基于机器视觉的脚垫装配系统的设计

针对笔记本生产企业传统人工装配脚垫存在的速度慢,精度不易控制等弊端,利用机器视觉检测和计算机图像处理技术,研究开发了适应大批量生产和在线实时检测的脚垫装配视觉系统;建立了系统软硬件结构,分析了系统的组成、工作原理及工作过程,并对图像处理算法进行了设计.实验结果表明,该视觉系统实现了脚垫的快速准确装配,精度达到0 05mm,提高了产品质量及生产速度.     

基于机器视觉的气门油封装配质量在线检测

目前在汽车发动机装配线上仍主要依靠人工视觉检测气门油封装配质量,效率低且易出错。引入机器视觉技术,利用智能相机获取压装后的气门油封图像,应用图像定位、模板匹配、特征提取等算法,实现对气门油封装配质量的在线自动检测。实践证明：该方法可替代人工对气门油封压装质量进行100％在线检测,快速稳定,满足生产要求。     

机器视觉技术在药液灌装量检测中的应用

药品生产质量的检测是非常重要的。针对玻璃安瓿瓶药液灌装量的检测,提出了一种基于机器视觉技术的、适于实时在线检测和控制的方法,即通过计算机视觉系统,采集水针剂玻璃安瓿瓶图像,利用机器视觉软件HALCON的灰度值形态学算法分割图像,然后查找边界跳变点、进行液位测量,最终作出判断决策。实验研究证明该方法准确度高、检测结果客观等,具有十分明显的优势。     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

手术器械几何尺寸在线检测的研究

提出了一种机器视觉检测手术器械几何尺寸的新方法。在VC＋＋6．0和MVTec Halcon8．0软件平台下,通过硬件系统定位器械、采集图像;利用软件系统进行手术器械图像的实时采集、图像处理、在线检测、结果输出等。可实现手术器械几何尺寸的自动检测,不合格产品报警提示,对检测结果的数据处理,生成检测报表。该系统具有实用性强、可靠性高、性价比优等特点。     

智能图像检测在活塞在线分选中的应用

基于某活塞生产厂的活塞在线检测需求本文将机器视觉检测技术应用于活塞在线视觉检测分选中,开发出一套智能图像检测系统.该系统将VB与图像传感器相结合,充分利用VB和智能图像传感器的特点,使检测系统操作简单、高效精确.在检测中,主要应用了模板匹配原理对图像进行识别.该图像检测系统满足了生产实际的需求,提高了生产效率,减轻了工人的劳动强度,实现了活塞的在线检测与分选.     

拉铆钉多参数实时在线视觉检测系统研究

本文以引进吸收再创新的模式,综合机器视觉技术、自动化技术和集群协作处理技术,研发“拉铆钉多参数实时在线视觉检测系统”。     

拉铆钉多参数高精度在线检测系统的设计

针对托铆钉在线检测设备在国内还是空白的现状,利用机器视觉技术、嵌入式技术以及光源技术设计了一种用于拉铆钉多参数高精度在线检测的系统;系统以嵌入式微处理器S3C2440为核心,用非接触测量方式,利用CMOS图像传感器OV3640对拉铆钉的特征信息进行采集提取,完成了拉铆钉生产的实时在线高速高精度的检测,检测精度达到0.01 mm,检测速度为每分钟1800件以上,解决了拉铆钉在线自动检测这一行业难题.     

基于机器视觉的矿物浮选过程监控技术研究进展

矿物浮选流程长、分布范围广、控制变量多、关键工艺参数无法在线检测,导致实时监控困难, 严重制约了浮选生产的优化运行及选矿自动化水平的提升.浮选泡沫表面视觉特征是浮选工况和工艺指标的直接指示器, 为此将机器视觉应用到矿物浮选过程的监控中, 以提高浮选过程的资源回收率. 本文结合矿物浮选泡沫图像特点,从浮选过程的泡沫图像关键特征提取及表征、关键工艺参数检测、工况识别以及基于机器视觉监控系统的实现等方面综述了浮选过程监控技术的研究成果,并 指出了基于机器视觉的选矿过程监控技术的发展趋势及面临的挑战.     

安瓿制剂中的可见异物实时视觉检测系统研究

针对安瓿中可见异物的视觉检测需求,设计了基于机器视觉的安瓿制剂在线检测系统;研究了该检测系统的硬件构成和工作原理,为了从复杂的视觉图像中提取出微小的检测目标,系统运用机械方法使被测目标与背景间产生运动差异,利用精密的光学成像系统获取目标运动序列图像,通过图像灰度投影定位安瓿图像,并提出图像差分提取运动目标和粒子滤波跟踪运动目标方法来完成对异物的实时视觉检测;实验证明所研制的系统可有效地应用于安瓿制剂的可见异物在线检测。     

基于虚拟仪器的产品标签视觉检测系统

针对生产过程中人工检测产品标签制约生产速度的情况,采用一种基于虚拟仪器的机器视觉产品标签检测系统,该系统以LabVIEW为平台,配以1394摄像头和图像采集卡,利用一定的图像处理技术,如平均滤波、平滑处理和局部增强处理等,完成视觉检测;经过测试,从图像采集到图像处理得出结论耗时不超过40ms,满足性能指标的要求,该系统开发周期短,检测速度快,充分发挥了虚拟仪器技术的功能强大、扩展性强的特点。     

印刷品缺陷检测的初步方案

印刷品缺陷检测技术有着重要的实际意义。介绍了基于数字图像处理的印刷品缺陷检测系统的设计,并对主要模块即图像采集及预处理、模板制作、图像对准、缺陷检测进行了分析研究。实验结果表明,充分考虑人眼视觉特性,将动态阈值法引入缺陷检测,能够显著提高印刷质量检测系统的检测精度。     

竹地板选片工艺的机器视觉化研究及实现

针对竹地板加工中的“选片工艺”,构建了基于机器视觉的竹片缺陷检测与颜色分拣平台,研究了竹片缺陷与颜色检测过程中图像采集、光学成像、光学照明等关键问题,设计了竹片缺陷检测及颜色识别的图像处理算法及软件流程,并探讨了竹片缺陷检测与颜色分拣平台的机械传动、分拣执行装置及电控实现。仿真实验表明,提出的竹片缺陷检测及颜色识别算法能够对采集系统摄取的竹片图像进行准确的检测与识别,能够完成竹片6种常见的缺陷检测以及4种以上的色差识别,对提高选片工艺的生产效率具有重要意义。     

Impact of object extraction methods on classification performance in surface inspection systems

In surface inspection applications, the main goal is to detect all areas which might contain defects or unacceptable imperfections, and to classify either every single ‘suspicious’ region or the investigated part as a whole. After an image is acquired by the machine vision hardware, all pixels that deviate from a pre-defined ‘ideal’ master image are set to a non-zero value, depending on the magnitude of deviation. This procedure leads to so-called “contrast images”, in which accumulations of bright pixels may appear, representing potentially defective areas. In this paper, various methods are presented for grouping these bright pixels together into meaningful objects, ranging from classical image processing techniques to machine-learning-based clustering approaches. One important issue here is to find reasonable groupings even for non-connected and widespread objects. In general, these objects correspond either to real faults or to pseudo-errors that do not affect the surface quality at all. The impact of different extraction methods on the accuracy of image classifiers will be studied. The classifiers are trained with feature vectors calculated for the extracted objects found in images labeled by the user and showing surfaces of production items. In our investigation artificially created contrast images will be considered as well as real ones recorded on-line at a CD imprint production and at an egg inspection system.     

机器视觉在印刷缺陷在线检测中的应用与研究

为了提高印刷缺陷检测准确性与效率,满足缺陷检测的实时性,提出了机器视觉技术应用于印刷缺陷在线检测并研究检测过程中的相关问题.设计印刷缺陷在线检测的方案及以数字信号处理器DSP为核心的视觉在线检测系统的硬件结构组成.研究图像预处理、图像匹配与缺陷检测的算法并加以改进使其满足缺陷检测的实时性.开发印刷品缺陷视觉检测软件,对缺陷检测流程进行仿真,验证检测方案与图像处理算法的可行性.     

基于LabVIEW的网络机器视觉检测系统

针对生产过程中需要实时监测零件尺寸的情况,采用一种网络机器视觉尺寸测量系统,该系统以LabVIEW为平台,配以1394摄像头和图像采集卡,利用一定的图像处理技术完成视觉检测,利用DataSocket技术实现图像的网络实时发布和客户端图像的接收。经过测试,从图像采集、处理和发布系统耗时不超过280m s,该系统开发周期短,检测速度快,充分发挥了虚拟仪器技术的功能强大、扩展性强的特点。     

嵌入式机器视觉检测软件的构件化设计

针对传统的机器视觉检测系统软件开发周期过长,系统可重构性、可复用性和可扩展性差的缺点,设计了基于构件的层次模块化机器视觉算法库(MVAL).同时,提出了适合图像处理算法的构件模型和复合方式,并给出了算法构件的运行框架虚拟机的结构以及视觉系统图形化配置实例.算法模块和整体性能测试的结果表明,系统设计满足工业在线检测的实时性和可靠性要求.此设计对相关软件的研发提供了很好的参考.     

基于光学三角几何关系的三维表面重建方法

工业图像处理作为图像处理技术的工业应用,是自动化技术的发展方向之一.传统的二维图像处理已经在视觉检测系统中广泛应用.目前利用光学方法的三维数字化具有越来越重要的意义.在工业生产中,多种获取三维数据的途径得到应用.其中最重要的方法有立体视觉,条形光相位平移法和条形光格雷编码法.本文重点介绍这三种方法在视觉检测系统中的运用.所开发的系统实现了被测工件可视化,而且更容易地将三维图像集成到生产线中.     

Comparison of image processing algorithms and neural networks in machine vision inspection

Automated vision inspection has become a vital part of the computer integrated manufacturing systems. This paper compares the development and performance of two methodologies for a machine vision inspection system. The first method is developed through conventional image processing algorithms and the second method is based on the neural networks. A case study was conducted to benchmark these two methods. The results showed that the conventional image processing algorithms required less development time than the neural networks. A considerable amount of time was spend on training the neural networks. However, the neural networks performed better than the conventional image processing algorithms in terms of accuracy.     

A vision system for on‐line inspection of CRT electron‐gun grid gaps

Abstract— A high‐resolution vision system for on‐line measurements of color CRT electron‐gun (E‐gun) grid gaps has been developed. The measurement principle is based on a digital image‐processing technique combined with a multi‐path imaging system. By utilizing the arrangement of multi‐path image processing, the measurements for different types of guns and for different gaps on a gun can be effectively executed with higher resolution. The purposes of on‐line inspection and statistical quality control are also easily implemented. Experiments were executed in the production line of a 15‐in. monitor, and the experimental results show that the system resolution is about 8.5–10 μm and the on‐line inspection index is about 300 pcs/hour.