共查询到19条相似文献,搜索用时 171 毫秒
1.
芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。 相似文献
2.
针对传统环形零件表面字符检测过程中出现的零件定位不准确、字符分割难度高、字符识别精度低等问题,提出了一种基于极坐标变换展开图片和卷积算法分割、识别字符的方法。首先对待检测的照片进行零件定位,分割出包含检测目标的最小区域。接着对该区域进行极坐标变换,展开环状区域,并将区域进行卷积运算,确定待检测区域。再根据特定卷积核运算结果,得出区域的像素分布特征,分割待检测区域。最后根据卷积神经网络和SVM对所分割的字符进行分类识别。实验结果表明,该方法字符定位分割精度高、抗干扰性强、识别准确率高,对复杂环境下环形零件表面字符检测具有一定的指导意义。 相似文献
3.
《组合机床与自动化加工技术》2018,(12)
为了提高轴承滚子表面缺陷检测的效率和准确率,设计了一套图像采集装置,采用背光源在轴承滚子侧面打光的方式,获取缺陷区域较明显的图像,克服传统光源照射方式的局限性;针对采集到图像包含无用的背景区域,首先使用阈值分割方法将轴承滚子区域从原始图像中提取出来;然后根据无缺陷轴承滚子图像沿垂直方向灰度值基本保持不变特点,采用改进的Niblack算法对轴承滚子表面图像进行处理,分割出缺陷区域。实验表明,该方法不仅可以有效的检测出轴承滚子的各类缺陷;且在检测效率和精度上优于传统阈值分割算法。 相似文献
4.
为了实现轴承缺陷无损检测自动化,研究了轴承表面缺陷图像的分割方法。在数字图像处理技术的基础上,提出一种改进的k-means的图像分割算法。先利用二维向量小波变换对图像提取特征,根据表面缺陷特征,运用k-means算法的思想,对其进行改进。试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值。 相似文献
5.
6.
7.
8.
9.
10.
字符边缘是标牌图像中的凹凸字符最主要特征,选用适当的边缘检测算子得到准确的标牌信息是字符图像处理的关键步骤.本文叙述Canny算子的基本原理和算法实现过程,选用并研究Canny算子来提取字符的边缘特征.为了验证Canny边缘检测算子的效果,分别用Canny、Robert、Sobel、Prewitt、Laplacian和LoG算子对字符图像进行边缘检测试验,分析了边缘检测的结果,得出Canny边缘检测算子是字符边缘检测的一种十分有效的方法.依据Canny算子边缘检测得到的结果,对字符图像进行了填充并分割得到了标牌字符的分割二值化图像.边缘处理和字符分割的结果表明,Canny算子边缘检测能够较好地解决低对比度图像和灰度不均匀字符图像的二值化问题. 相似文献
11.
更加自然和灵活的手势识别技术正逐渐成为智能移动机器人控制的重要人机接口。为了进一步提高基于计算机视觉的机器人导航控制的实时性和精度,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维结合机器学习算法的手势识别方法。首先,对视觉摄像头捕获的手势图像进行预处理,具体包括图像二值化、中值滤波和形态学变换。然后通过PCA提取主要特征并对数据进行降维。最后结合机器学习中自组织神经网络(Self-Organizing Feature Maps,SOM)作为分类器应用于手势识别,具体采用的是学习向量量化(Learning Vector Quantization,LVQ)神经网络。静态手势实验测试结果表明:相比网络和K-means算法,提出方法缩短了手势识别时间,且识别准确率得到有效提高,验证了方法的有效性。 相似文献
12.
13.
利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。 相似文献
14.
15.
基于简化的Mumford—Shah水平集图像分割模型,Chart—Vese提出了不依赖于图像边缘的水平集图像分割算法(C~V方法)。文中对该算法进行了深入研究,指出了原方法存在的缺陷,即处理的图像必须具有比较明显的特征,分割目标过多且较为分散时则很难得到理想的结果,每次迭代过程都需要对所有的图像数据进行计算,比较费时。根据焊接图像本身的特点给出了三点改进,即强化特征模型的修正、多尺度快速算法和全局特性抑制。应用改进的算法,进行了模拟对比试验和真实熔池图像识别的试验。结果表明,该方法能识别出焊接图像连续轮廓,提取有用信息,具有良好的适应性,同时为复杂图像的特征物体目标提取提供了可行的思路。 相似文献
16.
基于小波包和支持向量机的滚动轴承故障模式识别 总被引:2,自引:1,他引:2
为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径. 相似文献
17.
针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明:改进后的识别平均精确度比原有识别系统有所提高,反应时间缩短,并且能识别不同类型的工件。 相似文献
18.
19.
建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像,在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明:采用该方法能够快速、高效地检测出微小精密轴承表面大于10μm的缺陷形貌;能够准确地对凹坑、裂纹和划痕缺陷进行分类。 相似文献