检测：提出了基于曲率与HOUGH变换的平面轮廓图元识别方法用于图像识别。检测系统的检测精度能达到1μm,检测时间能满足实时在线检测的要求,该检测系统是可行的。     

薄片零件尺寸机器视觉检测系统中的线扫描步长自适应优化研究

借鉴自由曲面逆向工程中扫描步长自适应优化的思想,提出了基于CAD信息的线扫描步长自适应优化方法。基于曲线拟合容差开发了圆弧图元线扫描步长自适应优化算法;基于等线段长开发了直线图元线扫描步长自适应优化算法;基于图元间的拓扑结构归纳了区域线扫描步长自适应选取准则。用弹性臂薄片零件的尺寸检测实验对基于CAD信息的线扫描步长自适应优化方法的检测精度和扫描数据量进行了分析。实验结果表明,该方法能提高检测系统的检测精度,提高线扫描的扫描效率,减少扫描数据量。     

基于机器视觉的管孔类零件尺寸测量方法

管孔零件尺寸测量,是当前加工和装配中的一个难点.基于机器视觉的管孔零件尺寸自动测量系统,可以从根本上解决人工测量效率低、精度低的问题,而且还能对这些指标进行定量描述,对缺陷的形态、类型进行鉴别和统计,具有人工检测所无法比拟的优越性.应用机器视觉原理,设计了一套管孔类零件尺寸自动测量方法,先通过图像摄取装置把图像抓取到,然后将该图像传送至处理单元加以处理,包括图像滤波、图像边缘检测、图像分割和特征测量,最后将上述功能进行整合,搭建了管孔零件尺寸自动测量系统.     

薄片零件尺寸机器视觉检测系统中边缘检测技术的对比研究

以高斯模糊的仿真图像和薄片零件图像为评价图像．分别用Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplacian算子、LOG算子、数学形态学边缘检测方法进行边缘检测,对边缘检测结果进行了深入分析,对算法的边缘定位精度、抗噪声能力和计算时间进行了比较。数学形态学边缘检测方法能获得单像素宽连通的轮廓,检测时间分别为0．0521s、0．457s。选择数学形态学边缘检测方法作为薄片零件尺寸机器视觉检测系统的边缘检测方法是合适的。     

机器视觉在尺寸在线检测中的应用

机器视觉在制造系统检测与监视领域占有重要的地位。介绍了一种可应用于工业现场的机器视觉坯（工）件尺寸检测原理、系统硬软件和精度分析结果，并介绍了实验验证的结果。     

基于机器视觉的端子尺寸检测系统

介绍了一个基于机器视觉的端子尺寸检测系统。针对汽车电子产品中的端子在线尺寸检测,采用单轴机械手将产品送到检测位置,用LED背光照明,用CCTV镜头和视觉传感器获得端子图像,用图像处理单元对图像进行二值化、锐化、边缘提取后对端子的尺寸进行检查。从实际应用来看,此检测系统具有非接触性、在线实时、精度合适等优点。     

密封件机器视觉检测系统开发

针对密封圈人工检测的不足,提出一种基于机器视觉的密封件检测系统进行检测,经过验证,能满足检测速度与精度的要求。     

大尺寸机械零件的机器视觉高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究了基于序列局部图像尺寸特征的测量方法,提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变动问题;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响;论述了基于序列局部图像尺寸特征测量方法的算法实现过程。实验表明,对大尺寸零件应用序列图像测量法进行测量,其相对测量误差在0.012%以内,基本满足机械零件二维尺寸精密自动化测量要求。     

基于粒子滤波和机器视觉的圆形零件尺寸测量

针对现有基于机器视觉的零件尺寸测量方法在图像受到外界噪声干扰的情况时,测量精度不高的问题,提出一种基于粒子滤波优化算法、机器视觉和MATLAB图像处理技术的圆形零件尺寸测量方法.这里首先简要地介绍基于机器视觉的零件尺寸测量系统的工作原理 ;然后在分析粒子滤波原理的基础上提出一种基于粒子滤波的优化算法,并介绍利用这种优化算法解决圆形零件尺寸测量的原理和实现步骤 ;最后进行了仿真实验,仿真实验结果表明:提出的测量方法在零件图像受到外界噪声干扰的情况下,测量精度较高 ;同时还具有可靠性较高的优点.     

基于机器视觉的微小孔零件尺寸检测研究

基于图像处理技术提出一种非接触式高效且高精度的微小孔零件尺寸测量方式.通过对微小孔零件进行图像采样,依次进行图像灰度化、图像滤波、图像二值化处理和微小孔边缘轮廓提取.采用加权平均值法对图像进行灰度化处理,去除无用部分,减小采集到的原图大小;采用双边滤波去除图像中的噪音点,减小边缘提取时的误差,用最大类间方差法对图像进行...     

基于机器视觉的机械零件测量技术

应用IMAQ Vision软件构建的机械零件测量系统将机器视觉技术和虚拟仪器技术结合在一起，对各种机械零件进行快速准确的在线测量。这里以齿轮为例介绍了测量的技术路线。测量系统综合应用LabVIEW和它的企业链接、信号处理等工具包，将被测对象的图像和数据直接融合到企业的信息流之中。     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法.介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件.实验结果表明该软件能对螺纹进行实时、高速地检测.     

基于机器视觉的散乱柱类零件抓取系统

针对散乱摆放的柱类零件抓取问题,提出一种基于圆柱拟合的散乱柱类零件识别抓取系统。首先,采用直通滤波,离群点去除和体素滤波降低密度采样对点云数据进行预处理,然后使用平面拟合算法去除载物台点云,接着使用区域增长算法将不同圆柱的点云分离,由于分割后的圆柱点云存在大量噪点,采用随机抽样一致法和最小二乘法相结合的方式去除噪点,拟合圆柱面,最后将点云重心向圆柱轴线投影,得到准确的柱体中心。实验证明该算法鲁棒性好,精度较高,适用于柱类零件抓取。     

基于机器视觉的全自动灯检机关键技术研究

设计了一种基于机器视觉技术的全自动智能灯检机,以实现药液中可见异物的在线检测.首先对采集到的各帧图像通过形态学滤波、帧差等预处理抑制大部分背景噪声.然后提取图像中目标的不变特征,通过各目标不变特征间的匹配,实现相邻帧点迹的关联,得到若干假设的目标运动轨迹.最后根据异物运动轨迹的连续性和平滑特点来确定是否存在可见异物.研制的全自动灯检机样机已经在某药厂的注射液生产线上试验运行.实验表明,该机器的识别准确率和速度均高于熟练的灯检工.     

基于机器视觉技术的微操作系统

通过研究机器视觉技术在微操作系统中的应用,分析了机器视觉在微操作系统中应用与在其他系统中应用的不同之处,介绍了微操作系统的组成结构。着重分析了机器视觉技术在系统中的具体应用,并且通过实验进行了验证。结果表明,该系统能够精确定位目标位置,有很高稳定性,为系统自动化奠定了技术基础。     

基于机器视觉的车道检测与二维重建方法

本文提出了一种基于机器视觉的车道检测与重建方法。采用链码算法检测分道线，用链码来记录车道线轮廓信息，再基于曲率模型的卡尔曼递推估计方法来估计当前的车道线位置，同时用来预测和检测下一时刻的车道线位置，并建立了车道数学模型。通过MATLAB仿真论证了该数学模型能准确地计算出真实车道的位置、弯度、形状等信息。但由于该数学模型计算较为繁琐，实时性不强，很难得到广泛应用。最后在该模型的基础上，通过计算相邻两段分道线的斜率差，简化算法，并对车道进行二维重建。实验结果表明，该方法能有效、快速地检测和重建车道，具有很好的可靠性和准确性。     

基于机器视觉的封印产品字符编码检测系统

介绍了应用机器视觉技术开发的封印产品字符编码检测系统,采用虚拟仪器开发平台LabVIEW完成系统的软件开发,实现了封印产品字符编码的自动识别及顺序检验,取代以往的人工目检.提出了一种基于ROI智能调整及多模板匹配的字符识别方法,有效提高了封印产品字符编码检测的成功率.实践证明该系统在检测精度、效率和稳定性上满足大批量生产的要求.     

基于机器视觉的电子元件在线质检分类系统设计

为了解决电子元件蜂鸣器出厂时人工质检效率低、容易伤害分拣人员听觉等问题,设计了基于机器视觉的电子元件在线质检分类系统。该系统主要由自动上料、视觉检测、声音检测、电极控制和下料控制这5个部分组成,由PLC主控制器、OpenMV视觉检测模块、声音识别模块以及步进电机等配合完成蜂鸣器的自动上料、检测和等级分类功能。经过现场调试及应用表明,该控制系统提高了蜂鸣器的质检分类效率,其效率是人工质检的1.9倍,准确率提高了9.4%,每台设备至少替代3名工人,节约了企业的成本。     

基于PLC和机器视觉的工件自动分拣系统设计

该文以西门子S7-200 Smart PCL为控制核心,构建了一套基于机器视觉的工件自动分拣系统。该系统由控制模块、传输模块、人界交互模块、机器视觉模块组成,首先利用机器视觉技术识别出待分拣工件的特征,然后PLC根据机器视觉识别结果控制传送带动作将工件传送至不同产品盒,实现工件的自动分拣。实验结果表明,该生产线的分拣误判率低于0.4%,满足工业生产的要求。