机器视觉在电容器外观缺陷检测中的应用

传统的电容器外观缺陷检测采用人工检测,效率低、出错率高、成本高。为了克服人工检测的缺点,提高电容器生产的自动化程度,设计基于机器视觉的电容器外观缺陷检测系统。首先采集图像、预处理,匹配定位到电容区域;然后采用阈值分割检测溢胶、环氧面气孔气泡缺陷,采用模板匹配检测字符、外壳破损缺陷;最后通过Blob分析,提取缺陷特征,设定阈值参数,以满足不同标准的检测要求。根据样机实验结果显示,检测系统大大提高了检测效率和精度。     

轴承外观缺陷视觉检测方案

由于轴承在生产过程中会产生各种类型的缺陷直接导致产品质量下降．人工成本增加。采用了先进的视觉处理技术后我们将杜绝不合格产品流向市场．提高厂家的生产效率。     

基于计算机视觉的大米外观品质检测

提出了利用计算机视觉系统代替人眼对黄粒米、粒型等大米外观品质参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法。在对不同的大米图像处理的基础上，完成了对大米的黄粒米、粒型等的测定。实验结果表明，本算法及程序设计是有效可靠的。     

基于机器视觉的电子元器件检测系统设计

为了提高宇航、军工电子产品检测的效率和准确性,设计基于机器视觉的电子元器件检测系统,通过研究有效的定位与检测算法,满足不同规格的印制电路板（Printed Circuit Board,PCB）元器件焊装正误检测。采用改进的Hough圆检测算法识别定位点,结合电装工艺文件定位元器件所在位置,绘制感兴趣区域（Region of Interest,ROI）。最后采用加速鲁棒特征（Speeded-Up Robust Features,SURF）算法进行特征提取,利用基于最近邻与次近邻比值的方法完成匹配,元器件特征点匹配准确率达到85%。并对元器件在光照和仿射变换下的匹配效果进行测试,结果表明,SURF算法在不同实验条件下,包括位移、角度以及光照变换等,匹配准确率达到90%。系统实现了宇航、军工PCB板上元器件安装正确性检测,具有较好的精确性和稳定性。     

基于机器视觉的电子元器件检测系统设计

在信息技术快速发展的过程中,电子产品的更新速度不断加快,电子元器件也逐渐向集成化、微型化方向发展。在这种情况下,电子元器件的检测难度不断加大,传统的目标检测方法存在图像分辨率低、信息量匮乏等问题,而在机器视觉的基础上构建电子元器件检测系统可以提高检测效率与质量。对基于机器视觉的电子元器件检测系统设计方案与方法进行了简要分析,发现在设计系统时应优化图像预处理、点定位等方面的设计工作,增强系统的实用性。     

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。     

基于机器视觉的太阳能电池片外观缺陷检测

为了提高太阳能焊接机的焊接精度和焊接速度,提出了基于机器视觉在线检测太阳能电池片缺陷的方法,以ARM处理器STM32F103RBT6作为图像处理芯片,设计了系统的硬件电路,采用行扫描像素点的方法处理图像。实验结果表明:系统具有计算速度快、效果好、稳定性高、成本低、实用性较强的特点,在太阳能单焊机上具有较高的应用价值。     

机器视觉智能机器人无损检测系统探讨

无损检测技术在一定程度上反映了一个国家的工业发展水平,其可应用于原材料、中间工艺环节以及最终产成品的质量检测中,可对产品质量进行全程跟踪检测,确保产品生产质量.将机器视觉智能机器人应用于无损检测系统中,可有效提高生产的灵活性和自动化程度,促进无损检测技术水平的进一步提升.文章首先阐述了机器视觉智能机器人无损检测系统的硬...     

机器视觉工业检测系统的应用与发展

介绍了机器视觉工业检测系统的发展概况,阐述了机器视觉的研究已经从实验室走向实际应用的发展阶段,业已成为当代计算机技术研究的热点,获得了广泛的工业应用。重点讨论了机器视觉系统在实际工业生产中的应用及工业视觉检测原理、常用图像处理算法等。举例说明了如何利用模板匹配法对目标图像进行识别,从而实现对产品包装的检测。最后,指出在社会高度信息化发展过程中,在人类获取信息中占很大比例的视觉信息处理技术及机器视觉测量系统,将受到人们越来越多的关注。     

陶瓷套圈表面质量机器视觉检测系统

本文在分析陶瓷套圈表面质量机器视觉检测机的系统组成和自动检测工作流程基础上,设计出检测机的气动驱动系统和PLC集成电气控制系统,给出PLC控制程序流程.通过PLC集成机器视觉、气动驱动和步进电机驱动控制系统,实现陶瓷套圈外圆表面缺陷机器视觉检测自动化,自动检测节拍达到2秒/件.     

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。     

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。     

基于机器视觉的产品外观检测系统设计

分析了机器视觉技术发展现状及未来趋势,设计了一种基于机器视觉技术的产品外观检测系统,通过图像采集模块采集待检产品视觉图像,通过专用控制器对图像进行处理,最终识别出待检产品外观缺陷。     

机器视觉罐体缺陷检测系统的设计与实现

随着流水线生产过程中对产品的自动检测要求不断提高,传统的人工检测从效率和准确度方面已不能满足生产需求。另外,缺陷产品流入市场,对消费者的权益和企业的发展有不好的影响。因此,利用机器视觉技术针对罐体的形状缺陷、印刷缺陷等问题,进行图像采集、图像处理和实时检测,实现快速、准确的识别并剔除有罐体缺陷的产品,提高整个生产线的效率。     

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%.