基于机器视觉的零部件尺寸测量

实现尺寸测量的方法很多,但大多数测量重复性、高效性和鲁棒性不高。为了提高工业在线测量的实时性和准确性,提出了用机器视觉软件IGAUGE结合用改进的OPTA模板进行边缘细化,进而实现测量。系统实验结果表明,该测量具有良好的连续性和精度,生产工作效率和产品质量控制很快就可以提高。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于机器视觉的大尺寸工件自动测量系统

针对目前对于大尺寸工件二维形貌测量效率低、精度低的问题,设计了一种基于机器视觉的大尺寸工件二维形貌检测系统,主要包括硬件系统设计和软件系统设计。针对工件尺寸大的特点,利用光电编码器精确定位相机位置,将大尺寸工件分解为多个部分进行采集,建立坐标转换数学模型,实现大尺寸工件的尺寸测量;针对通用的直线/圆弧检测算法精度低的问题,设计了一种基于改进随机抽样一致性(RANSAC)的亚像素直线/圆弧检测算法,可以得到精确的直线/圆弧方程。实验结果表明:设计的系统算法精度高,稳定性好。     

基于机器视觉的弹壳多尺寸测量

考虑弹壳产品的多尺寸检测是制约弹壳生产效率提高的主要因素,引入机器视觉技术建立一个弹壳的多尺寸测量系统,通过对弹壳产品的正、侧图像采集、利用灰度矩边缘检测对图像处理分析、采用Hough变换检测直线、进而计算测量相关尺寸等环节,实现对弹壳产品多个尺寸的非接触精密检测。对一组合格产品的七个尺寸检测实验表明:基于机器视觉的弹壳多尺寸测量系统,可以实现对弹壳多个尺寸的快速精确检测,具有良好的应用前景。     

基于机器视觉的复杂形状模具尺寸测量

采用扫描仪与Matlab图像处理技术相结合的方法,对织针针坯模具进行了快速、准确地非接触式测量;首先,分析比较了摄像机和扫描仪在成像原理上的不同点,最终选择线阵CCD扫描仪来获取模具图像;采用数字图像处理技术,对扫描图像进行图像分割、边缘提取和特征检测等操作;通过计算二值图中边界区域的二维矩阵,得到边界点坐标;利用圆的hough变换检测出圆特征,计算得出圆心坐标和半径值;根据图像分辨率得出实际尺寸与像素尺寸之间的数值关系,计算并标注模具的特征尺寸;基于Matlab图像处理模块设计了用于测量模具和零件二维尺寸的图形界面;测量结果表明,该软件的测量精度可以达到3μm,满足测量的精度要求;测量时间明显低于游标卡尺和三坐标测量仪等传统测量工具,能有效提高测量效率。     

基于机器视觉的隔热条尺寸测量系统

针对当前隔热条的尺寸测量仍停留在产品离线后,工作人员用卡尺测量,劳动强度大,工作效率低、测量精度易受人为因素影响的现状,本文提出将机器视觉技术引入到隔热条自动化生产线的在线尺寸检测系统中,这种非接触式测量既可以避免在测量过程中对隔热条的损坏,又可以提高测量精度和测量速度,从而达到提高测量效能的目的。     

基于机器视觉的直齿圆柱齿轮尺寸参数测量

介绍了基于机器视觉的齿轮测量系统组成结构,建立了齿轮测量的软件系统框架,提出了齿轮尺寸及其参数的测量算法;在此基础上,首先利用改进的自适应中值滤波、阈值分割、边缘检测与标记提取出齿轮的边缘轮廓,然后利用随机Hough变换获取齿轮的中心后对带键槽的直齿圆柱齿轮进行了实际测量,并对测量误差进行了分析-实验结果表明,通过采用机器视觉的非接触测量方法町以实现对齿轮基本参数的快速、精确的测量,这对推动齿轮测量技术和齿轮工业的进步与发展具有重要意义.     

基于机器视觉的螺纹参数综合测量系统的设计

传统的螺纹检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求,因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD 获取螺纹基本图像,并通过图像的平滑、边缘检测、二值化处理及轮廓提取,对螺纹轮廓进行分析,从中测量出螺纹的几何参数。探讨了利用机器视觉对螺纹牙形角参数进行测量的方法,并给出最后的测量结果。从理论和实践上证明了该方法的可行性和正确性。     

基于机器视觉转子冲片亚像素精度尺寸测量研究

针对传统冲压件人工尺寸测量效率低、精度难以保证等问题,提出一种基于机器视觉的转子冲片亚像素精度尺寸测量方法。该方法采用先将采集的冲片图像灰度化再应用中值滤波来降低噪声干扰的图像预处理方法;通过Canny算子与Otsu方法相结合实现自适应阈值边缘检测,再利用改进的Zernike矩方法进行亚像素定位,获取亚像素级坐标;然后设计轮廓分割算法,主要提取内外圆亚像素轮廓,同时设置感兴趣区域并基于K-Means聚类算法分割出骨架线段轮廓,最后使用最小二乘拟合法求解出转子冲片内外圆直径和骨架间距尺寸。实验结果表明,该方法平均测量精度可以达到0.01mm,测量精度高、速度较快,具有较高的实用价值。     

基于OpenCV的机器视觉在智能手机中的应用

针对智能手机市场竞争中主要力拼软件的特点,将机器视觉技术引入以Linux为操作系统的智能手机中,基于Open-CV研究并实现了手势识别控制应用程序。系统决策实现的部分是以手势来启动音乐播放程序进行讨论,而且程序留有扩展接口可以实现更多不同的手势来控制不同的操作。实验结果表明,该系统满足实时处理需求,运行稳定。这种非接触式控制智能手机操作的功能既实用又前卫,使Linux操作系统的智能手机更具吸引力,发展前景更广阔。     

基于opencv的单目视觉测量系统的研究

_{介绍一种基于机器视觉的测量工件宽度的新方法,在开源计算机视觉库OpenCV的支持下,设计并实现一种对工件宽度进行动态实时测量的系统。为了降低其它光的影响,在CCD镜头下面固定一块红光滤光片,系统通过采集经红光线激光器投射的工件图像,对图像进行二值化、截取感兴趣区域、轮廓提取等处理,最后实现工件宽度的自动测量。对不同尺寸的工件进行了自动测量实验,实验结果表明,采用的测量方法在实际工件测量中是可用的,整个测量过程用时在100ms左右,最大相对误差不超过1.5%。}     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

基于机器视觉的印刷标签检测系统的改进

针对图像采集的非同步性和传送平台存在的抖动等因素造成采集图像质量降低的问题,提出了一种简单可行的高可靠性机器视觉印刷标签检测系统。通过比较几种边缘检测算法,采用Canny这种相对高可靠性的边缘检测算法制作边缘掩膜,通过在模板图像上加盖边缘掩膜,在差影比较后对差影图像进行形态学去噪来消除轮廓伪影和人眼难以识别的微小缺陷。该方法运用在印刷标签质量检测系统中,有效地降低了印刷标签误检率,并且符合人眼识别特性。     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

一种Java与OpenCV结合实现的目标检测模块

提出一种Java与OpenCV结合实现的目标检测模块,详细讲述了利用JNI技术调用OpenCV目标检测方法的具体步骤和关键过程。该模块可很容易地与科研、工业等领域的Java视频系统集成。实验结果表明,集成了该模块的Java视频系统获得了较高的检测率和处理速度。     

边缘检测在异面直线夹角视觉检测中的应用

应用机器视觉技术测量空间两条异面直线的夹角。建立起测量的公共基准后,用2只CCD独立地拍摄两根轴线与基准夹角图像。将采集到的图像分割为二值图像后,采用不同的边缘检测算子处理,分析结果,以边缘检测的准确性和稳定性为依据,结果表明：Roberts算子定位精度高,计算速度快,可以快速准确地提取目标轮廓。     

基于机器视觉的全自动电池检测系统的研究

给出了一种基于机器视觉和X射线的全自动电池检测系统.利用X射线的穿透性和计算机对数据的快速处理能力,相机可以采集到成型电池的内部结构图像并对图像数据进行快速处理.通过对图像进行滤波、锐化、边缘提取等过程得到阴极和阳极的精确位置.运用软件来测量各个特征问的距离并与标准值进行比较来判断电池的好坏,从而实现电池检测过程的完全自动化操作.