基于机器视觉的螺钉多参数在线检测

介绍一种基于机器视觉的螺钉多参数非接触自动检测系统。该系统可完成螺钉的自动上料、自动测量、自动下料,实时准确地测量螺钉杆部直径d、圆角半径r,沉角角度A等参数。通过螺钉头部图像的预处理、模板定位及边缘检测等关键技术,达到螺钉各参数的精密在线测量。     

机械零件二维几何尺寸和形状检测系统研究与开发

针对传统接触式尺寸测量方法的缺点,探讨利用单目视觉测量系统对被测工件进行尺寸测量,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.首先,视觉系统获取零件图像,并对图像进行滤波处理;然后,提出采用Canny六阈值法进行边缘提取,得到完整的边缘图像;最终,利用最小二乘法拟合出机械零件的边缘形状,并通过计算获得零件的几何尺寸.实验表明该系统所得到的零件边缘图像清晰,多个几何尺寸的测量精度符合要求.与传统测量方法相比提高了检测零件的效率和精度,大大扩展了测量范围,从而充分体现了机器视觉测量的优点.     

基于图像处理库的机器视觉检测系统的研究

为满足机器视觉检测系统通用性的需求,设计出一套机器视觉检测硬件系统,并在此基础上设计出一种基于图像处理库的检测系统软件。该视觉软件包含一套应用于工业的图像和信号算法处理库,该库作为单独的软件模块,通过插件的方式为通用外观检测软件使用。利用图像处理算法组件分别配置图像处理链,对电容器外观底部露白缺陷和引脚变形缺陷进行检测实验,测试结果表明该视觉检测系统具有较好的通用性和实用价值,可以满足工业领域部分的图像和信号处理的需求。     

基于机器视觉的机械零件图像尺寸自动标注方法

机械零件图像二维几何尺寸自动标注是机械零件视觉检测系统的重要组成部分.对机械零件图像二维几何尺寸自动标注进行研究,提出一种在MATLAB环境下基于机器视觉的直线段、圆和圆弧尺寸自动标注方法.通过分析MATLAB中的坐标关系,进行坐标转换,再根据机械零件图像的二维几何特征,推导出对应的尺寸标注公式,并给出该方法的具体实施步骤,最后通过实验验证了该方法的可行性和有效性.     

基于视觉的表面贴装芯片引脚检测系统的研究

介绍了表面贴装芯片引脚的机器视觉检测系统，并阐述了该机器视觉检测系统的总体设计。利用图像处理和目标识别技术，实现了对具有矩形端面的芯片引脚的数目、尺寸、间距和高度差的检测，给出了系统稳定性和重复性测试的数据。检测结果表明，该检测系统具有非接触、精度合适的优点。     

基于机器视觉的输送带图像校正和故障检测算法研究

为了消除基于机器视觉的输送带故障在线监测系统中采集图像的不均匀光照影响,提高图像质量,检测出图像中的故障区域,提出了一种基于机器视觉的输送带图像校正和故障检测算法。该算法首先采用Butterworth低通滤波器对图像滤波,结合Retinex理论计算估计真实图像的背景,对图像进行灰度校正,得到校正后的图像;然后将机器视觉与生物视觉相结合,利用PCNN算法,对采集的图像进行检测,检测出故障区域。实验结果表明,算法能有效校正输送带表面图像,清晰检测出故障区域,具有很高的应用价值。     

安瓿智能视觉检测机器人研究

针对医药安瓿中出现的可见异物,设计了一种医药安瓿智能视觉检测机器人。介绍了该系统的系统结构、视觉成像原理、电气控制系统和检测算法等内容。该系统通过运用机械装置使安瓿与背景之间产生运动差异,利用高速摄像机获取安瓿的序列图像,在软件中采用二次差分和能量累积的方法提取图像中的运动目标。还分析了不同系统机构的优劣和该机器所选择的系统结构。实验证明所研制的医药安瓿智能机器视觉检测机器人可以应用于实际在线检测。     

基于机器视觉系统对磁芯零件进行在线分级

机器视觉已成为无损检测技术中的一个重要分支,利用机器视觉系统获取磁芯产品图像,通过图像预处理、图像分割、特征提取、图像分析,输出检测结果的控制信号,再借助于PLC控制执行机构,最终达到对磁芯进行在线分级的目的。     

基于机器视觉系统的磁芯零件在线分级

机器视觉已成为无损检测技术中的一个重要分支。利用机器视觉系统获取磁芯产品图像,通过图像预处理、图像分割、特征提取、图像分析、输出检测结果的控制信号,再借助于PLC控制执行机构,最终达到对磁芯产品进行在线分级的目的。     

中小型金属工件在线检测系统的设计

随着机器视觉技术的快速发展,利用图像处理技术对工件进行在线实时检测的方法近年来得到广泛的应用和发展。为了解决工件离线人工检测效率低、精度差的问题,设计了包括上料模块、图像采集处理模块、零件传送模块、筛选模块和控制模块的基于机器视觉的工件在线检测剔除系统。系统运用PLC可编程逻辑控制器作为工业控制器,机器视觉和图像处理作为检测方法,提高了工件检测的产品品质、生产效率和自动化程度,该机器视觉检测系统可以通过改变程序的方法,运用和推广到其他表面品质检测的行业中。     

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Faster R-CNN的工件螺纹孔目标检测

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

透明材料微小器件键合质量检测系统设计

针对材料和结构均特殊的透明材料微小器件的键合质量检测,提出了可见光透射机器视觉检测法。分析了检测系统硬件中主要部件的性能要求,研究了该检测系统的图像处理技术。检测系统利用光源、相机、镜头和计算机等主要部件实现图像采集功能,并通过图像相减、灰度直方图调整、图像滤波和图像二值化等图像处理功能来完成质量检测。实验结果表明,提出的可见光透射机器视觉检测法能灵敏有效地检测出透明材料微小器件键合位置处存在的键合间隙和缺陷大小,检测精度可达10 μm,满足透明材料微小器件键合质量的要求,是一种高效、非接触、无损、无污染的检测方法。     

A machine vision system for the detection of missing fasteners on steel stampings

A machine vision system that has been developed for the detection of missing fasteners on steel stampings is described. The system has been tested using images generated by a commercial machine vision system installed on an assembly line for the production of automotive cross-car beams. This particular application was considered to be challenging due to variations in the operating conditions, such as the lighting, together with the fact that the appearance of the fasteners could change depending upon their angle relative to the camera. A neuro-fuzzy image classification algorithm was developed and tested against a threshold-based classification algorithm. Results indicate that both algorithms perform well when optimized, but the neuro-fuzzy algorithm was found to degrade in a less abrupt fashion when the input data deviated from the trained data. A graphical user interface (GUI) was designed to enable implementation on the assembly line. The developed system is adaptable to other machine vision-based automated inspection applications.     

基于机器视觉的汽车仪表板智能检测方法

提出并实现了用机器视觉系统对汽车仪表板总成智能检测方法。仪表板质量检测技术的关键是提取边缘和定义指示误差。为了有效地去除噪声并进行边缘提取,采用了小波变换模极大值方法提取仪表图象特征;为了获取仪表板指示误差,提出了一种新的指示精度评判准则。在此基础上,已成功地研制出一种机器视觉检测系统。     

智能卡单卡冲切测量系统

冲切检测是智能卡生产过程中的重要环节,基于机器视觉的智能检测技术是实现快速、自动检测与控制的重要手段.论文介绍了基于OpencV的机器视觉的测量系统的图像处理关键技术,包括滤波、畸变矫正、分割图像.     

内螺纹图像识别技术研究

针对生产中内螺纹难以快速自动检测问题,提出了一种基于计算机视觉技术的内螺纹非接触式自动检测方法。采用数学形态学处理二值化后的内螺纹图像,消除了内螺纹小径圆弧边缘缺口、裂缝及破洞等缺陷;然后应用最小二乘圆拟合方法检测内螺纹小径圆弧,得到精确的小径半径尺寸,以内螺纹小径的半径尺寸差异为判别条件,开发自动检测系统,实现内螺纹的准确识别。实验结果表明,该系统检测精度高、正确率高、速度快,能满足内螺纹生产自动检测的要求。     

硅棒特征点三维坐标视觉检测技术研究

针对人工接触式硅棒参数检测中存在的耗时、低效、误检等问题,提出一种采用四CCD机器视觉系统作为硅棒参数实时检测的非接触式测量方案。系统基于多目视觉检测原理,以四CCD多目视觉检系统作为机器视觉检测前端数据采集模块,拍摄待测硅棒表面轮廓图像信息。相邻两CCD构成正交双目交汇数据采集子模块,子模块基于正交双目交汇测量原理实时采集两路含有目标空间信息的数字图像数据并保存到上位机。上位机图像处理系统读取采集图像,完成多目相机标定,特征点提取、同名点匹配以及视差计算后提取出目标特征点三维坐标。该检测技术有效避免了人工主观因素造成的漏检、错检,满足实时在线检测要求,实现了硅棒特征点空间三维坐标高精度检测的目的。