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。     

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。     

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。     

计算机图像处理与模式识别技术在套管缺陷在线检测中的应用

从计算机视觉的角度,提出了一种基于图像处理和模式识别技术的计算机自动识别套管缺陷的检测方法。本文详细介绍了该方法的理论依据和实现过程,该方法检测套管缺陷准确率高、可靠性好、速度快、可实现地下套管的自动检测。为石油套管的优质高效率识别提供了一种行之有效的方法。     

计算机视觉技术在花生破损检测中的应用

运用计算机视觉技术对花生的破损进行了研究。首先获取花生图像,利用图像去噪、图像分割、图像增强等多种基本图像处理的方法对花生破损图像进行了处理。其次,对花生图像进行了特征分析、颜色切割。然后根据拍摄的花生图像的像素之比得出破损率。本研究方法不但节省了时间和人力,且提高了精度。     

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。     

叶片型面视觉检测系统设计与实现

航空发动机压气机叶片审理和验收是其研制周期中不可或缺的环节,为改善传统人工叶片审理流程费时费力、不确定 性高等问题,设计了一种基于机器视觉的发动机叶片型面检测系统。 首先,针对工业生产中普遍使用的三坐标检测仪叶片测量 法,完成对便携文件格式的批量图像提取,并利用颜色匹配和霍夫变换的方法完成叶片图像的超差判断;其次,对于无超差的叶 片图像,利用颜色匹配和形态学算子等手段完成叶片图像的增强,提高有效信息占比,并训练残差网络完成叶片前后缘形态异 常的分类任务;最后,针对大量图像数据的标注任务,设计普适性高的图像分类标注程序,并设计叶片质量检测程序在叶片图像 数据集上验证了系统对叶片超差判断和异常识别的有效性。 实验表明,该系统对叶片有超差和无超差异常的识别准确率分别 达到 100% 和 92. 9% ,可以满足工业生产实际需求。     

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.     

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。     

显微视觉快速自动调焦方法及实验

分析了显微视觉与计算机宏观视觉的特性,得出显微视觉下模糊效果是由几何光学和波动光学两部分造成的结论,并用标定实验验证了显微视觉下扩散参数与物距呈线性关系这一假设。研究了现有基于聚焦的自动调焦DFD(Depth from Focus)方法,提出了显微视觉下一种新型的基于离焦(Depth from Defocus)的快速自动调焦算法,该算法只要给定两幅模糊图像,就可直接计算出目标聚焦平面位置。实验结果显示,该方法的聚焦速度比传统DFF方法(本文选择SML法)快2～4倍。改进了的DFD算法提高了自动调焦性能,增强了显微光学鲁棒性,调焦精度较高,且具有较好的实用性。     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

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。