基于机器视觉的包装物料自动筛选系统

目的为解决传统人工分拣作业效率低、速度慢、质量难以保证的问题。方法设计一种基于机器视觉的包装物料自动筛选控制系统,适用于多种输送线物料分拣的方案。结合多种图像处理算法,以提高物料筛选精度。改进中值滤波可实现图像预处理;形态学滤波可实现包装物料边缘检测;基于边缘匹配可完成物料识别。最后进行试验研究。结果试验结果表明,对于圆形、方形、三角形物料,所述包装物料筛选系统的分拣精度在99.5%以上,最大抓取速率能够达到150次/min。结论所述图像处理算法能够有效地提取物料边缘并实现物料识别,具有比较高的检测精度和稳定性,可以满足包装需求。     

基于机器视觉的易拉罐打标区域定位方法

目的 为了提高易拉罐打标效率和打标位置精度,降低劳动强度,提出一种基于机器视觉的易拉罐打标区域定位方法。方法 首先建立模板库,获取即将打标的不同图案的易拉罐表面图像,对图像进行柱面反投影,使有一定弧度的图像展开,并利用模板匹配原理对图像进行拼接,得到易拉罐表面完整图像;其次采用ORB算法在模板库中确定易拉罐表面图案种类,利用模板匹配方法确定该种类图案的打标区域在待打标易拉罐上的位置,从而进行定位打标。结果 实验结果表明,该方法能实现直径为40～65 mm易拉罐的打标区域快速定位,定位误差为±2°。结论 基于机器视觉的易拉罐打标区域定位方法能实现易拉罐打标过程的自动化,可以快速、准确地定位出打标区域,且灵活性较高,降低了劳动成本,能满足企业的生产加工需要。     

基于机器视觉技术的瓶盖划痕检测

目的 针对当前国内瓶盖划痕检测算法在较复杂背景条件下,存在精度不高、瓶盖划痕图像灰度值变化剧烈,且影响因素较多,无法准确定位检测的问题,提出一种基于机器视觉技术的瓶盖划痕检测方案,以实现在对比度较低的背景下对细微划痕快速准确的检测。方法 对标准图像作预处理创建模板,对样本图像进行滤波降噪、基于形状的模板匹配、提取感兴趣区域（ROI）、高斯差分滤波增强划痕拉开对比度、二维Otsu阈值分割、形态学处理、特征提取划痕。通过获取300幅瓶盖表面图像,与差影法、大津法、人工检测法进行了划痕检测对比实验。结果 实验结果表明,提出的算法能快速、准确、高效地提取瓶盖划痕,检测1幅图片的平均时间为113 ms,检测准确率为98.3%。结论 该方案与人工检测、差影法、大津法相比,检测精度更高、速度更快、鲁棒性更好,可以满足工业上的生产需求。     

基于形态学的机器视觉玻璃切割边缘提取

图像边缘提取是基于机器视觉的光学玻璃精密切割的前提和基础.通过Sobel、Roberts、Prewitt、LOG、Canny传统算法分别对光学玻璃切割中的图像进行边缘提取,发现这些算法均无法有效解决边缘线型连续性和去噪问题.在此基础上,引入了数学形态学理论,对图像依次进行闭合运算、Otsu阈值处理、轮廓提取,从而获得了连续、平滑、无噪点的光学玻璃切割轮廓曲线图,且峰值信噪比相对较高,仿真实验证明了该方法的有效性.     

基于机器视觉的贴片电阻封装排序方法

目的研究基于机器视觉的贴片电阻封装排序方法,确保贴片电阻的封装效率,减少人力成本。方法基于模板匹配设计一种贴片电阻的相对方向识别方法,并简单介绍检测系统的整体框架。识别方法主要分为3步,截取模板并进行模板匹配;记录匹配区域的匹配度及匹配区域的像素坐标信息;利用匹配度和坐标信息得出贴片电阻的相对方向。结果文中验证了在不同光源下的识别率。当光源强度为18 V时,识别率最高,达到99.9%,处理时间约为130 ms。结论基于机器视觉的贴片电阻封装排序方法能够满足工业生产的准确性和实时性要求。     

机器视觉技术在彩色印刷品质量在线检测中的应用

介绍了彩色印刷品质量在线检测的机器视觉系统、印刷品质量检测软件及其处理流程,并通过试验证明了该软件有较高的处理速度和精度。探讨了2种彩色图像分色处理的方法、优缺点以及适应领域;介绍了2种常用的模板匹配算法,并根据试验结果,提出了在印刷品质量检测中,模板匹配算法的优化应以提高速度为主。     

基于机器视觉技术的水表在线检定系统研究

设计了一套基于机器视觉技术的水表在线检定系统。使用模板匹配技术定位梅花针,分别对基准表和各待检表梅花针转过的齿数同时计数,当基准表计数到达设定值时同时停止计数,计算待检表误差,判断是否合格。现场试验表明,该方法比现有的激光反射计数法检定精度更高,解决了激光反射计数法无法检定梅花针上有气泡的湿式水表的问题。     

基于机器视觉的通孔元器件检验

印刷线路板组件外观检验系统,采用机器视觉技术,用于机插和手工装配等通孔元器件的检验,为电子产品组装过程中外观检验提供自动化质量控制手段。由于通孔元器件材料、形状、尺寸变化大,难以采用统一的算法和判据,本文根据通孔元器件的特点将其分为线束和非线束两种类型,分别采用颜色定位和彩色模板匹配算法,用旋转角度和匹配分数作为综合判据,通过算例验证了该系统的可行性。平台化设计使该系统具有很高的推广价值。     

基于机器视觉的方便面包装品质检测系统设计

目的设计一套基于机器视觉的方便面包装品质检测系统,以解决人工检测人眼易产生疲劳和不稳定的问题,提高包装品质在线检测效率。方法给出方便面包装品质检测系统的整体设计方案,阐述硬件设计结构和软件设计流程,分析机器视觉检测系统的原理和过程。结果采用机器视觉的方便面包装品质检测系统具有较高的生产工艺识别率。结论该检测系统具有较低的过检率、漏检率,以及较高的检测效率,能够满足生产需求。     

基于机器视觉的水果分级系统设计

目的为提高水果分级准确度,以苹果分拣为研究对象,基于机器视觉设计一种苹果分级包装系统。方法根据实际分级功能需求,以苹果尺寸作为标准设计一种苹果分级系统的总体方案,包括DSP+ARM控制器、工业相机、传输带、光源等。重点讨论图像处理模块,首先完成图像背景分割;利用中值滤波实现图像平滑处理;采用Canny算子实现图像边缘锐化。在图像处理的基础上,建立苹果分级模型。最后进行实验研究。结果实验结果表明,人工挑选分级和机器识别自动分级的吻合率达到了96.8%,证实了系统的有效性和可行性。结论基于机器视觉的苹果自动分级的准确度已经接近人工挑选的水平,可推广到苹果类水果的自动分级、包装。     

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。     

机器视觉技术在包装领域的应用

介绍了机器视觉技术的定义、系统组成及原理。重点论述了机器视觉技术在印刷品、药品、烟包包装等领域的应用现状,并对该技术在包装行业的发展及市场前景进行了展望。     

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。     

基于机器视觉的圆筒形零件直角梯形槽槽宽检测研究

针对圆筒形零件直角梯形槽槽宽的工业检测速度和精度要求,采用工业相机、镜头、计算机及专业图像处理软件等,构建了一套机器视觉系统,并依据图像处理算法设计了一个针对圆筒形零件上直角梯形槽槽宽检测的方法。对比实验表明,该系统的检测精度能够达到微米级要求,明显优于人工采用专用槽宽测量工具的测量精度,且测量结果不受主观因素的影响,效率较高。