基于图像的生物芯片点样质量检测方法研究

目的为了提高生产线上生物芯片点样质量检测的精度与效率,研究基于图像处理和卷积神经网络的算法,判断某生物芯片点样质量是否合格,并检测点样合格的生物芯片上的点样点半径。方法采用CCD相机获取生物芯片点样后的图像,通过图像预处理,利用canny边缘检测和圆的拟合等图像处理方法,得到点样点的几何信息,进而计算出点样点半径。同时提出基于卷积神经网络的点样质量检测方法,通过区域建议网络提取点样点卷积特征,引入分割全连接层来训练检测模型,通过离线训练来验证获得模型的最佳参数。结果和手动测量结果进行对比发现,半径误差不超过±0.1 mm,点样质量检测准确率为91.1%,单个生物芯片检测时间总和不超过1.6s。结论所提出的方法能够满足生产线上产品检测准确性和实时性的要求。     

两维悬浮式生物芯片及其检测方法研究

在目前悬浮生物芯片检测技术的基础上,提出了一种新颖的悬浮式生物芯片并行检测分析方法。液流推射装置产生平稳、均匀的悬浮式生物芯片溶液薄层二维微流场,使微球探针并行流入测试区域后暂时停止流动;用连续激光激发荧光,高灵敏度CCD凝结成像,实现悬浮式生物芯片的并行检测分析。采用液流周期性停止时间(100ms)与CCD曝光时间(100ms)相匹配的方法并行检测悬浮式生物芯片,每秒可检测约2000个微球探针信号。入射激光斜入射到检测面使激光光路与收集的荧光光路分离,极大提高了信噪比。采用窄带(带宽22nm)、高截止率(10-8)的滤色片有效地抑制了信号的串扰,相对误差可达3?0-5。     

生物芯片图像样点的自动识别

样点自动识别是生物芯片信息自动提取的关键。根据样点、噪声和背景特征的关系提出一种新的自动识别方法。使用数学形态学和均值算子相结合的方法实现图像的滤波增强和背景亮度的估计;通过对功率谱的分析实现图像的倾斜校正和样点中心的网格定位;利用样点边缘亮度与均方差的特征实现样点中心和半径的校正。多幅生物芯片处理的实验证明该方法具有良好的抗噪声能力和弱信号辨识能力,能快速、准确地实现样点自动识别．     

生物芯片图像微阵列偏转角度计算及样点分割算法

本文首先介绍了样点分割在生物芯片技术中所处的重要意义,并分析了生物芯片样点偏转角度误差来源以及构成原因,提出了全自动化的图像微阵列偏转角度计算及样点分割的统一解决方案.算法依据生物芯片样点阵列空间分布特点,并基于重构原理,提出了环形投影方法和功率谱估计相结合的功率切片方法,并以此建立起样点阵列的像素位置、偏转角以及功率值的三维分布关系,实现斑点阵列中偏转角度的精确计算.在获得偏转角度值的条件下,采用定向投影法和功率谱估计方法,计算样点阵列的行列间距;利用行、列间距,在一维灰度和序列中实现分段搜索,获取光斑中心粗定位;利用轮廓图像投影后出现双次峰的现象,估算样点直径;最后,依据重心法调整斑点中心,同时采用邻域搜索算法调整斑点直径,最终实现生物芯片扫描图像的精确定位和分割.     

基于提升格形态小波的生物芯片图像增强

提出一种使用提升格形态小波进行生物芯片图像滤波增强的方法。根据生物芯片图像的样点和噪声区域的大小选择合适的结构元素或者预测-升级算子,并通过形态学算子或者提升格构造形态小波分解和重构形式。利用形态小波的不同级连方式和高频系数的处理实现生物芯片图像的滤波增强。实验表明,该方法可以有效地结合形态学和小波滤波的优势,降低了运算量,取得良好的生物芯片图像增强效果。     

采用细胞神经网络快速校正生物芯片图像倾斜

倾斜校正是全自动生物芯片图像处理必不可少的环节。针对以往倾斜校正算法耗时过长,本文提出一种快速倾斜校正算法。算法首先用细胞神经网络（CNN）寻求各个样点的中心,然后进行Hough变换,再计算方差来寻求倾斜角,最后利用CNN灰度图像旋转模板进行倾斜校正。本算法利用了细胞神经网络并行处理的特性,并充分考虑了生物芯片图像的特点。理论分析与试验结果显示本文算法能够准确高速地完成倾斜校正。     

基于方向控制算子的基因芯片图像自动网格化

网格划分是基因芯片图像处理的关键步骤。提出一种新的基因芯片网格划分方法。此方法采用方向控制算子来检测边缘。检测时动态自动确定下一个待测像素点的位置,保证样点边缘的连续性。算子只扫描样点的边界像素,这样就避免了遍历图像的所有像素。另外,还能够排除样点中孤岛的影响。检测的同时存储边缘像素的坐标,可以实现基因芯片图像样点的定位与区域范围的确定,继而实现网格划分。     

应用于机器视觉的物料袋图像处理技术

建立了机器视觉的几何测量模型,采用机器视觉系统采集物料袋图像,应用对比度增加、图像二值化、一阶微分边缘检测、膨胀腐蚀、图像细化,去除噪声等图像处理技术得到了目标物体的边缘图像,用Harris角点检测算法得到了边缘图像角点,证明了提出的图像处理方法具有很强的鲁棒性。     

4f相干光图像系统多谱点图像融合降噪

为处理4f相干光图像处理系统中存在的随机噪声和低频相干噪声,提出一种基于多谱点图像融合的相干光图像处理系统降噪方法.先利用空间光调制器的点阵结构带来的图像复制功能,在同一次试验中获取多个谱点图像,其中各图像包含有相同的图像信息和同分布规律但不同数值形式的噪声信息.再使用图像融合技术将这些图像合并,用类似于时域累积平均的...     

图形图像技术在红外热成像中的应用

为分析红外热成像图像的基本特征,测试图像中缺陷的几何尺寸,将图形图像处理中的边缘检测技术和图像增强技术运用到红外图像处理分析中,便于图像客观分析和参数测试.简要介绍了红外热成像的基本原理、图像边缘检测的算子、图像增强方法,并设计了一个金属试件,采用红外加热分析试件的缺陷.图像处理结果表明:边缘检测和图像增强相结合,便于发现缺陷并准确测试缺陷,可为红外图像中的微弱信号的分析提供技术支持.     

基于机器视觉的商品条码质量检测方法

目的针对EAN-13商品条码,运用机器视觉技术进行商品条码质量检测,实现一体化、自动化、智能化检验。方法根据检测要求,设计商品条码图像采集装置,通过系统标定完成初始化。条码检测时,采集待测条码图像,进行畸变矫正;通过边缘检测、形态处理和轮廓匹配,找到条码准确位置,分割出条码图像区域,对其旋转校正,分为条码区域和数字区域;对条码区域,水平采样获取反射曲线,计算光学特性参数和译码数据,通过几何特征分析,结合标定参数,计算出相关结构参数;对数字区域,通过字符分割、模版匹配,完成字符识别;最后,通过比对分析,获取全部检测数据。结果分别采用该方法和传统方法,对100个EAN-13条码样本进行了检测对比,试验表明该方法的检验结果符合国家标准,检测数据准确可靠;该方法操作快捷,精度更高,检测速度大幅提高。结论文中方法实现了商品条码质量检测的一体化、自动化、智能化处理,显著提高了检验水平和工作效率。     

一种零件综合质量评定方法研究

零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD（computer aided design,计算机辅助设计）机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷（如划伤、磨损、边缘缺料及锈蚀等）,在图像预处理（灰度化、图像增强、高斯降噪和二值化）的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析（principal component analysis, PCA）对零件的四维特征数据集进行降维处理,并利用K最近邻（K-nearest neighbor, KNN）算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100 μs时,该系统的图像处理速度达到45.2 帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.     

余弦约束法则耦合改进RANSAC策略的图像匹配算法

目的提高当前图像匹配算法的匹配精度与鲁棒性。方法引入Forstner算子,精确提取图像特征点;采用一阶Haar小波来生成特征点主方向,并通过求取Haar小波响应来生成特征描述子;利用特征向量构建余弦约束模型,联合特征向量的距离度量方法构成双重匹配约束,从而完成特征点之间的匹配;引入投票机制对RANSAC方法进行改进,制定多重筛选方法对伪匹配点进行剔除,完成图像匹配。结果与目前图像匹配方法相比,文中提出的算法具有更强的鲁棒性与匹配精度,在特征总数为200个时,所提算法的匹配正确数量达到196个。结论所提匹配技术具有较好的匹配正确率,对包装印刷产品的识别以及信息安全检测等领域具有较好的应用价值。     

基于图像识别的铝塑包装材料边缘检测

目的为了提高铝塑类包装材料的边缘检测精度,基于图像识别技术设计一种边缘检测方法。方法介绍Canny边缘检测算法,针对其双阈值选择比较困难、边缘检测精度不高等问题,利用Ostu算法实现高、低阈值的选取。基于FPGA(现场可编程门阵列)和DSP(数字信号处理器)搭建一种图像检测系统,并给出系统框图及FPGA内部结构,即异步FIFO模块、串入并出模块、像素窗口刷新模块、数据处理模块以及配套电路等,并以药品铝塑泡罩包装为例进行实验研究。结果改进的Canny算法在保证处理速度的前提下,所检测图像清晰细致,能够得到完整边缘。结论该方法具有准确度高、稳定可靠、识别速度快等特点,可满足包装过程产品检测要求。     

手机玻璃屏表面缺陷视觉检测方法研究

目的针对手机玻璃屏表面缺陷人工检测存在的准确率低、稳定性差等问题,提出一种基于机器视觉技术的手机玻璃屏表面缺陷检测方法。方法采用统计平均法建立模板图像,以减少外界光照对模板图像的灰度影响。采用基于互信息的配准方法实现模板图像和待测图像的像素对齐,将配准后的待测图像与模板图像进行差分运算,获取残差图像,并采用Niblack方法实现残差图像上的缺陷判断。通过搭建的实验平台获取了300幅手机玻璃屏图像,并采用文中提出的方法、模板匹配法和人工检测法对300幅图像实施缺陷检测。结果实验结果显示,文中方法的真正率为92%,真负率为96.5%和准确率为95%。与模板匹配法和人工检测法相比,文中方法在真正率、真负率和准确率上分别至少提高了5%,4%和4.3%。结论文中方法与人工检测方法相比,提高了手机玻璃屏表面缺陷检测的准确率和稳定性。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

全局缺陷和局部缺陷的FPC检测算法研究

为满足柔性电路板缺陷检测在生产线上的检测要求,讨论了基于机器视觉的柔性电路板缺陷实时检测系统试验所需要的关键技术.并且针对传统的基于模板匹配的算法的速度慢、准确率低等问题,提出将柔性电路板的缺陷分为全局缺陷和局部缺陷,对全局缺陷采用直方图匹配和八连通域面积的计算,淘汰两者均存在缺陷的产品;对未被排除的产品图像采用投影匹配和相关系数的计算,实现局部缺陷的识别.改进的算法经过实验验证表明其准确率和检测速度优于传统的检测算法,符合柔性电路板生产线的检测要求.