基于机器视觉的芯片成型分离视觉检测系统的研究

芯片引脚是否合格,是成型分离制程检测的关键。针对这一问题,应用机器视觉和机器自动化技术,研制出实现成型分离制程芯片检测自动化的检测系统。实验测试表明,该设备具有较高的检测精度和检测速度,能够满足生产需要。     

基于机器视觉的扶梯自动急停系统

针对自动扶梯上乘客易摔倒的安全隐患,设计一款基于机器视觉的人体摔倒行为识别系统及扶梯自动急停装置.借助OpenPose人体关节点检测算法提取目标人体的骨骼特征,利用Inception V3网络模型搭建分类器,对采集的骨骼特征信息分类,以识别乘客摔倒行为.训练结果表明单人、多人样本的测试精度最高可达98.9%、80.0%.识别摔倒行为后将检测结果以无线通讯的方式发送至基于STM32微控制器及多种传感器的急停装置.最后,在模拟的扶梯环境下进行实验测试,测试结果表明该扶梯自动急停系统的控制实时性良好.     

基于机器视觉的英语翻译机器人错误文本检测系统

为实现智能、高效地英语翻译错误文本检测,设计一种基于机器视觉的英语翻译机器人错误文本检测系统。系统的硬件模块包括光源模块、图像获取模块、机器视觉模块构成。其中在光源模块中,主要通过光源获取有明显对照的图像。图像获取模块由图像传感器、摄像机、图像采集卡、IEEE1394接口构成。机器视觉模块由工控机、机械手构成。系统的软件模块包括图像预处理模块、字符区域提取模块、字符分类模块、错误文本检测模块。其中图像预处理模块能够实现采集图像的灰度处理。字符区域提取模块主要通过MSERs算法实施字符区域提取。字符分类模块主要用于评价各MSERs,也就是将各MSERs分类成非字符或字符,使用的分类器为AdaBoost。错误文本检测模块主要使用卷积神经网络搭建正确文本与错误文本的分类器。通过硬件与软件相结合,实现应用翻译错误文本的检测。对设计系统实施应用与测试,测试结果为设计系统的漏检字符数与错检字符数都较少,有着良好的错误文本检测性能。     

基于机器视觉的种子品种实时检测系统研究

机器视觉技术的快速低成本实时检测杂交水稻种子品种新系统包括一组可以自动上料、光照箱、图像采集卡、CCD摄像头和自动下料等硬件以及图像处理及品种识别软件组成.系统的实现过程为:通过上料斗自动装入种子,种子由单片机控制的输送装置进入光照箱,每隔2秒停止一次,CCD摄像头采集图像,图像被读入内存,通过软件系统处理种子的图像,并提取品种的特征参数.通过此系统识别100粒种子的时间为5秒,品种的识别率分别达到了:先农5号为99.99%,金优桂为99.93%,优166为 98.89%,先农3号为78.82%,中优463 为86.65%.     

基于机器视觉的烟包传送带异物检测系统研究

在烟草工业企业中,开包作为制丝生产过程中的第一道工序为后续工序的连续正常生产起到了基本保障作用。烟包的外包装包括PV带、硬纸板、牛皮纸和塑料袋等,种类比较复杂。岗位可能存在残留的杂物会对下游工序生产诸多不良影响。研究基于机器视觉,采用阈值分割、拉普拉斯算子等方法,实现了对传送带上异物的自动检测,达到了90.24%的召回率。基于该方法,研究进一步设计了传送带异物检测报警系统,并制作了软件界面,提高了烟包开包工序的自动化水平,达到了预防下游工序堵料、提升物料纯净度、降低物料消耗的目的。     

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。     

基于模板匹配的机器视觉话机检测系统

针对流水线产品的自动检测需求的不断提升,使用模板匹配算法实现智能话机检测设备．并进行软件仿真,该系统用于检测话机按键的错装、漏装以及字符印刷错误等问题,实时获取产品图像和检测产品,可视化效果好。     

基于机器视觉的蜂窝陶瓷检测系统研究

为了解决蜂窝陶瓷产品质量在线检测问题,设计了一种基于机器视觉的蜂窝陶瓷自动检测系统,介绍了检测系统的体系结构,提出了基于PC+PLC的检测系统控制方案,根据高速摄像机获取蜂窝陶瓷各个面的图像,提出了一种内切圆逐次逼近定位算法,根据实际情况设计了一种针对蜂窝陶瓷图像形状的测量方法,以检测产品是否符合允许误差;实验验证了系统的有效性和检测算法的可行性,系统实现了蜂窝陶瓷质量的快速、精确在线检测,提高了生产效率.     

机器视觉智能机器人无损检测系统

针对目前无损检测过程中的大量人工操作、检测效率低下和检测精度低的特点,提出了一种搭载于工业机器人的无损检测系统的设计方法,实现了系统的软硬件设计。设计的机器人系统具有4个自由度,可以实现三维空间的立体检测,并采用自适应模糊推理系统提高检测适应性。系统采用彩色图像分割算法和自适应区域生长图像分割算法都能有效提取出缺陷区域。应用结果表明系统稳定性好、检测精度高,大大提高了检测效率。     

基于机器视觉的手机键盘质量检测系统

分析了利用机器视觉技术设计检测系统的现实意义,并介绍了系统的硬件和软件结构,对基于机器视觉的实时图像处理算法进行了研究。把主元分析的方法引入了图像校准领域,实现了图像的倾斜校正。通过现有分割方法的比较,提出了一种综合分割方法,对图像的特征有比较好的保持效果。使用轮廓跟踪技术完成了特征提取。根据特征的统计分布特性,利用特征区域匹配实现质量检测。实际使用情况表明该系统是可行且有效的。     

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。     

基于机器视觉技术的生态翻译机器错误文本检测方法设计

英语语法错误、单词拼写错误和错检漏检等,是现有生态翻译机器在英语翻译中存在的主要问题。为了对错误文本进行更准确高效的检测,此次研究设计了一种基于机器视觉技术的自动化文本检测系统。研究对图像滤波处理方式进行优化,并结合MSERs算法,实现了生态翻译机器错误文本的自动检测。在手写类文本检测实验结果中,研究设计系统检测的正确率为92.56%,误判率为8.29%,而传统系统检测的正确率为79.23%,误报率为18.45%。相较于传统系统,研究设计系统有明显的改善,具有更高的正确率和更低的误报率。此次研究提供了一种新的生态翻译机器错误文本的检测思路,具有较好的实际应用价值和意义。     

基于机器视觉的航空零件表面刮痕检测系统研究

研究一种精度高、可操作性强的航空零件表面检测系统对提高生产质量有重要的意义。本文基于机器视觉技术提出一种零件表面刮痕检测系统。此系统由软、硬件两部分组成,本文重点对软件部分的算法流程进行研究和探讨,并提出一套切实可行的方案。实验结果表明,该系统实用性强,对提高产品质量具有一定的实际意义。     

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.     

基于视觉注意机制的棉花污染物机器视觉检测算法

针对棉花中污染物这类大背景中的目标检测,模仿人类视觉注意机制,提出了一种检测算法:在预注意阶段,主相机获取全局图像,利用离散余弦变换和支持向量机提取和识别特征,确定目标所在的感兴趣区域;在注意阶段,对应感兴趣区域的从相机工作,获取该区域的局部图像,利用均值和方差方法识别污染物。实验表明,该算法能去除冗余数据,提高检测精确度。     

基于机器视觉的实时丸药检测系统

丸药是最为常见的药品剂型,最后成品的外观都要求圆整均匀、色泽一致,在丸药检测方面使用机器视觉技术有着良好的应用前景。通过对丸药实时检测方法和途径的分析探讨,提出了完整的工作循环模式。根据此模式,给出了利用Matlab和visual studio开发实时检测系统的完整方案。     

机器视觉测量系统在工业在线检测中的应用

机器视觉测量用视觉传感器采集目标图像,通过对图像各种特征量的分析处理,获取被测曲面信息.设计了一机器视觉测量系统,识别一幅图像中是否存在确定大小和形状子图像,若有则识别出它的位置.介绍如何利用“模板匹配”法对目标图像进行识别,并举例如何利用系统检测药片的包装是否合格（有无漏装）.     

基于机器视觉的液晶基板表面缺陷检测系统

介绍一种基于机器视觉的液晶玻璃基板质量在线检测系统。利用分布式视觉处理技术、采用模块化的图像处理系统设计,能够实现缺陷的精确提取与对缺陷的智能分类和分级,满足LCD液晶玻璃基板质量在线检测的需要。     

基于机器视觉的车道线检测研究进展综述

针对车道线检测技术在车道偏离预警、自动泊车和车道变换等各种辅助驾驶系统中的重要作用,国内外专家学者对车道线检测技术做了较多的研究,但是近年来少见有关于车道线检测的综述,因此本文主要阐述了近几年国内外机器视觉的车道线检测研究进展。首先简单介绍了机器视觉的车道线检测的基本流程;其次重点阐述了基于特征、基于模型和基于深度学习三种典型方法的基本检测原理和研究现状,并对比三种典型研究方法;最后,提出了机器视觉的车道线检测方法主要存在的问题,并针对问题提出未来的发展方向。     

基于机器视觉的烟支检测系统的设计

针对卷烟包装线上出现的空头和缺支问题,提出了一种基于机器视觉技术的烟支在线检测系统软硬件设计,给出了关键的电路原理图及软件流程,并对实际测试中的一些问题进行了分析。系统利用OV7620及FIFO缓存技术实现了图像的实时采集,并采用数字图像处理的方法对烟支图像进行分析,实现了空头及缺支的自动检测。