面向机箱标准件装配质量局部特征的智能检测技术

标准件装配质量包含零件类型、位置偏差、姿态偏差等多个指标,还具有部位多、类型复杂的特点,该文提出基于装配局部特征的检测模板结合机器视觉的产品装配质量智能检测方案。首先,分析鉴别产品质量需从类型、位置、角度方面进行检测,还须结合装配公差要求,研究标准件局部特征检测方法;其次,通过标准件局部特征检测对装配部件进行快速准确定位、利用数学模型进行鉴别,结合SURF算法确定主方向及特征点,实现标准件装配质量的快速智能检测;最后,构建机箱标准件装配质量检测装置,对多个不同型号ADLINK嵌入式机箱进行试验。结果表明:与全局检测相比,使用标准件装配质量的局部特征智能检测技术,检测时间可缩短86.31%,实现零漏检,识别正确率达100%。     

面向机箱标准件装配质量的KB-BBT结构机器评价系统

机箱装配具有部位多、标准件类型复杂等特点,实现机箱标准件装配质量评价,模式识别是关键。该文提出类间均衡树(KB-BBT)机器评价系统结构,首先,提出可实现不同评价标准的机箱标准件装配质量机器评价方法;其次,结合机箱具有固件三大类标准件的特点,构建3个SVM分类器,实现漏装配与机箱功能件、机箱钣金件、机箱紧固件三标准件大类的模式识别;最后,应用均衡树(BBT)结构,实现各大类标准件类内不同零部件模式的识别。经具有15种、204个的机箱标准件样本集实验,结果表明:KB-BBT结构能使SVM分类器最高识别准确率达到100.0%,比BBT结构提升7%,KB-BBT统结构从顶层区分三大类标准件,具有分类识别准确率高、分类器训练简单的特点。     

面向标准件装配质量的PI-SURF检测区域划分技术

标准件装配具有部位多、类型复杂、结构各异等特点,可基于产品特性指导机器视觉进行产品装配质量检测。该文基于部分装配产品的位置不变性(PI),提出面向标准件装配质量的PI-SURF检测区域划分技术。首先,分析产品装配中各标准件间位置关系基本稳定的特点,以平面尺寸链描述两个标准件的位置关系,提出基于PI的装配检测区域划分方法;其次,提出基于PI-SURF的标准件装配质量检测区域划分技术,通过提取基准部位的SURF区域特征与特征主方向,使得检测区域具有对产品整体平移、旋转的抗干扰能力;最后,构建标准件装配质量检测装置,以联想ThinkCentre G3机箱进行试验。结果表明:与全局检测相比,使用PI-SURF检测区域划分技术后,检测时间缩短83.4%,实现零漏检,提高装配质量检测装置结果可靠性。     

基于Moravec算子影像特征提取的算法分析与实现

点特征主要是指图像上明显的地物点，如角点，原点等。提取点特征的算子称为兴趣算子，即利用某种算法从影像中提取感兴趣的特征点。本文主要介绍了点特征算子中很著名的Momvec算子的详细解法及算法流程，并在Moravec算子的阈值选取的方法上进行创新，并给出了M0ravec算子对rgb图像进行点特征提取的效果图。     

焊缝射线立体视觉检测中图像匹配的特征提取算法研究

目的　研究焊缝射线立体视觉检测中图像匹配的特征提取方法 .方法　依据焊缝射线图像的特点 ,提出了几种特征提取方法 .结果　采用这些方法快速地提取出了图像的边缘特征点 .结论　找到了对于焊缝射线像立体匹配边缘特征提取效果较好的方法     

Shi-Tomasi角点区域的拷贝图像检测

针对由于裁剪、翻转和旋转等产生的图像拷贝问题,提出一种Shi-Tomasi角点的拷贝检测算法.先使用Shi-Tomasi角点检测算法提取图像的局部角点;然后在以Shi-Tomasi角点为中心的圆环区域内计算特征向量的协方差描述子(多特征融合);最后通过协方差描述子的相似性度量来检测圆环区域的相似性,并以此判断检测图像是否为原图像的拷贝.实验结果证明,该检测算法对图像的裁剪、旋转等攻击具有较好的鲁棒性.     

焊缝射线立体视觉检测中图像匹配的特征提取算法研究

目的 研究焊缝射线立体视觉检测中图像匹配的特征提取方法。方法 依据焊缝射线图像的特点，提出了几种特征提取方法。结果 采用这些方法快速地提取出了图像的边缘特征点。结论 找到了对于焊缝射线像立体匹配边缘特征提取效果较好的方法。     

基于超声检测的无人机复合材料多特征提取研究

在超声检测无人机复合材料脱粘缺陷时,针对单一特征提取方法信息利用不充分、不同特征对识别重要程度不同的问题,分析超声回波信号特性,提出一种将小波包域和时域相结合的多特征提取方法。该方法首先对信号进行小波包分解,获得小波包域特征,并利用主成分分析法对该特征进行降维处理;然后结合复合材料特性提取信号的时域特征;最后将提取的不同域特征组合,并对组合特征向量进行加权处理。对处理后的特征向量运用类别可分性测度准则进行评价,结果表明提取的信号特征能较好地界定复合材料的脱粘等缺陷。     

基于SIFT变换和DWT-SVD的自适应图像水印算法

目的由于传统的自适应水印技术无法实现水印嵌入区域依据图像自身的特征而改变,且抵抗几何攻击的能力较弱,提出一种基于SIFT特征提取,结合DWT-SVD的水印嵌入方法。方法首先对图像进行SIFT特征提取,然后利用RANSAC算法选取出鲁棒性较好的特征点,通过特征点选取合适大小的水印区域,最后结合DWT-SVD算法将水印嵌入原始图像中。结果采用SIFT变换结合DWT-SVD算法嵌入的水印,含水印图像的视觉效果较好。含水印图像在没有受到攻击时,可以无损地提取出水印;在受到攻击时,提取出的水印品质较好,NC值均高于0.96,且算法的时间复杂度和空间复杂度均较小。结论实验证明,此方案在面对任意角度的旋转攻击,以及常规图像处理攻击有很好的鲁棒性,可以达到保护数字产品的目的。     

三维重建中特征点提取算法的研究与实现

利用特征点提取和匹配重建三维模型是基于图像的三维重建的关键技术之一,其中特征点的提取是一个主要难题.在比较常用的提取方法后,着重研究了HARRIS算子并做出一定改进.采用灰度平均平方梯度矩阵的特征值作为角点响应函数,通过图像目标灰度和背景灰度的比较,得到一个自适应的角点响应阈值条件,从而提高了角点响应的适应性和精确性.此外,还提出提取图像边缘轮廓的幅度数据,基于此数据再进行角点检测的方法,得到了更为满意的结果.