基于机器视觉的汽车焊缝检测系统

针对汽车焊缝工件检测精度低、鲁棒性差和效率低等问题,设计一种基于机器视觉的车辆焊缝检测系统,代替现有人工焊缝检测。利用VS2010开发出界面程序,通过配置工业相机,实现多个相机对汽车焊缝点图像的获取,对当前图像进行一系列预处理,使用标定工件对焊缝图像进行尺寸标定和校正,并采用改进的Hough变换检测算法对图像进行焊缝检测。实验结果表明,系统测量精度为0.006 mm,测量方差量级为10~(-5),系统可以对汽车焊缝进行精准、稳定和快速地测量,并且可以将检测结果导出到对应焊缝检测点的Excel电子表格中保存。     

基于机器视觉的螺纹缺陷检测方法

为了满足现代制造业自动化生产装配中在线检测要求,提出利用机器视觉的方法对螺纹缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、螺纹的边缘提取、螺纹的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编程实现.实验结果表明,基于这种螺纹缺陷检测方法的准确率能够达到99.5%,一个螺纹的检测时间在300 ms以内,达到既定要求与目标.     

基于机器视觉的毛杆缺陷检测方法

建立了一套羽毛毛杆缺陷在线检测的完备方案,该方案运用机器视觉方法对羽毛进行无损检测。其重点是把图像检测过程分为三步,首先区别羽毛和背景,其次从羽毛中分割出毛杆,最后检测毛杆上是否存在缺陷。本文对每步都提出有效算法:用阈值法快速简便地区分羽毛和背景;用气球力的主动轮廓模型来分割毛杆;用小波分解和统计分析法来判断缺陷的存在。在小波分解前,根据毛杆缺陷特征,把图像的二维信号变换到一维信号,把缺陷的检测变为信号中奇异点的检测。在分析缺陷大小和特征后提出小波基的选择方法和分解层次的限制。该方案经过试验验证行之快速有效。     

汽车仪表指针识别方法研究

利用减影法和Hough变换对指针式汽车仪表指针的识别进行研究。PCI-6024E数据采集卡发出标准信号驱动汽车仪表,由CCD摄像机获取汽车仪表图像传输至计算机,应用中值滤波、二值化和细化对仪表图像进行预处理。然后根据减影法、Hough变换提取目标信息,确定仪表读数。实验结果表明,该方法简便、精度高。     

基于机器视觉的驾驶员嘴部状态检测方法

在采用机器视觉对驾驶员进行驾驶行为监测时,嘴部状态识别是关键技术之一。事实上,驾驶员在正常驾驶、说话及打哈欠(瞌睡)三种状态下的嘴部张开程度有一定的区别。根据这一特点,作者利用Fisher分类器提取嘴唇的轮廓和位置,然后利用嘴唇区域的几何特征作为特征值,组成特征矢量,作为三层BP神经网络的输入,将正常驾驶、说话及打哈欠(瞌睡)三种不同精神状态作为输出。试验结果表明:该网络可快速有效地识别驾驶员的嘴部状态。     

基于机器视觉技术的盘纸余量检测方法

采用局部采样方式,将灰度化后的图像分割成许多小块,每个小块中盘纸的弯曲弧度忽略不计,可看成是平直的,分别对每个小块垂直投影,采用差分法查找计算出盘纸宽度。剩余盘纸的长度可精确到每一圈,避免了以往剩余几十圈的浪费。     

基于机器视觉的袋泡茶包缺陷检测方法

针对袋泡茶包的缺陷,设计了基于机器视觉的袋泡茶包缺陷检测装置,提出了识别袋泡茶包缺陷的图像处理方法.通过最大类间差算法对茶包图像进行阈值分割,去除背景.根据茶包外形特点以及不同的缺陷特征,对茶包进行四边形拟合并划分成不同区域.通过计算茶包边缘夹角以及统计分析各区域灰度信息的方法,识别斜包、皱包、空包、夹渣包、左右不对称包缺陷;通过形态学运算和边缘检测识别破包缺陷.实验结果表明:各种缺陷的正检率均达到85%以上,总的缺陷正检率达91.8%.     

基于机器视觉的轴承密封圈缺陷检测方法

以江苏某轴承股份有限公司的4011XXXX型的轴承为研究对象,运用机器视觉技术中的Canny算子对轴承密封圈图像进行边缘提取,应用最小二乘法对其边缘拟合,编写缺陷特征识别算法,并在Visual C++6.0环境下实现了该检测算法.     

基于机器视觉的微小零件形貌检测方法

针对当前工业生产中人工对微小异形零件形貌参数测量精度低、速度慢的问题,提出了一种基于机器视觉的检测方法,并开发了一款基于开源计算机视觉库OpenCV的检测软件。该检测方法首先使用CMOS相机采集被测零件的图像,并结合频谱特征对其进行滤波、阈值分割等预处理;然后选取效率高、边缘跨度为单像素的Canny边缘检测算法对预处理之后的图像进行边缘检测;最后采用Ramer算法对零件轮廓进行递归细分,拟合出几何基元,并结合测量焦距下的系统标定系数计算出零件实际的形貌参数。实验结果表明:通过该检测方法对长、宽均为毫米量级的Ω型微小零件进行形貌检测,检测精度达到10μm以下,具有精度高、速度快的优点,可为工业化生产提供可靠依据。     

基于机器视觉的织物疵点检测方法综述

对基于机器视觉的各种织物疵点检测方法进行综述,将检测系统分成3个层次:疵点判别、疵点分割和疵点分类,给出了对各个层次的要求和完成的目标,并将已经提出的大多数疵点检测方法按其特点归类到3个层次中,具体描述了各类方法的优缺点,分析其实用性,最后总结了该领域的发展趋势.     

基于机器视觉的智能化布匹瑕疵检测方法

为了满足布匹瑕疵检测的准确性和实时性要求,通过对几种纹理分析方法的讨论,提出了一种智能化的瑕疵检测方法.该方法将图像等分成局部窗口,利用局部标准差和平均值对图像进行初检测,确定瑕疵存在的区域.然后采用Gabor滤波器,在多分辨率和多通道上分别对图像有瑕疵的区域进行滤波,建立金字塔图像表示结构,并对滤波后的多幅图像进行融合和重建,把瑕疵从布匹背景中提取出来,从而完成瑕疵的检测.实验证明,该方法检测速度快,准确率高,能够满足检测要求.     

基于机器视觉的苹果表面纹理检测方法

提出了一种基于机器视觉技术的苹果表面纹理检测分级方法。提取苹果目标,使用不同算法灰度化图像。根据纹理位于图像中灰度突变处的特点,采用典型梯度算法,对目标图像进行两次梯度锐化。对图像进行滤波去噪使纹理更加突出。利用绝对差分算法,计算图像的平均梯度,选取阈值55,将苹果分为纹理鲜明A级果和纹理不鲜明B级果。设计了由PC机、可编程逻辑控制器、摄像机、图像采集卡等组成的苹果视觉自动化分级系统。选取41个水晶富士苹果在该系统进行了分级试验,分级窜果率为4.9%,可以满足应用要求。     

基于机器视觉的铝型材表面瑕疵检测方法

铝型材的表面瑕疵影响其质量、外观以及安全性,如何准确、快速和高效地识别铝型材的表面瑕疵至关重要。为解决检测铝型材表面瑕疵的问题,提出一种基于机器视觉的铝型材表面瑕疵检测方法。该方法基于铝型材的瑕疵种类和特性,采用非线性的双边滤波,并对其定义域核函数作出空间域改进,改进后的滤波算法能够较好地抑制噪声,保留瑕疵边缘信息。预处理后采用改进的Canny算法对图像进行梯度计算并且通过非极大值抑制得到候选边缘,对缺陷进行定位。为了有效地对瑕疵进行分类,对其数据集进行数据增强,防止过拟合情况的发生,结合光照等外界因素对瑕疵特征的影响,采用HOG算法进行特征提取,并将卷积神经网络多层的特征与HOG特征进行融合,对卷积核采用相关系数法优化,解决传统HOG+SVM模型泛化能力和鲁棒性差的问题,铝型材表面瑕疵检测准确率提升至90.26%,平均每张测试集仅需58.34 ms,符合目前对铝型材表面质量检测的需求。     

基于机器视觉的化妆品纸质标签缺陷检测方法

针对化妆品纸质标签生产中出现的不干胶标贴漏贴、偏移、倾斜、叠加,生产日期字符漏喷、偏移、倾斜、多喷,日期喷印错误等缺陷,提出一种化妆品纸质标签缺陷视觉检测方法。首先,利用数字形态学与连通域分析技术,从倾斜校正后的标签本体图像中分别提取不干胶标贴和日期字符区域;其次,分别提取区域重心坐标与方向角检测不干胶标贴和日期字符的位置缺陷;进而,在日期点阵字符垂直校正基础上分割字符,提取网格特征、垂直投影、投影宽度及字符占空比等字符特征,利用这些特征训练BP神经网络并实现对日期点阵字符的识别;最后,在样机上采集了大量正常及具有不同类型缺陷的化妆品标签图像,进行实验验证。实验结果表明:该算法准确率高、稳定性好,能够快速检测位置缺陷和准确识别日期字符,检测准确率可达94.4%。     

基于机器视觉的圆柱齿轮表面微小裂纹检测方法

在温度或湿度的干扰下,对圆柱齿轮表面微小裂纹进行检测时,采集到的目标图像质量很不稳定,导致检测方法的适用性比较差.为了解决这一问题,提出基于机器视觉的圆柱齿轮表面微小裂纹检测方法.根据实际应用需求,选择合适的光学镜头和电荷耦合原件,将上述两种装置组合成机器视觉系统,使用发光二极管作为光源,在两侧照明方式的支持下,使用1...     

基于机器视觉的齿轮轴承漏针缺陷检测方法

为了满足制造业自动化生产装配中完全在线检测的要求,利用模式匹配的方法来对齿轮轴承的漏针缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、圆中心获取、基于模式匹配的缺陷检测、缺陷量值的计算与存储.该算法由Visual C++6.0编成实现,并经过一系列实验,结果表明:基于这种旋转模式匹配的轴承缺陷检测方法的准确率能够达到99.5%,一个轴承的检测时间在300 ms以内,达到既定的要求与目标.     

基于机器视觉的车辆对称中心检测

介绍了一种基于车辆和背景的特征、灰度值、轮廓及对称性等的目标检测定位及对称中心确定的方法.提出了一种新的对称性检测算法.该算法具有简单、可靠的特点.并进行了实验验证.实验统计结果表明:该对称性检测算法能有效地检测出目标车辆的中心位置.     

基于机器视觉的车辆对称中心检测

介绍了一种基于车辆和背景的特征、灰度值、轮廓及对称性等的目标检测定位及对称中心确定的方法．提出了一种新的对称性检测算法．该算法具有简单、可靠的特点．并进行了实验验证．实验统计结果表明：该对称性检测算法能有效地检测出目标车辆的中心位置．     

基于机器视觉的位移检测算法

针对国外用户提出的车库卷闸门的非接触式位移实时监测要求,通过TensorFlow平台与OpenCV库设计了基于IPC监控摄像头的位移检测算法。选取特定标签并采用核相关滤波追踪器对卷闸门上的标签进行捕捉追踪,通过图像预处理等多种手段对图像进行抗干扰处理进行标签捕捉,测量标签的实时位移,在不同尺度特征及光照条件下进行了重复性实验。该算法对标签捕捉精准,实时追踪效果良好,位移和速度测量效果稳定,误差控制在3%以内。