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YOLO算法的车辆实时检测

目前,基于机器视觉的车辆检测算法存在检测速度较慢的问题。针对该问题,提出一种基于YOLO算法的车辆实时检测方法。YOLO检测算法的基本模型由卷积层,池化层以及全连接层组成,具有强鲁棒性以及能够快速完成车辆检测任务。选择交通监控视频作为数据集进行车辆检测试验。结果表明,YOLO检测算法的查准率为89.3%,查全率为81.0%,检测速度达到60f/s,基本满足交通监控中车辆检测的实时性需求,说明该方法合理可行。运用该方法与2种不同的检测算法进行对比分析,得出YOLO算法的检测速度最快。     

基于视觉及多特征的前方车辆检测算法

针对现有视频车辆检测算法受光照、噪声等环境因素影响大,漏检和误检率高,难以同时满足鲁棒性及实时性的问题,提出了一种完整的前方车辆检测算法.该算法在改进的Hough变换提取车道线的基础上,首先对图像进行自适应二值化处理,通过腐蚀、膨胀法滤除干扰点;使用简洁有效的方法进行阴影线的合并及ROI区域的提取;算法利用目标区域内的信息熵、车尾对称性特征对感兴趣区域(region of interest,ROI)进行筛选和判别,降低了算法的漏检和误检率;使用改进的Robinson方向检测算子提取车辆边界,取得了较好的效果.结果表明:在处理分辨率为640×480的视频时,检测正确率89%,运算速度平均为17.6帧/s.     

基于机器视觉技术的拉线检测系统设计

针对产品包装透明纸拉线检测难问题,设计一种基于机器视觉技术的新型拉线检测系统,可检测出拉线缺失、拉线偏移等缺陷。介绍该系统的性能及特点,阐述了该系统的软硬件设计方法。     

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.     

基于机器视觉技术的拉链智能检测技术研究

现如今拉链已经彻底融入了我国人民的日常生活当中,因此,本文将从三个方面对机器视觉技术在拉链智能检测方面的研究做一个简要探讨.首先,拉链在我国的生产时间已久,但许多企业仍采用传统的检测方式,在此对传统拉链生产方面存在的不足进行了分析;接着对机器视觉检测系统作出了说明;最后则是将数字图像处理技术在计算机视觉方面的突出要点进...     

基于机器视觉在果品无损检测技术方面的研究进展

为满足食品加工业对基于机器视觉的果品无损检测的要求,从图像信息采集的各种技术、各种数学模型的建立和数值计算方法上的创新等方面分析了国内外基于机器视觉的果品无损检测技术,并对其优劣和存在问题进行了对比分析,并简述了该领域今后的发展方向。     

基于机器视觉的智能控制定位检测系统

介绍了一种基于机器视觉的自动传插件的智能控制定位检测系统,该系统利用机器视觉技术结合自动控制技术,使定位精度达到了839.843 75 nm,与机械定位相比,提高了系统的稳定性和精确性.在更多自由度,更精确、快速的自动化智能控制方面作出了进一步的提升和改善.该系统已经投入试验开发,且运行良好、状态稳定,达到了设计要求.     

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。     

基于机器视觉的带钢表面缺陷检测研究进展

热轧带钢是钢铁行业的主要原材料之一,其表面质量控制一直是生产过程智能检测的重点任务。针对带钢表面缺陷自动在线检测逐步取代人工检测的现状,概述带钢表面缺陷检测方法,着重阐述基于机器视觉的表面缺陷检测方法,比较分析传统机器视觉、深度学习方法在带钢表面缺陷检测的应用,探讨带钢表面缺陷检测中存在的关键技术问题,并对其未来发展趋...     

基于机器视觉和LabVIEW的有机玻璃缺陷检测研究

采用机器视觉技术和LabVIEW Vision Assistant对玻璃缺陷进行检测分析,以亚克力玻璃常见的缺陷划痕、气泡为主,通过LabVIEW图像处理模块进行灰度变换、形态学处理、阈值分割,最后对图像进行颗粒分析。该研究用模板匹配的方式,对玻璃存在的缺陷进行识别。多次检测研究后表明,该方式较准确地检测到划痕、气泡的存在,并对缺陷的位置及数量做出判断,正确率达到94%。     

基于机器视觉的条形码识读

基于机器视觉的条码自动识别技术,利用视觉系统得到条码的图像,通过几何变换、滤波去噪、阈值处理等有效的图像处理和快速模式识别方法,实现了流水线物品条码的快速、精确识读与检测。     

基于机器视觉的贴片引脚焊接缺陷检测

针对印刷电路板（Printed Circuit Board,PCB）中贴片元件引脚焊接在线检测问题,提出一种基于机器视觉的引脚焊接缺陷检测的算法.通过对引脚区域进行特征提取,综合采用面积法、连通域法质心法,实现对贴片引脚处附焊球、引脚桥接、缺焊及合格情况进行自动识别.提出了基于统计方法的参数阈值自适应修正的方法,有效解决固定阈值的局限性问题,使算法能够适用于不同光照强度的环境.实验结果表明,该算法对PCB中贴片元件引脚焊接缺陷检测的识别具有较高的准确性.     

基于机器视觉的IC快速定位检测

针对视觉检测中IC元件定位图像特征,提出了一种亚像素级圆形定位标志快速精确的检测方法,将点Hough变换的快速性和亚像素检测的精确性有机结合,提高了检测效率.实验结果表明,该方法具有效性和可靠性,为进一步检测芯片缺陷提供了保障.     

基于机器视觉和支持向量机的脐橙品质分级检测

为实现利用机器视觉代替人工视觉对脐橙进行品质分级检测, 采用数字形态学方法把脐橙从背景中分离出来, 并提取脐橙的体积、果面缺陷、颜色和纹理等几个主要特征.以这些特征量为支持向量机 (support vector machine, SVM) 的输入特征向量进行SVM分类器训练.最后, 用该分类器进行脐橙分级检测.实验结果表明:该分类器具有正确识别率高、实时性好的特点, 适合于实时环境下的脐橙分级检测.     

算法可重构的工业视觉饮料瓶盖缺陷检测

该文针对工业机器视觉系统软件对图像处理算法可重构的需求,以工业机器视觉饮料瓶盖缺陷检测为应用背景,给出了一种算法可重构的工业机器视觉饮料瓶盖缺陷检测系统软件的设计方案。该方案设计并实现了3种提取饮料瓶盖感兴趣区域的方法。同时结合饮料瓶盖缺陷检测的流程,详细阐述了系统软件对检测算法进行重构的原理及过程。最后,利用软件重构的检测算法序列对感兴趣区域图像进行缺陷检测,对测试结果进行了分析比较。测试结果表明该文的检测软件具有良好的实用性和检测性能。     

机器视觉电动缝纫机关键技术研究

研究了一种基于机器视觉和数控技术的工业智能缝纫设备的关键技术。该设备通过图像传感器对工作台上摆放的缝片进行识别与定位,通过送料机械手实现缝片的抓取并实现精确、快速、可靠地缝片的送料,以抛弃目前电动缝纫机的模板夹具,并实现减少操作工干预。