基于深度学习的微小元器件智能在线检测系统

为了解决多种微小元器件的尺寸、位置、方向和缺陷自动化在线检测难的问题,提出一套机器视觉和深度学习相结合的智能在线检测系统.通过搭建视觉检测系统采集微小元器件的图像,并对图像进行图像预处理、二值化、滤波、边缘轮廓特征提取以及模板匹配等处理,实现了多种微小元器件尺寸、位置和方向的在线检测.针对微小元器件表面缺陷,提出一种基...     

基于机器视觉的轴承生产中的表面质量在线检测与研究

数字图像处理技术与模式识别技术结合,可广泛应用于工业产品的分类识别。针对轴承在线装配生产中存在的缺陷检测识别的需求,研究基于机器视觉的自动检测系统,采用面阵相机对不同表面进行对比测量,对采集的图像进行二值化处理,为后续的图像预处理、模式识别、特征提取及特征值对比做了分析和准备,以实现产品的在线表面缺陷检测识别。     

机器视觉在智能制造中的应用与产业发展

智能制造是我国实现制造强国的重要途径,而机器视觉技术已成为智能制造系统的核心技术之一。采用文献研究法对近年来机器视觉技术在智能制造领域的主要研究成果与应用情况进行了系统的梳理,详细阐明了机器视觉在智能制造领域的四大应用(引导、检测、测量、识别)及其研究进展;对全球机器视觉产业发展现状进行了详细的阐述与分析;预测了机器视觉技术在智能制造行业的发展方向。研究结果对我国智能制造底层建设、机器视觉的发展有重要意义。     

多品种连接器附件的高柔性智能检测系统

为保证连接器附件的正确分类,开发一套多品种连接器附件的高柔性智能检测系统。该视觉系统硬件部分由CCD相机、远心镜头、平行背景光源构成。经过图像预处理、形态学处理以及图像自动二值化等技术处理后,运用模板匹配算法实现连接器不同类型附件的智能识别和分选。实验结果表明:该识别系统识别速度快、准确率高、自动化程度高、柔性强,能满足实际生产需求,具有良好的实用价值。     

基于CCD技术的石材大板表面廓形检测研究

采用工业CCD(charge coupled device)摄像机、图像采集卡、计算机等硬件设施搭建了一套基于CCD技术的石材大板表面廓形检测系统。该系统实现了非接触检测功能,解决了传统接触式石材表面廓形检测的问题。本系统首先由CCD摄像机采集石材大板图像,然后通过VC++编程软件并结合OpenCv机器视觉库实现图像的提取、处理、分析等过程,快速完成了石材大板表面廓形的检测。该系统为以后的石材大板优化处理、智能切割、工程板在线加工提供了一个基础平台。     

基于机器视觉的电路板自动钻孔系统设计

电路板手工制作过程中人工钻孔定位准确度要求高、耗时长、危险系数高,为解决这一问题需要机器代替人工自动钻孔。设计一套基于机器视觉的电路板自动钻孔系统。系统通过机器视觉进行电路板的图像采集,经过灰度处理、图像滤波及二值化、边缘检测等预处理后得到电路板线路边缘的图片,利用霍夫变换进行圆孔位置识别与定位,采用遗传算法对加工路径进行优化,通过C#语言编写控制机器程序,实现自动钻孔。实验结果表明：该自动钻孔系统能够准确、快速地进行电路板自动钻孔,大幅度提高了钻孔的效率和安全性。     

基于机器视觉的动态环境下小尺寸轴检测系统

为准确检测小尺寸轴的尺寸,建立了一种动态环境下基于机器视觉的小尺寸轴检测系统。该系统是采用工业相机、镜头以及平行光作为背景光源组成的机器视觉系统,经过图像预处理、查找表、图像二值化以及边缘特征提取等图像处理技术的处理,采用轮廓分析方法计算了轴的轴直径和槽直径,同时运用最小二乘法拟合轴心线来计算了轴和槽的同轴度误差,最后提出了一种动态环境下的轴尺寸计算方法和环境变化实时监控方法。实验结果表明,该系统检测结果稳定性强、检测精度高,完全满足实际生产应用的要求,具有良好的实用价值。     

精冲件轮廓缺陷在线检测技术北大核心CSCD

为提高平板厚板型精冲件的轮廓检测速度与精度,基于机器视觉技术,研究了一种轮廓缺陷在线检测技术。利用Canny算子从均值偏移滤波后图像中提取边缘线,然后根据标准轮廓(模板)的尺寸,从中挑选出需要检测的轮廓。由于待检测轮廓与模板存在角度与位移偏差等问题,提出了一种先角度配准、再位置配准的两步图像配准算法,将配准后的待检轮廓与模板进行图形比对,差异图像经过形态学滤波等算法处理,获得缺陷区域的尺寸及位置,由此实现精冲件的在线检测。基于研究成果设计开发了一套零件在线检测系统,并进行了实验验证。结果表明,该系统能够识别的零件精度达0.4 mm,每件的识别时间小于0.3 s,完全能够满足大批量精冲零件的轮廓缺陷在线检测的需求。     

基于LABVIEW的焊缝表面缺陷智能检测系统研究

利用LABVIEW软件,开发了焊缝表面缺陷采集以及感兴趣区域(ROI)截取、阈值分割、中值滤波、形态学处理以及图像的细化等程序。在此基础上,采用多模板几何匹配模式,对采集的图像进行了匹配和识别。该缺陷检测系统的开发为视觉检测技术替代人工检测奠定了基础。     

基于机器视觉的轴承沟道曲率半径在线检测

在实际生产线上,根据不同的尺寸偏差对同一型号的轴承沟道曲率半径进行在线检测。针对该问题,设计基于机器视觉的轴承沟道曲率半径在线检测系统,以替代人工检测。运用CCD摄像机与MATLAB图像处理技术相结合的方法,对零件进行非接触式测量,并对采集到的零件图像进行预处理;通过对比各种边缘检测算法,采用Canny算法求取像素精度的轴承边缘;利用圆的Hough变换检测出带有圆弧的圆特征,计算此圆弧的圆心坐标和半径值。实验结果表明:该系统的测量精度可达到0.5μm,测量标准差小于2.5μm,符合工业检测要求。     

机器人智能抓取系统视觉模块的研究与开发

以ABB机器人、快换手爪、双目相机为硬件基础,搭建了基于双目立体视觉的工业机器人智能抓取系统,旨在实现随机放置物体的识别定位和自动抓取。基于视觉模块,研究了图像处理、立体匹配和深度计算以及坐标转换,以C++为开发平台,结合Open CV图像开发库和Triclops库,开发了视觉识别与定位算法,实现对圆柱体和长方体薄板对象的分类和位姿识别。最后,通过实验验证,表明该视觉算法有较高的识别定位精度,满足抓取系统的要求。     

基于机器视觉的汽车滤芯密封性在线检测

针对当前汽车空气滤芯缺陷检测过程中存在的问题,提出并设计一套基于机器视觉的汽车滤芯密封性在线检测方案,实现了滤芯自动上下料、运动控制、图像采集与显示、图像分析处理等功能.该系统由PLC控制传送带的间歇运动、并联机器人的自动上下料和直角坐标机器人运动,工控机触发相机拍照获取滤芯图像.图像处理算法以Visual Studi...     

一种基于机器视觉的轮胎模具表面字符检测方法

为了实现轮胎模具表面字符自动化检测,提出一种基于机器视觉的轮胎模具表面字符检测系统。根据轮胎模具的特点,设计了基于机器视觉的自动化检测装置,并对其工作原理进行介绍;设计了相应的图像处理方法,主要包括图像预处理、图像定位及字符检测等步骤。最后通过实验验证了该检测系统的可行性和准确性,并对产生误报的原因进行分析。实验结果表明,该检测系统可在短时间内完成轮胎模具表面字符检测,并具有高准确率和高检测速度。     

基于机器视觉的飞机防护栅无损检测系统

介绍了基于机器视觉的飞机防护栅无损检测系统,该系统由硬件子系统和软件子系统组成,其中硬件子系统由精密移动控制系统、数字成像系统、高性能运算平台、电源系统等组成,软件子系统由检测控制软件和裂缝栅格图像后验检索与定位软件组成。针对某型飞机进气道防护栅结构特点,系统通过智能检测算法自动检测和识别防护栅的表面裂纹和缺陷,对裂纹等异常区域进行标注和存储,消除了人工检测的不稳定性,提高了检测效率和准确率。     

基于Qt的钢管壁厚在线检测软件设计

针对目前钢管端面壁厚的测量多采用人工抽检的方式,从而导致测量效率低、精度低、测量数据少的情况,对机器视觉测量技术进行了研究。基于机器视觉,设计钢管壁厚在线检测系统。通过对相机进行标定,获得图像像素值与实际值之间的关系,使用相机采集钢管端面图像,对采集得到的图像进行图像预处理、边缘特征点提取等操作;改进RHT圆检测算法,完成钢管端面圆形轮廓的检测,进而实现对钢管端面壁厚的测量。为了便于操作,基于Qt跨平台开发框架设计了钢管壁厚检测系统人机交互界面软件。结果表明：该系统具有良好的稳定性,检测误差约为0.1 mm,可以高效地完成壁厚检测任务。     

基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.     

基于机器视觉的锥形旋压件起皱缺陷在线检测方法

获取成形缺陷的快速、准确在线检测方法是实现旋压成形智能化的基础。通过对起皱特征和图像识别流程进行研究,提出了一种基于机器视觉的起皱缺陷在线检测方法,并将其应用于锥形件剪切旋压成形过程起皱缺陷的在线检测。构建旋压成形图像在线采集系统,实现成形时旋压件图像的实时获取;利用Halcon软件对图像进行ROI提取、直方图均衡化等预处理,能够获得高对比度的清晰图像;通过Otsu法改进传统Canny边缘检测算法,实现了根据图像梯度自动确定高低阈值,准确地提取出锥形件的图像轮廓。以锥形旋压件起皱后口部轮廓波纹个数及大小为特征,设计了起皱缺陷识别算法,成功检测出锥形件起皱缺陷;并通过剪切旋压实验进行起皱识别算法的可靠性验证。实验结果表明,该方法可以准确、快速地检测出起皱缺陷,平均响应时间为0. 225 s,能够满足实时检测的要求。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

铝合金轮毂图像识别分类技术研究

铝合金轮毂的识别是轮毂智能生产管理平台的重要一个环节。利用Microsoft Visual Studio平台和MFC搭建系统界面,基于强大的机器视觉开源库OpenCV实现在线拍摄轮毂,针对带有较大毛刺的铸件毛坯图像进行幅窗多边形形状化简并进行特征提取,最后利用为图片生成序列号的形式进行轮毂图片比对并加以分类,达到了实时分类的效果。该系统有效地提高了轮毂生产效率,并实现智能化轮毂分类和数据发送。     

铁塔构件制孔尺寸机器视觉在线检测系统设计

针对目前铁塔构件制孔尺寸检测采用人工样板比对的方法而导致的误检和漏检现象,依据不同的铁塔构件有不同的制孔形位尺寸的特性和铁塔构件制孔加工的过程,设计了铁塔构件制孔尺寸机器视觉在线检测系统。通过对固定好的工业相机进行标定,确定铁塔构件制孔尺寸图像像素坐标和世界坐标的关系,并利用行程开关控制工业相机自动采集铁塔构件图像后,用LabVIEW软件对采集到的铁塔构件图像依次进行数字图像预处理、目标图像轮廓特征及区域特征的提取、铁塔构件制孔尺寸图像目标识别操作,从而实现铁塔构件制孔尺寸机器视觉在线检测。结果表明该检测系统能够检测出铁塔构件制孔的数目、位置并且检测直径为24mm的孔的误差在±0.1mm范围内,即可以完成铁塔构件制孔尺寸机器视觉在线检测工作。