共查询到20条相似文献,搜索用时 187 毫秒
1.
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. 相似文献
2.
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。 相似文献
3.
机器视觉技术在药液灌装量检测中的应用 总被引:1,自引:0,他引:1
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。 相似文献
4.
李鹤 《计算机测量与控制》2017,25(11)
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。 相似文献
5.
6.
7.
8.
拉铆钉多参数高精度在线检测系统的设计 总被引:1,自引:0,他引:1
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. 相似文献
9.
基于机器视觉的矿物浮选过程监控技术研究进展 总被引:1,自引:0,他引:1
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. 相似文献
10.
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。 相似文献
11.
基于虚拟仪器的产品标签视觉检测系统 总被引:2,自引:1,他引:1
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
Stefan Raiser Edwin Lughofer Christian Eitzinger James Edward Smith 《Machine Vision and Applications》2010,21(5):627-641
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. 相似文献
15.
16.
17.
18.
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. 相似文献
19.
Chien-nan Huang Chin-Choon Lim C. Ming Ph.D. 《Computers & Industrial Engineering》1992,23(1-4):105-108
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. 相似文献
20.
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. 相似文献