轮齿的轮廓参数检测技术研究

目前机器视觉在齿轮检测的广泛应用中,对于轮齿轮廓的检测只进行齿宽的检测,而对于整个轮齿轮廓缺乏有效的检测方法.通过搭建机器视觉检测系统对齿轮中的每个轮齿轮廓进行检测,并根据检测数据判断该齿轮的合格性.首先通过对齿轮图像进行预处理和边缘检测来获取齿轮的外轮廓边缘,然后对齿轮进行改进的Devernay亚像素边缘检测计算出高...     

基于机器视觉的维氏硬度测量

设计了基于机器视觉的维氏硬度测量系统,提出了一种维氏硬度测量算法。基于位置聚类的方法,对压痕边界的边缘点进行有效提取与归类;先后两次基于最小二乘法对压痕边缘拟合,首先通过边缘拟合确定边缘直线的粗略位置,然后根据一次拟合方程剔除干扰点,再次拟合获得精准的边缘直线;为了有效的提高维氏硬度测量的精度,先对刻度线图像进行校正,获得了垂直于水平位置的刻度线图像后,再获取实际像素宽度。实践表明,该算法稳定性好、精度高,很好的满足了工业应用要求。     

刀具磨损的机器视觉监测研究

为提高铣削加工时的刀具利用率、降低刀具成本,提出采用机器视觉技术在机监测铣刀磨损状态,及时更换刀具。建立刀具磨损监测系统,由电荷耦合器件(Charge coupled device,CCD)相机获取刀具磨损图像,通过图像预处理、阈值分割、基于Canny算子和亚像素的边缘检测方法建立刀具磨损边界,提取刀具磨损量。开展GH4169镍基高温合金铣削实验,将监测系统检测的磨损量与超景深显微镜的测量结果进行比对,结果表明:该系统具有较高的检测精度,可实现铣削加工时刀具磨损状态的在机监测。     

光学元件外径的机器视觉测量技术研究

基于机器视觉技术,采用平行光投影获取光学元件轮廓图像,通过行扫描提取目标,使用最小二乘线性回归边缘检测方法,将直线边缘定位精度达到亚像素级别,使测量精度达到微米级。实验结果表明,采用机器视觉的非接触测量方法可以实现对光学元件外径的快速准确测量。     

基于机器视觉的双金属铸件圆孔测量方法

针对目前某军工企业双金属铸件圆孔测量时存在的工作效率低和精度差等问题,提出了一种基于机器视觉的双金属铸件圆孔测量方法。该方法利用亚像素边缘检测算法进行圆孔的内外圆的检测,通过引入轮廓的全局性参数K来获取所选轮廓内的最佳拟合圆,得到该圆孔的圆心和半径,并算出圆孔的同心度。实验结果证明,测量方法提高了检测效率,能够快速地测量出圆孔的尺寸,并使误差缩小到2个像素,测量误差降低了20%。     

基于机器视觉的机械零件自动精密测量

本文提出了一种运用机器视觉实现对机械零件长度的自动精密测量的方法.采用机器视觉技术获取试件的图像数据,利用图像处理中亚像素边缘检测方法实现对边缘的精确定位,并提出了一种相机自动标定方法,从而实现长度的自动精密测量.     

基于机器视觉的机械零件自动精密测量

本文提出了一种运用机器视觉实现对机械零件长度的自动精密测量的方法。采用机器视觉技术获取试件的图像数据，利用图像处理中亚像素边缘检测方法实现对边缘的精确定位，并提出了一种相机自动标定方法，从而实现长度的自动精密测量。     

基于视觉的胶水偏位检测

现有热转印胶片胶水偏位人工检测方法存在效率低,由此提出一种基于机器视觉的检测方式。设计机器视觉算法,利用边缘检测算法与图像仿射变换等步骤获取只包含热转印胶片的灰度图;然后利用改进的K-means应用方法,分割出胶水层的二值图。通过本文特定的扫描方式分离出四个不同方向的胶水层部分,并计算出最终的胶水宽度,并以此作为判断依据是否存在胶水偏位问题。实验表明,本文的方法具有较好的检测效果。     

基于机器视觉的陶瓷基板检测系统

为了设计陶瓷基板视觉检测系统,首先采用互补金属-氧化物半导体（CMOS）图像传感器采集陶瓷基板的图像信号,通过光学成像和照明系统优化设计来提高像质,然后运用图像预处理和亚像素算法来提高边缘的检测精度,最后建立并分析了机器视觉检测系统尺寸及形位误差数学模型,实现了对陶瓷基板长度、宽度参数的测量。实验结果表明,该系统较好地提高了视觉检测系统的精度,并得到了较为准确的结果。     

基于机器视觉的直齿轮齿距偏差检测

针对直齿轮齿距偏差测量难度大、测量精度低的现状,文章采用机器视觉技术对直齿轮的齿距偏差进行检测。通过机器视觉系统获取齿轮图像,利用改进的Zernike矩亚像素边缘检测算法进行齿轮边缘检测;利用重心法求取齿轮几何中心,利用统计连通域法求取齿数,利用凸包法计算齿顶圆半径并计算获取齿根圆半径,通过齿顶圆公式计算模数,通过分度圆公式计算分度圆半径;依据测量结果给出了齿轮齿距偏差的测量方法,通过测量结果与直齿轮实际尺寸对比和分析,证明了该算法的合理性,可以实现齿距偏差的有效检测。     

兼顾热轧工艺润滑的工作辊磨损预报模型

通过对某1700热连轧厂润滑轧制中轧辊磨损主要影响因素的研究,提出了包含润滑项的工作辊磨损预报模型,并采用模拟退火遗传算法估算模型主要参数。现场运用结果表明,该工作辊磨损模型结构及其模型参数能够兼顾热轧润滑和非润滑工况,提高了工作辊磨损的预报精度,满足在线运用需求。
     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于机器视觉的机械零件边缘像素补偿法

机械零件图像边缘灰度的分布特征已成为影响机器视觉准确测量机械零件的重要因素之一。为了减小这种测量误差,提高测量精度,提出边缘像素补偿法来对机械零件图像边缘进行处理。通过分析视觉边缘检测原理,应用高精度标准块对相机进行标定。标定后对待测零件进行多次测量,试验结果表明:对图像信息进行边缘补偿后,其测量结果的相对误差可减小0.059%,边缘补偿算法可以有效提高测量精度。     

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。     

基于机器视觉的轴承内外径尺寸测量方法

针对轴承内外径尺寸的人工测量方法存在测量效率低、易产生视觉疲劳等问题,提出一种基于机器视觉的轴承内外径尺寸测量方法,利用智能相机采集轴承图像并对其做中值滤波与二值化处理,通过Sobel边缘检测算法提取轴承内外圈的边缘特征点,采用最小二乘法计算出拟合圆的圆心与内外半径的像素值,并通过尺寸标定与机器视觉脚本程序,将其换算为内外径的实际尺寸。实验结果表明,该视觉测量方法精度高、速度快,适用于大批量轴承生产场合。     

加工中心运动误差在线视觉检测方法研究

介绍了当前对机床加工误差的几种检测方法,针对在线检测的要求,以TH5660A立式加工中心为研究对象,利用高分辨率的面阵CCD,提出了一种基于机器视觉的加工中心运动误差的在线检测系统方案.介绍了系统的硬件设计方案和软件总体设计方案.通过边缘检测、像素细分及边缘拟合等软件技术使测量精度突破像素级限制,达到亚像素级,可实现高精度检测.     

基于边缘像元投影的微小轴承亚像素边缘检测

对于微小轴承的内径测量,基于机器视觉的非接触测量技术具有广阔的应用前景。针对轴承的边缘像素点,投影将感光像元划分成感光值不同的两个部分,像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,取该像素的矩形邻域,并对其邻域灰度值进行高斯加权处理,将边缘投影按泰勒公式展开为二次曲线得到高精度亚像素边缘。针对微小轴承进行实验,将本文算法与基于直线拟合的方法进行比较,每毫米包括约217.18个像素,检测的圆度提高0.04%以上,标准差减少不少于7.27%,因此可更准确获取微小轴承内径的亚像素边缘。     

结构化道路中车道线的单目视觉检测方法

车道线实时检测是智能车辆视觉导航系统中的重要研究内容.提出了一种基于单目视觉的车道线实时检测方法.首先用Canny边缘检测方法对给定图像进行边缘检测.然后提出一种基于方向优先级的车道线搜索方法,分别对左右车道独立完成搜索,在增强车道线特征的同时削弱其他边缘特征.接下来用霍夫变换计算每条线段的直线度,过滤具有复杂纹理的边缘.最后利用图像的亮度信息及其变换识别出车道线.对提出方法进行了实验验证,结果显示提出方法定位准确,在PIII 933 MHz的CPU上的处理速度平均达每秒13帧,能够满足车辆驾驶的安全性和实时性要求.     

基于Kirsch理论的彩色图像边缘检测

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。图像边缘化可以采用多种算子进行处理。例如Roberts算子、Sobel算子、Kirsch算子、Prewitt算子、Laplace算子和Canny算子等。这里采用的是Kirsch算子,它带有特定八方向边缘信息的图像增强模板。能对图形的八个方向作边缘提取．从检测结果中可以看出．基于Kirsch理论的彩色图像边缘检测能够较全面地提取边缘信息。这说明,用该方法检测彩色图像的边缘是有效的。     

边缘扩展的皮带撕裂支持向量机视觉检测

提出了基于视觉的皮带撕裂监测方法,并构建了皮带撕裂视觉监控系统。针对皮带输送机运行过程中由于干扰导致的图像退化,采用维纳滤波方法实现了退化图像的复原。为实时识别高速运动的皮带裂纹,采用CamShift算法对快速移动的皮带裂纹序列目标图像进行跟踪与捕捉。采用Canny算子对皮带裂纹进行边缘提取,并通过增加一个δ值,使检测到的裂纹边缘向外扩张,从而增加检测到的皮带裂纹权重,获得鲁棒性更高的边缘检测效果。最后,构建了SVM皮带裂纹预报模型,以皮带裂纹图像的像素面积及长宽比几何特征量作为模型输入量,对皮带裂纹状态进行预报。实验表明,提出的皮带撕裂检测方法是有效的。