基于机器视觉维氏硬度检测技术研究

维氏硬度测试是一种精度高、应用范围广的硬度测量方法,但人工操作测量误差高、局限性大。本研究基于机器视觉的方法,搭建维氏硬度测试平台,通过采集压痕图像并对其进行处理、运算得出被测物硬度值。实验验证了其可行性。     

基于机器视觉的透明口服液装量检测系统的研究

本文介绍了一种利用机器视觉技术检测塑料透明瓶装口服液的装量检测系统.该系统实时在生产线上采集装有液体的口服液,每幅图片拍摄5瓶口服液,然后使用图像处理方法,检测出液位线,以判断液位线的高度来判断液体装量是否合格,经实验表明,该系统的检测能有效排除气泡干扰,检测精度能达到98％.     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

基于虚拟仪器的质量检测机器视觉系统

对机器视觉、虚拟仪器各自应用的特性作了比较，指出了机器视觉和虚拟仪器相互结合的技术优点，探讨了基于虚拟仪器的质量检测机器视觉系统的物理实现问题。文章比较详细地讨论了光源设计、摄像机、图像采集卡选取和系统软件设计等方面的技术实现细节。     

基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉技术的电缆结构参数检测系统研究

随着电力技术的快速发展,电力基础设施电缆化程度不断提升,各种电缆故障和事故亦愈加频发。为了提高电力工程中电缆入场和安装前结构参数检测精度,有效预防和减少物理缺陷对电缆安全稳定运行造成的隐患,研究了基于机器视觉技术的电缆结构参数检测系统。该系统通过机器视觉模块实时采集电缆截面图像,通过优化图像处理算法并开发检测程序,拓宽现场条件下电缆结构尺寸参数可检测种类,实现检测数据的保存和输出。非接触检测的便捷性和数据的可追溯性,有利于纵向提升电缆入场和安装前的质量管控精准度。通过对比分析及现场测试表明该系统具有良好的实际操作性和较强的实用价值。     

基于机器视觉的线扫描弹簧表面缺陷检测系统的研究与实现

针对传统的弹簧人工检测存在效率低、检测精度不高等缺点，本文通过对几种方案的对比论证，构建了一个基于机器视觉的线扫描弹簧缺陷自动检测系统，并在Visual C＋＋2005平台下开发了系统软件，对图像进行一系列的分析和处理，最终实现了对金属表面缺陷的自动检测识别，并还能够得到精确的尺寸测量结果。通过测试，结果表明系统能够实现既定的要求和目标。     

基于机器视觉的方便面分类检测系统设计

针对方便面生产线上,传统人眼在分类不同品种方便面时的低效率、高劳动强度问题,将机器视觉技术应用到其生产线上。为了便捷高效实现不同品种方便面的自动分类,采用基于HSI颜色空间特征的统计模式识别方法,并基于VC++6.0开发了易操作的人机交互界面。测试结果表明,该检测系统能正确快速实现多品种的方便面的识别与分类,其性能可满足生产需求。     

基于机器视觉的图像识别技术应用

在现代自动化生产过程中,机器视觉系统已广泛应用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是可以提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度,是实现计算机集成制造的基础技术。随着机器视觉技术自身的成熟和发展,可以预计它将在现代及未来制造企业中得到越来越广泛的应用。机器视觉工业检测系统机器视觉…     

基于机器视觉的孔类零件尺寸在线检测

应用机器视觉技术对孔类零件进行尺寸测量,采用边加工边测量的方式进行在线检测,可有效缩短零件的生产周期,提高生产效率.通过分析零件的工艺特征,选用CMOS相机与高精度远心镜头,对有倒角的特征采用环形光源照明,对未倒角的特征采用同轴光源照明,提高了硬件平台的柔性化.针对图像采集与传输过程中的椒盐噪声与高斯噪声,对采集后的灰...     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.     

基于支持向量机的规则零件检测技术研究

基于机器视觉的零件检测系统由于具有非接触、实时性强、速度快等优点广泛应用于各种工业生产中,提出了一种基于边缘跟踪的零件缺陷边缘智能检测算法,很好的检测到了完整的缺陷边缘,为特征提取提供了高质量的缺陷边缘参数。采用基于支持向量机的分类识别算法,避免了神经网络算法中需要多样本和过度拟合的问题,通过对比分析选择合适于本系统的核函数,并运用基于交叉验证和网格搜索的参数选择方法找到核函数的最佳参数,采用一对一的投票策略进行分类训练和测试,最后对采集到的缺陷零件样本进行了分类测试实验,达到预定的较高的检测精度。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于机器视觉的重复定位精度测量技术

重复定位精度是机床、机械手、工件台等工业设备的重要指标之一,它直接影响零件加工的一致性以及生产设备工作的可靠性,为此对设备的重复定位精度进行测定是评估设备能否满足精密产品生产需求的首要工作.而目前重复定位精度的测量主要有千分尺和激光干涉仪,但千分尺具有测量、读取数值不方便以及测量精度不高的缺点,而用激光干涉仪测量成本又较高.在设备的实际生产过程中,为了能够方便且又能精确的测定其重复定位精度,提出一种基于机器视觉的重复定位精度测量方法,该方法测定方便,测量精度达到亚像素级且可控,其随着测定相机分辨率的提高而提高,可以用于精度要求在微米级以下的设备的重复定位精度测定.     

基于机器视觉的芯片偏移检测系统

针对矩阵式测试盘上芯片偏移检测问题,搭建一套基于机器视觉的芯片偏移检测系统,主要包括上下料流道、三维移动 平台和视觉检测模块。 检测系统以一标准样板为基准,构建模板匹配与仿射变换相结合的图像矫正算法,实现不同待测样本间 检测的通用性;以灰度梯度及梯度方向为依据,设计针对芯片区域的矩形测量算法;系统以芯片左上角和右下角点连线的中心 为基准点计算芯片偏移量。 实验结果表明,本系统针对芯片偏移检测的误差范围-2. 145~ 4. 257 μm,单片芯片偏移计算算法执 行的平均时间为 72. 56 ms,检测轴运行速度为 20 mm/ s,对行列数为 5×12 的矩阵式测试盘上芯片的平均检测时间为 64. 5 s/ 盘,可满足实际加工过程的需求;使用测量系统分析(MSA)中的偏倚与线性度分析方法对本系统的准确性进行评估,结果表明 系统的偏倚和线性均满足生产需求。     

基于机器视觉的水表机芯灵敏度检测

为了解决人工检测水表机芯灵敏度存在效率低、精度差等问题,开发了一套基于机器视觉的水表机芯灵敏度检测系统.设计了一种基于指针通气前后转动角度差的间接检测算法.利用最小二乘法求得初始轮廓圆心,以圆心的横坐标和纵坐标将指针轮廓分为4部分,计算每部分轮廓点到圆心距离的标准差,取标准差值最小部分作为轮廓集合来拟合出精确圆,实现指...     

机器视觉在铜带表面缺陷检测系统中的应用

介绍了将机器视觉技术和LabVIEW图像处理技术应用于在线铜带表面检测的系统设计,以及系统的图像处理算法。系统采用两个面阵CCD摄像头同步采集铜带表面的图像,并通过LabVIEW图像开发模块对图像进行分析和处理,以得到铜带表面的缺陷情况。最后将缺陷图像数据进行分析并存储,根据结果适时发出警报。     

基于机器视觉技术的稻米等级快速自动判定方法及系统研究

当前稻米等级的判定多依赖于人工挑拣称重计算,具有人工主观性强、检测效率低等缺陷,因此实现快速自动判定稻米 等级是稻米行业的必然趋势。 本文基于机器视觉技术设计并开发了稻米等级快速自动判定系统。 通过成像技术获取稻米籽粒 高分辨率图像,利用 Watershed 算法和自适应阈值函数对图像进行处理,对不同籽粒进行标记并运用卷积神经网络训练,选取 最优训练模型对糙米分类,利用线性回归分析数据,实现对稻米等级的判定。 本系统与人工对同一批稻米等级的判定结果相似 度可达 91. 4%,采用本方法设计的系统在对稻米等级判定的过程中不仅排除了人为的主观性,还在检测速度上有了显著提升, 从而提高了稻米分级判定效率。