基于机器视觉的工件检测系统研究

为检测工件质量,识别型号。采用机器视觉的方法,应用CCD相机在线拍摄工件图像,以图像采集卡作为与计算机的接口,进行数据的分析及处理,实现工件分拣。     

基于机器视觉的改进线束导线排序检测系统设计

目的 解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法 基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R−CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果 实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论 改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。     

基于机器视觉的烟叶异物剔除系统设计

本文源于卷烟制造企业制丝生产线的系统改造项目中的一个子项目,开展机器视觉技术在烟草制丝设备控制系统中的设计和应用研究。经过近两年的生产运行表明,该异物剔除系统稳定、可靠。发挥了机器视觉技术的优势,提高了制丝生产的质量,达到了预先设定的目的。本文工作对其他同类制丝设备的设计研发具有积极的参考应用价值。     

机器视觉系统在皮带撕裂检测中的应用

文章对裂纹图像进行采集提取,然后在Visual Studio 2017、开发语言C++中借助功能模块,并通过边缘检测算法实现对图像的处理以便进行检测,之后对经处理的数字图像构建网络模型,以皮带裂纹图像的长宽几何特征量作为输入量,结合皮带裂纹图像样本,从测试出的裂纹特征值可得出整段皮带不同位置撕裂程度有所不同。     

铣刀机器视觉检测系统设计

铣刀检测是铣刀生产的关键环节之一,针对传统铣刀检测过程中暴露的自动化程度低、效率低等问题,提出了基于机器视觉检测系统的检测方法.论文对系统的总体方案进行了设计,研究了系统的工作原理,并对系统硬件软件进行设计,最后通过实验分析得出结论.实验结果表明,通过视觉检测系统可以检测出铣刀是否合格,并且此法比传统方法有明显的优越性.     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

基于多光谱分析的烟包外观检测系统

目的为了解决卷烟厂在烟包外观检测中,包装纸与透明纸难以同时检测的难点,设计一种对称式多光谱分析的烟包外观检测系统,以用于FX-2型包装机。方法该系统选用可调式支架、稳定的LED、高速多光谱CCD光源来捕获卡槽中烟包的待测面,将获取的多光谱图像传入高性能工控机,并对各子带图像联合进行处理。结果该系统可以通过一次成像同时检测包装纸和透明纸。结论该系统结构合理,易于安装与维护,检测精度高,参数可调,系统稳定可靠。     

基于机器视觉的双工位载带检测系统研究

叙述了基于机器视觉的双工位载带检测系统的硬件设计方案和机械结构方案。提出了适合载带检测的图像处理算法,该算法主要包括瑕疵检测算法与尺寸计算算法。将标准合格载带样本图像作为训练集,从这些样本图像中获取检测区域图像的特征量信息作为在线检测时的比较标准。经过实际上线测试验证,载带缺陷检出率均不低于99.6%,重要缺陷漏检率为0%;检测一帧图像时间10 ms,检测速度达到12 m/min。     

基于机器视觉的药品包装生产线自动检测系统

目的提高包装药品效率,保证包装过程的正确率和安全性。方法在充分研究药品包装生产线现状的基础上,将机器视觉应用于药品包装生产线药品的自动检测,采用基于最大熵阈值,设计一种图像分割方法;同时采用自适应高斯引导图像滤波算法,设计一种图像去噪算法。结果通过实验验证,该系统可以实现药品包装生产线的自动检测,并能自动剔除不合格药品,保证生产安全。结论研究的药品包装生产线自动检测系统具有自动化程度高、效率高的优点,具有广阔的市场应用前景。     

印刷图像网点增大在线检测系统的开发

目的在高速印刷过程中,需要快速准确地对印刷品的质量进行检测,并给出数据评价,为此开发一种印刷网点增大的在线检测系统。方法通过图像采集系统获得实际印刷的网点图像,基于机器视觉技术,利用Matlab高级程序语言实现网点图像的识别。结果通过将标准网点图像与实际采集网点图像进行对比,利用有效的识别算法对3种形状印刷网点在50%处的增大量进行计算。结论该识别算法适用性强,可应用于彩色网点印刷中多种形状网点增大量的在线识别。     

基于机器视觉的航空铆钉尺寸检测技术

航空铆钉的尺寸偏差会增加航空事故发生的可能性。为了实现航空铆钉尺寸检测的高精度与智能化,提出一种基于机器视觉的航空铆钉尺寸检测方法。通过边缘检测算法对铆钉进行自动识别与检测,可减少航空铆钉尺寸的误差。基于航空铆钉产品规范,分析得出各项尺寸参数要求与事件流程,使用OpenCV作为开发平台,采用阈值分割算法与分水岭算法进行图像分割;同时,通过平滑处理、形态学、轮廓提取算法完成图像处理。实测结果表明,在±0.005mm精度下,铆钉尺寸检测结果与实际值的吻合度达到90%以上。