基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于边缘检测的颤抖自动补偿精密加工仪的设计

文中设计了一种在精密加工操作中,对操作人员及外界非正常颤抖信号进行检测并自动补偿的微型操作仪。仪器结构精巧,具有可拆卸及更换的加工探头,方便不同精密加工的使用;采用激光干涉仪对精密加工位置信号进行检测,基于经典PID闭环控制和边缘检测原理,对干扰信号进行判断并做出相应补偿措施;采用压电陶瓷微电动机PM的逆向运动自动补偿颤抖产生的误差,从而保证精密加工的可靠性和精确度。实验表明,该微型仪器能自动补偿颤抖干扰信号,精度可达到1μm,对精密加工的精度提高及误差补偿研究有一定借鉴价值。     

基于视觉传感的焊缝中心识别技术研究

在焊接过程中通过CCD视觉传感器获取熔池和焊缝图像，采用多种滤波去噪技术和边缘检测技术对图像进行滤波和边缘检测试验，并对各种处理方法进行了比较和分析，得出了一种相对最佳的实时识别焊缝特征的组合图像处理方法。试验结果表明，对焊接图像采用wiener滤波和Canny边缘检测能较好的提取焊缝中心位置的特征信息。     

ICT图像实体重建技术中的边缘检测和特征识别

在ICT图像实体重建技术中，需要进行实体轮廓的边缘检测和特征识别。本文采用Sobel算子对图像进行边缘检测，得到图像的边缘点，通过多次过滤进行边缘细化；然后根据轮廓跟踪准则对边缘点进行排序，将图像数据转化为具有单像素宽的轮廓线；最后对轮廓线加以识别，用线段来表示实体的同一特征体素。     

脉冲涡流无损检测中腐蚀缺陷边缘的识别

对腐蚀缺陷的边缘进行准确识别是无损检测领域的一个难点,直接影响着腐蚀成像的效果。采用阵列脉冲涡流对腐蚀缺陷进行检测,针对传统无损检测中只从时域提取特征造成识别正确率较低的问题,根据脉冲涡流具有丰富频率成分的特点,从时域和频域分别提取特征量,提出一种基于主成分分析的阵列脉冲涡流腐蚀缺陷边缘识别方法,提高缺陷边缘识别的正确率,理论分析与试验结果相一致,验证了所采用方法的正确性。     

基于图像处理的陶瓷产品缺陷识别研究

针对生产线上陶瓷天线罩缺陷(裂纹缺陷和气孔缺陷)图像的特点,研究了基于图像处理的天线罩缺陷识别算法。图像经灰度化处理、二值化处理、中值滤波、边界提取和目标区域标记等预处理方法,有效地去除了干扰噪声,并突显出缺陷区域。裂纹缺陷经骨架提取处理和长度统计,得到裂纹长度值;统计气孔缺陷区占有像素数,得到气孔面积值。实验表明该算法能够较精确地检测出陶瓷天线罩的缺陷值,基于图像处理的天线罩缺陷识别方法可行、有效。     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

DSP技术在图像边缘检测中的应用

本文分析了目前图像边缘检测的一些算法和实现方法,并以TMS320DM642EVM作为数字图像处理硬件平台,通过摄像头提取视频序列,利用DM642中IMG_SOBEL库函数进行边缘检测。     

计算机图像处理与模式识别技术在套管缺陷在线检测中的应用

从计算机视觉的角度,提出了一种基于图像处理和模式识别技术的计算机自动识别套管缺陷的检测方法。本文详细介绍了该方法的理论依据和实现过程,该方法检测套管缺陷准确率高、可靠性好、速度快、可实现地下套管的自动检测。为石油套管的优质高效率识别提供了一种行之有效的方法。     

机器视觉中的边缘检测技术研究

边缘检测是机器视觉中必不可少的环节,是一种重要的图像预处理技术。介绍图像边缘检测技术的发展历程,总结一些典型的边缘检测算法的特点,讨论它们的机理和优劣以及边缘检测技术的最新发展动态及方法。     

管道缺陷漏磁检测智能识别技术

针对当前油气管道检测的现状,本文构建了管道漏磁检测系统、设计工程数据库,方便漏磁检测数据的管理和管道缺陷的检测和定位,分析了管道缺陷智能识别的整个过程,借助缺陷漏磁场图像有效地提取缺陷漏磁场特征和评价缺陷外形尺寸,利用插值函数重构缺陷的外形轮廓.     

多试件超声检测及缺陷识别技术

针对单面平整航空件单件超声检测效率低下问题,采用多试件扫查及多图像平均方法,以提高检测效率。基于多图像平均方法建立了灰度图和二值图像双模板图像。以工件重心为控制点,对二值图像通过变精度最大互相关图像配准算法获得图像配准的旋转角度θ。对灰度图像绕重心旋转角度θ进行配准,再经过减影处理获得缺陷图像,从而实现特征提取和缺陷识别。航空锻件多试件超声检测实验结果表明,该技术可以明显提高航空件超声检测的效率和自动化水平。     

基于边缘检测和形态学处理的车牌定位

车辆牌照识别技术(License Plate Recognition,LPR)是实现智能交通管理的重要技术之一,车辆牌照识别技术主要包含了车牌的准确定位、车牌中字符的分割以及字符的识别.通过对问题的分析,找到一种基于边缘检测和形态学处理的车牌定位方法,通过对样本图像的边缘检测和一系列的形态学处理,实现了对车牌的初步定位,基于车牌上字符水平方向的跳变次数来判断出车牌的上、下边界,从而实现了车牌的准确定位,最后通过仿真验证了这种定位方法的可行性.     

面向对象的边缘检测方法

针对图像处理在产品测量中存在的问题，提出了面向对象的边缘处理方法，包括检测范围的设定、边缘点搜索和确定准则、异常数据的剔除以及结果的进一步处理。实验表明，这种方法具有较好的稳定性和准确性，能有效提高测量中的效率。     

MAS小波的钢板表面缺陷边缘检测的研究

针对钢板表面缺陷与背景的对比度差、边缘复杂、采光不均、噪声较大等特点,应用一种基于MAS小波变换进行钢板表面缺陷边缘检测。该方法由Lipschitz指数阐明了图像的边缘几何结构,通过分析图像中不同类型的奇异点,并结合尺度独立算法区分了目标图像中不同类型的边缘,有效的提取了钢板表面缺陷图像的边缘。实验结果表明,基于MAS小波算法可以有效提取图像中阶梯型边界,检测到的缺陷边缘轮廓较为清晰,且去噪能力较强,检测效果优于传统的同类方法。     

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。     

基于OpenCV的边缘检测算法在车身尺寸检测中的应用

为了提高现有车身尺寸检测方法的准确性和效率,将用来对开窗统计计算后的图像执行检测的算法OpenCV和改进型Canny边缘检测算法进行结合,提出了一种基于OpenCV的边缘检测算法,并在VC++环境下通过编程对其进行了理论验证.验证结果表明,该算法在边缘检测方面具有良好的效果,且处理速度较快.     

超声检测中的多源信息融合技术与缺陷识别

依据Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ理论,研究了超声检测中信息融合的方法以及分类决策策略,在此基础上进行了基于信息融合的缺陷分类与识别的初步试验研究。