三维视觉检测技术在发动机装配中的应用

随着科学技术的不断发展,三维视觉检测技术在发动机装配领域应用越来越广泛,通过对三维视觉检测技术优势介绍,系统总结了三维视觉检测技术在发动机装配中的应用场景,包括装配防错、涂胶检测、表面三维测量等,为三维视觉技术在发动机装配行业普及提供新的思路.     

基于计算机视觉的药片实时检测系统

为了提升药品缺陷检测效率,降低制药企业的生产成本,设计了一款基于计算机视觉的药片实时检测系统。介绍了计算机视觉检测系统的工作原理和硬件结构组成,并在此硬件结构基础上,提出了一种新型计算机图像分割和特征提取方法。实验结果表明,所述算法和系统能够显著提高药片缺陷检测准确度,可以达到99%,计算机视觉检测系统能够完全满足实时性、高识别率等要求。     

计算机视觉技术的应用

分析了视觉检测技术的发展、特点、分类及优越性，论述了计算机视觉技术的检测原理、系统组成，详细介绍了计算机视觉技术在工农业生产中的应用。     

计算机视觉检测技术及其在机械零件检测中的应用

在机械零件检测中会应用到计算机视觉检测技术。本文以“数控机床的主轴装配”为应用场景,介绍了计算机视觉检测技术在机械零件检测中的应用流程、常用的算法及其优缺点,并对比了不同算法的检测结果。结果表明,计算机视觉检测技术在机械零件检测中具有很高的可靠性和准确性,可为机械制造行业提供高效的质量控制手段。     

计算机视觉技术的应用

分析了视觉检测技术的发展、特点、分类及优越性,论述了计算机视觉技术的检测原理、系统组成,详细介绍了计算机视觉技术在工农业生产中的应用.     

机器视觉在厚壁钢管端面缺陷检测中的应用

针对目前人工检测厚壁钢管端面缺陷存在的效率低、速度慢,且还会出现错检、漏检等问题,提出一种基于机器视觉的方法,实现对厚壁钢管端面缺陷的检测及分类。首先单独提取钢管倒角区域,利用最小二乘法对内外倒角包含的轮廓圆进行拟合,并根据欧式距离来判断倒角是否出现偏心的情况;其次提取钢管端面区域,并通过Otsu算法分割出缺陷区域,计算各联通域的特征描述并组成新的特征向量,使用支持向量机来判断缺陷类型。研究结果表明:该方法能准确检测出厚壁钢管的倒角是否偏心、端面是否存在各类的缺陷,且准确率达到96.7%,对一钢管端面的判断时间不超过100 ms,相比人工目测速度有明显的提高。     

计算机视觉检测技术在滚珠螺母测量中的应用

提出一种基于CCD图像的滚珠丝杠螺母非接触测量方法。首先用数字摄像头采集滚珠螺母图像,并经数字接口卡传输到计算机;其次对包含噪声的原始数字图像实施预处理和图像分割、细化等处理,将图像转换成易于检测的单象素宽边缘信息;然后用自编程序计算滚珠螺母有关参数,并实际测量了滚珠螺母的圆度、圆柱度等几何误差,进行了数据处理及标定。理论分析及实验测量结果表明,该方法可满足产品的技术要求。     

台达DMV视觉系统在螺母缺陷检测中的应用

本文介绍了应用台达DMV视觉系统检测螺母,从螺母螺纹有无、内径尺寸测量、瑕疵缺陷检测三方面要求入手,分析检测需求,设计最佳的解决途径,为客户解决了人工检测效率慢、检测质量不高的弊端,具有极高的现实推广意义。     

基于计算机视觉的人体脊柱轮廓测量的研究

在脊柱变形检查和人体工程学的研究中,人体脊柱轮廓的测量十分重要。通常情况下,脊柱轮廓的测量是通过放射线检查实现的,而这些检查伴随着对身体有害的放射性侵入。因此,本文提出一种定量客观的计算机视觉测量方法,实现对人体脊柱轮廓的测量。该方法使用立体视觉和彩色标记。红、绿、蓝三种颜色的标记顺序地从上到下贴到脊柱隆起处。由于标记和皮肤间的颜色差异非常显著,标记的位置很容易从背景中抽取出来。这样,两台摄像机拍摄的两幅图像中的对应像素就很容易地找到了,进而实现脊柱轮廓的三维测量。根据提出的方法,设计并实现的测量传感器和相应的算法。实验结果表明,本文的方法可以很好地实现人体脊柱轮廓的测量。     

大型自由曲面移动式三维视觉测量系统

本文介绍了一种移动式三维视觉测量系统，用于大型物体自由曲面的测量。传感器采用双目立体视觉方式，并结合编码结构光技术，使匹配过程简化。传感器移动到大型物体周围对各局部区域进行测量。采用一个平面靶标作为中介，建立了传感器位姿变换矩阵的优化目标函数，根据靶标上多个特征点求解出该矩阵，即拼接矩阵。传感器在各个位置所测三维数据通过拼接矩阵统一到全局坐标系下。视觉测量系统在2个位置对维纳斯石膏像进行了测量，并进行拼接。结果表明，该测量系统操作简单，适用范围广；x、y、z坐标拼接RMS误差分别为0．038mm、0．022mm和0．135mm。     

岸边桥式起重机电子防摇中的计算机视觉测量系统

运用计算机视觉测量的技术,对岸边桥式起重机钢丝绳实时偏摆角以及角速度的测量进行了研究,建立了偏摆角及偏摆角速度检测的模型,设计了测量实验的方案,取得了较好的效果,为岸边桥式起重机电子防摇系统的提供准确的前处理数据。     

基于计算机视觉的烟叶分离系统

采用计算机视觉和图像处理技术,利用CCD摄像机、图像采集卡、运动控制卡、计算机等组成针对烟叶颜色的分离系统,介绍系统的组成和图像处理方法,并给出系统的硬件和软件设计。     

将数学形态学应用于检测芯片机器视觉的研究

研制检测集成电路芯片的机器视觉系统,采用数学形态学方法对芯片图像进行滤波平滑处理,用于改善芯片图像的质量。结果表明:将数学形态学应用于检测芯片的机器视觉系统,提高了系统的检测速度和检测的准确性,满足了检测流水线对机器视觉系统检测实时性的要求。     

Detection of pinhole defects on chips and wafers using DCT enhancement in computer vision systems

This paper presents a global approach for the automatic inspection of tiny pinhole defects in randomly textured surfaces of surface barrier layer (SBL) chips. By means of a discrete cosine transform (DCT)-based image restoration scheme, the proposed method is independent of textural features and thus not confined by the limitations of feature extraction based methods. Through properly decomposing the frequency matrix of an image in the DCT domain and selecting the best radius of the sector filter for the high-pass filtering operation, we effectively attenuate the global random texture pattern and accentuate only tiny pinhole defects in the restored image. We also develop two accumulative sum detection procedures that automatically determine the best high-pass filtering parameters based on the abrupt changes of the frequency coefficients in the decomposed matrix. Experimental results show that the proposed method outperforms the traditional approach in reducing the Type I error by 70–80% and in decreasing the deviation of the defect areas by 95%. Moreover, the proposed method can be applied to various types of passive components in large-batch production because no precise positioning of the target chip or template matching is required.     

基于计算机视觉的车道线检测与识别

该文基于计算机视觉基础,设计了一种车道线的检测与识别技术,通过汽车搭载的前置摄像头获取道路前方包含车道线等信息的实时画面,并对画面进行预处理、形态学运算、Canny边缘检测、累计概率Hough变换等一系列转换,得到正确的车道线信息。实验结果表明,该方法可以有效快速地检测和识别出正确车道线,满足了汽车无人驾驶系统的响应时间需求,在汽车无人驾驶的开发过程中有一定的现实研究意义。     

支持向量机在机器视觉识别茶叶中的应用研究

本文针对茶叶的感官评定分类存在主观性强和一致性差等缺点，提出了一种新的茶叶识别分类方法，该方法是在机器视觉技术定量描述茶叶的颜色特征的基础上，根据支持向量机模式识别原理分别为碧螺春、龙井和祁红等3种茶叶建立了各自的分类识别模型。在RBF核函数下，所建立的模型最佳，3个模型的回判率都达到100％；对未知样本进行验证时，模型的识别率分别为95％、90％和100％。实验结果表明，基于支持向量机的机器视觉技术识别茶叶色泽类型是可行的。     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

基于计算机视觉的键盘胶帽印刷触点检测

提出了一种基于计算机视觉的胶帽印刷触点检测方法,该方法首先利用模板匹配法对印刷触点进行筛选,然后用触点的周长与面积之比对在第一步中被检为不合格的碳点进行二次检测,以避免误检。最后进行了检测实验,验证了本文所提方法的正确性和有效性。