基于机器视觉的重复定位精度测量技术

重复定位精度是机床、机械手、工件台等工业设备的重要指标之一,它直接影响零件加工的一致性以及生产设备工作的可靠性,为此对设备的重复定位精度进行测定是评估设备能否满足精密产品生产需求的首要工作.而目前重复定位精度的测量主要有千分尺和激光干涉仪,但千分尺具有测量、读取数值不方便以及测量精度不高的缺点,而用激光干涉仪测量成本又较高.在设备的实际生产过程中,为了能够方便且又能精确的测定其重复定位精度,提出一种基于机器视觉的重复定位精度测量方法,该方法测定方便,测量精度达到亚像素级且可控,其随着测定相机分辨率的提高而提高,可以用于精度要求在微米级以下的设备的重复定位精度测定.     

基于机器视觉的芯片偏移检测系统

针对矩阵式测试盘上芯片偏移检测问题,搭建一套基于机器视觉的芯片偏移检测系统,主要包括上下料流道、三维移动 平台和视觉检测模块。 检测系统以一标准样板为基准,构建模板匹配与仿射变换相结合的图像矫正算法,实现不同待测样本间 检测的通用性;以灰度梯度及梯度方向为依据,设计针对芯片区域的矩形测量算法;系统以芯片左上角和右下角点连线的中心 为基准点计算芯片偏移量。 实验结果表明,本系统针对芯片偏移检测的误差范围-2. 145~ 4. 257 μm,单片芯片偏移计算算法执 行的平均时间为 72. 56 ms,检测轴运行速度为 20 mm/ s,对行列数为 5×12 的矩阵式测试盘上芯片的平均检测时间为 64. 5 s/ 盘,可满足实际加工过程的需求;使用测量系统分析(MSA)中的偏倚与线性度分析方法对本系统的准确性进行评估,结果表明 系统的偏倚和线性均满足生产需求。     

基于机器视觉的芯片引脚测量及缺陷检测系统

芯片引脚的尺寸测量及缺陷检测在智能制造生产中具有重要意义,笔者为了实现对芯片引脚宽度、间距和长度以及引脚缺陷的高质量、高精度检测,利用HALCON视觉软件平台、采用形状匹配和一维测量算法进行检测实验。首先,通过上位机控制相机采集图片,采用基于形状的模板匹配方法并结合金字塔搜索算法对芯片进行匹配定位,其次,应用仿射变换获取芯片引脚的区域,最后,将提取的引脚区域运用一维测量算法实现对芯片的引脚尺寸测量和缺陷检测。实验结果表明单张图片检测时间为56ms,测量误差为±0.01mm,缺陷检测正确率为100%。因此,利用机器视觉在线检测,不仅保证了测量的精度,同时保证了准确率,检测行业高精度、实时性的要求得到了充分的满足。     

基于机器视觉的孔类零件尺寸在线检测

应用机器视觉技术对孔类零件进行尺寸测量,采用边加工边测量的方式进行在线检测,可有效缩短零件的生产周期,提高生产效率.通过分析零件的工艺特征,选用CMOS相机与高精度远心镜头,对有倒角的特征采用环形光源照明,对未倒角的特征采用同轴光源照明,提高了硬件平台的柔性化.针对图像采集与传输过程中的椒盐噪声与高斯噪声,对采集后的灰...     

基于机器视觉的圆柱形蜂窝陶瓷侧面裂隙检测

针对圆柱形蜂窝陶瓷侧面裂隙检测困难问题,提出一种基于机器视觉的检测方法。通过对侧面裂隙检测需求分析,选用COMS相机和LED白色平行光源。对采集的图像进行滤波处理,选择中值滤波去除椒盐噪声。根据图像的特点选择ROI区域,使用全局阈值分割算子threshold进行图像分割,采用膨胀方法连接断裂区域。在提取表面缺陷时,先用connection算子对图像区域分割,再选择面积、长度和宽度3个特征对表面缺陷进行提取。将本检测方法与人工检测方法比较分析,试验结果表明在检测样品均为50个时,本方法检测合格、不合格和混合样品所需时间分别为12.50、6.64和10.58 min,具有更高检测速度,实时性更好;准确率分别为96%、84%和90%,准确率还有待提升,需要进一步的研究。     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.     

基于机器视觉的大尺寸零件测量方法研究综述

随着工业化水平的不断提高,基于机器视觉的大尺寸零件测量技术成为研究的热点。首先阐述了机器视觉测量技术的研究背景以及国内外研究现状,指出目前视觉测量研究的难点,提倡通过研究图像处理算法来提高测量精度和效率。其次,对视觉测量中广泛运用的边缘检测技术进行了调研分析,其主要采用粗精定位相结合的边缘检测算法,并重点分析了精确边缘定位中的亚像素边缘检测算法。接着,对大尺寸零件测量中所用到的图像拼接技术进行了调研分析,该技术所应用的图像配准主要基于区域和特征两类方法,并分析了两类方法的优势与不足。最后,总结了大尺寸零件测量方法的特点与局限性,并指出未来进一步探索的方向。     

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。     

基于机器视觉的爬管机器人 路径信息识别算法

目前管道尤其是高空架设管道的检测主要是通过人工手持设备进行,而且测试条件十分受限,易造成检测效率低和安全风险问题。为了提高管道检测效率,保护检测人员的生命安全,本文提出一种基于机器视觉的管道外爬行机器人路径信息识别算法。首先,对获取的图像进行感兴趣区域(region of interest , ROI)设置和透视变换,并对RGB和HLS色彩空间的二值图像进行融合处理;然后,通过轮廓提取的方法不仅实现对障碍物及破损的提取,并且将管道上的非管道像素进行填充补偿,提高了多项式拟合的稳定性和准确性。最后,对融合后的二值图像使用滑动窗格法提取管道像素,采用多项式拟合出管道中心线。实验表明,该算法能在复杂的环境光下准确识别中心线、障碍物以及破损,抗干扰能力强,满足爬管机器人自主沿管线行进的需要。     

基于机器视觉的无人机自主着陆技术

为了提高无人机着陆过程中的自主性和智能性,提出了一种基于机器视觉的无人机自主着陆算法。算法采用了红外图像与可见光图像协同的方式,首先对着陆模型进行设计;其次,通过着陆模型的颜色、纹理、热成像等特征对着陆模型进行检测识别;最后,通过确定降落模型的质心位置并跟踪,实现无人机的位姿调整。实验表明,该算法大大降低了基于机器视觉进行无人机位置识别时对环境光线的要求,提高了基于机器视觉的无人机自主着陆控制系统的抗干扰能力,实现了基于机器视觉进行自主降落的无人机的全天候自主着陆。     

基于机器视觉的工件尺寸测量研究

针对工件尺寸测量问题,大部分都是使用人工的方式去测量工件的尺寸,不仅劳动强度大,而且还容易出现错误。为了避免此类情况的发生,设计了机器视觉技术对工件进行尺寸测量。在此,文章利用HALCON图像处理软件对工件进行高度测量,采用双目相机对工件进行图像采集,分析了双目立体视觉的工作原理并对相机进行了标定,提出了一种提取鞍点法来对工件进行定位,并且利用求平面向量来确定工件高度尺寸的方法,结果成功测出了工件的高度尺寸为50.3mm。实验结果表明：经过一系列的双目立体视觉处理手段,最终可以求出工件的高度尺寸,不仅提高了效率,而且在自动化生产方面具有较大实用价值。     

基于单目视觉的机械臂灯具清洗定位系统

在机场嵌入式助航灯具自动清洗过程中,为了取得灯具发光口中心和机械臂的相对位置实现机械臂精准定位,设计了基于单目视觉的机械臂灯具清洗定位系统。首先,采用D-H法建立机械臂运动学模型;然后,根据夜间灯具发光的强逆光性以及环境干扰,提出一种优化阈值准则和缩小阈值搜索范围的改进Otsu算法对图像进行分割,再利用质心法提取灯具发光口中心位置;最后,在夜间条件下,进行实验分析并对定位误差采用最小二乘法进行补偿。实验结果表明,所设计的机械臂灯具清洗定位系统速度快、精度高,与传统Otsu算法和改进的随机霍夫变换算法相比,定位精度分别提高72.5%和55.5%,且平均定位精度达到8.7 mm,满足灯具清洗要求。     

基于计算机视觉的室内定位系统设计与实现

现在传统的室内定位技术大多需要在被定位物体上安装标签或者终端设备,在一些特定场合存在很大的局限性。为此提出了一种基于计算机视觉的室内定位系统。该系统通过目标检测算法检测出特定物体并获取其图像坐标,经过目标点判定算法判断该物体是否在待定位区域内,最后通过投影变换算法获取到该物体对应的地图坐标。在被定位物体无感知的情况下,完成对其定位且定位误差在1米以内。为了方便用户直观的观察,采用网页的形式,将实际地图与物体位置显示在终端设备上。     

基于机器视觉的岩屑自动拣选系统设计

为解决混合岩屑样品颗粒细小条件下,人工拣选含油岩屑工作效率低的问题,研究设计了岩屑自动拣选系统。系统以含油岩屑在紫外光照射条件下发射荧光的特性为基础,以机器视觉技术为支撑,辅以岩屑输送和归整装置,实现含油岩屑的识别和定位;以电磁阀组、气源以及控制板构成气动执行机构,实现含油岩屑的自动拣选。实验表明,系统对含油岩屑识别准确率100%,定位和拣选可靠,误选率为0。为改变传统的拣选方式,提高工作效率提供了新途径。     

基于机器视觉的拆回旧电表参数信息检测技术研究

针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题,提出了一种基于机器视觉的参数信息检测方法,通过检测智能电能表的额定参数信息,完成电能表的分类回收工作。在以C#与Halcon为软件平台建立智能电能表图像检测系统的基础上,采用Blob分析算法,对图像进行ROI(感兴趣区域)提取,采用直方图均衡化对提取后的图像进行处理,以增强背景与目标区域之间的对比度,获取质量较高的电能表图片,通过OTSU算法对Canny边缘检测算法进行改进,提高图像阈值范围的自适应性,获取更完整的图像外观轮廓,最后对图像进行字符分割处理,得到电能表的额定参数信息。经过实验验证,该方法能够准确检测识别电能表铭牌的额定参数信息,实验数据显示检测准确率达99.5%,平均每台电能表检测耗时0.62 s,很大程度上节省了电能表分类工作的检定时间,提升了工作的效率与准确性。     

基于机器视觉的水表机芯灵敏度检测

为了解决人工检测水表机芯灵敏度存在效率低、精度差等问题,开发了一套基于机器视觉的水表机芯灵敏度检测系统.设计了一种基于指针通气前后转动角度差的间接检测算法.利用最小二乘法求得初始轮廓圆心,以圆心的横坐标和纵坐标将指针轮廓分为4部分,计算每部分轮廓点到圆心距离的标准差,取标准差值最小部分作为轮廓集合来拟合出精确圆,实现指...     

基于机器视觉的点胶系统的设计与研究

传统的点胶设备通常是基于人工手动固定输入点胶位置及点胶路径来驱动点胶阀的半自动化设备,这样的设备不仅无法适应某些有一定尺寸公差的产品,而且生产效率也打不到理想水平。针对这种情况,该系统把视觉技术引入到点胶位置的测量过程中,设计了一种利用视觉技术抓取点胶位置的自动化点胶系统。基于 Visual C#编程平台利用eVision图像处理软件对胶片的图像进行分析,利用图像预处理和形态学操作来实现点胶起始坐标的提取。实验表明：系统的点胶精度可达0.014 mm,重复精度可以控制在0.012 mm以内,很大程度上解决了传统点胶技术稳定性差、点胶精度低的问题。     

机器视觉在流水线条形码识别中的应用

随着工业自动化技术的发展,国内不少工厂实现了生产过程自动化管理.但是对于生产和物流传送流水线上产品条形码的检测,由于运行速度快,条码品种多,距离变化大,传统的基于光电转换的条码识读技术已经显得无能为力.本文提出基于机器视觉的条码自动识别技术,利用高速CCD摄像机得到条码的图像,通过几何变换,滤波去噪,阈值处理等有效的图像处理和快速模式识别方法,结合优化设计的条码码制数据库实现了流水线物品条码的快速、精确识读.     

基于机器视觉的线缆导体质量检测研究

针对现有人工检测费时费力的问题,提出了一种基于机器视觉的线缆导体质量检测方法,能够方便、高效地检测线缆导体质量。分析线缆截面图像中刀痕的特征后,提出了一种基于Gabor滤波器的刀痕纹理消除方法;根据线缆导体分布规律,研究了一种导体根数分层分析算法。实验表明,所提出的刀痕纹理消除方法能有效提高导体轮廓检测效果,提出的根数自动检验算法能实现对导体根数的分层检验,可以帮助检验人员快速地检出导体根数,计算缺漏情况。     

基于机器视觉的PCB板电解电容极性自动定位

现有电解电容极性检测通常分为内圆检测和极性检测两步流程。现有基于GHT的检测方法在内圆亮度非常接近外部时,无法准确定位内圆;基于滑动窗口平滑度的极性检测方法没有考虑极性区域亮度低、噪声大以及非极性区域存在高亮污染这三种情况,应用范围有限。针对现有方法不足,本文首先提出了基于超像素聚类分割的内圆检测方法,同时考虑了图像超像素间的亮度和位置关系,实现了对电解电容内圆的精确定位,算法稳定性能好,精度高。在内圆检测基础上,本文提出基于滑动窗口灰度均值和标准差峰谷值的电容极性检测方法,可实现复杂情况下的极性定位。相对现有算法,本文算法不依赖人工标记极性方向,可实现全自动化检测。目前该算法的测试准确率为98.6%,单张图像的平均检测时间为192ms±23ms,且已投入工厂使用,效果良好。