基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法.首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的.     

机身壁板铆接孔双目视觉定位方法设计

文章对飞机机身壁板自动铆接环节的铆接孔定位方法进行研究和设计。首先采用区域生长法提取图像中铆接孔特征,并通过改进生长判别条件优化检测结果;然后采用双目视觉定位方法计算铆接孔位置,并计算铆接孔相对于像平面的旋转角度。最后实验分别对不同直径铆接孔的不同位置和姿态进行检测,分析了方法的适用范围。     

基于机器视觉的亚像素精度法兰盘尺寸测量方法

针对空调压缩机法兰盘尺寸人工测量方式存在效率低、精度难以保证等问题,提出一种基于机器视觉的法兰盘尺寸亚像素级别测量方法,并构建视觉测量系统。对法兰盘图像,先使用转灰度、中值滤波和二值化分割进行预处理,抑制图像噪声,同时提取目标法兰盘区域;再使用Canny算子获取法兰盘边缘像素坐标;然后根据Zernike算法对旋转、尺度等不敏感的特点,使用改进的Zernike矩亚像素边缘检测算法重新定位法兰盘边缘,获取法兰盘边缘的亚像素级别坐标;最后使用最小二乘拟合算法得到法兰盘外圆直径与内孔直径尺寸。实验证明,该检测方法与人工测量方式相比效率高、精度高,能够满足对法兰盘关键尺寸的在线测量需求。     

复合式二次边缘检测的红宝石球直径高精度测量

为了对红宝石球直径进行非接触式、高精度测量,本文提出了一种复合式二次边缘检测法。首先,对拍摄到的红宝石球图像进行预处理后使用自适应阈值的Canny边缘检测算法对红宝石球图像进行一次边缘检测;其次,采用基于像素加权平均的图像融合算法对红宝石球二值化图像与边缘检测图像进行融合,对融合后的图像进行边缘提取,选择三次样条插值法对边缘图像进行插值,通过曲线拟合获得图像边缘的亚像素坐标,根据坐标进行圆拟合,结合标定得到检测结果,完成复合式二次边缘检测,从而实现对红宝石球直径的高精度测量。实验结果表明：对6 mm的红宝石球直径测量,测量精度可达1.5μm,定位精度不超过0.1个像素,满足企业测量要求,为后续实现工业自动化检测提供了较好的技术支持。     

铆接机自动送料装置视觉定位系统设计

针对传统铆接设备的送料装置自动化程度低,无法适应产品多样化且开环控制不便于精度提高的问题,提出了一种利用机器视觉获取目标坐标值代替人工输入坐标值的铆接机送料装置定位方法。对利用单目CCD相机获取的待铆接件图像进行灰度化、二值化及形态学图像滤波等预处理,采用质心法对预处理后的图像进行铆接孔圆心亚像素精度坐标值提取,并对定位系统坐标系进行标定及算法验证。实验结果表明:圆心提取实验结果达到了铆接工艺的加工精度要求,解决了传统铆接机送料装置精度低,自动化程度低的问题。     

基于改进YOLO v5的机床刀具识别方法

针对目前机床刀具分类应用较少、预处理复杂、目标检测适用范围小且识别精度不高的问题,提出基于改进的YOLO v5机床刀具图像识别算法,利用卷积神经网络在特征提取层加入CBAM注意力模块,可以更清晰地提取图像特征,在特征融合层加入CARAFE上采样模块,使刀具的表面特征恢复更好,可以减少特征融合时部分特征的丢失。实验结果表明,改进后的算法使机床刀具等小目标检测精度和检测速度明显提升,且改进后的模型平均精度为96.8%,比YOLO v4模型提高了14.96%,比YOLO v5模型提高了2%。本方法能对不同刀具进行识别,为工业制造中机械零件的识别提供了新的算法支持。     

空间矩定位齿轮齿距视觉检测

针对齿轮的精度测量问题,采用基于机器视觉的非接触检测方法,运用MATLAB软件中图像处理模块,实现了对圆柱齿轮齿距的测量。通过对图像的预处理,在运用Canny算子提取齿轮边缘的基础上,用空间矩边缘检测法,计算出一维阶跃边缘的前三阶空间矩,得出实际模型中边缘位置,提取出齿轮亚像素边缘。对比了两种齿轮中心定位方法,完成了对齿轮中心的精确定位。通过构造虚拟圆,获取分度圆上齿轮齿距。所提出的基于机器视觉的齿轮齿距检测方法具有很好的应用前景。     

铆接薄板孔组几何参数视觉测量方法研究

针对传统孔组几何参数测量方法存在的效率低,无法适应多种孔形变化的问题,提出了一种利用机器视觉分类测量孔组几何参数的方法。对获取的薄板铆接孔组图像,进行阈值分割、ROI提取、孔形识别等处理,采用质心法获取目标孔组的中心坐标并利用孔形面积与直径、边长之间的几何关系获得孔组中各个孔的直径或边长,实现了孔组几何参数的计算。实验结果表明:中心、直径及边长的测量结果达到了精度要求,解决了传统薄板孔组几何参数测量方法效率低且适应性低的问题。     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

发动机缸体视觉图像定位方法研究

针对发动机缸体孔系实现在线自动测量的难题,提出了基于视觉图像的发动机缸体定位方法。通过面阵CCD获取发动机缸体定位销孔图像信息,利用图像处理提取定位销孔中心位置,以此建立每个被测缸体的测量基准。使用环形双峰阈值法与中值滤波对图像进行预处理,有效地解决了定位销孔具有倒角影响图像边缘提取精度的问题。为验证此定位方法的准确性与可行性,分别进行了发动机缸体定位孔直径与位置度重复性测量与发动机缸体上表面孔组直径与位置度重复性测量实验。实验结果表明所提出的视觉定位方法稳定可靠,实现了发动机缸体的快速、精确定位,为实现发动机缸体的在线检测打下了可靠基础。     

图像识别在轴承孔径检测中的应用

针对轴承内外圈等圆周类机械零件的尺寸检测问题,结合MATLAB图像处理模块,以提高精度和检测速度为原则,设计了基于图像识别的孔径自动检测系统.通过对采集的工件图片进行图像预处理、边缘检测准确提取出了轴承的外径和内径轮廓,采用最小二乘法对边缘点进行圆拟合,计算出了轴承的外径和内径尺寸.实验数据表明,该检测系统满足测量精度...     

基于机器视觉铸件布氏硬度在线检测技术研究

为实现铸件布氏硬度的在线检测,应用基于机器视觉的布氏硬度自动测量系统采集压痕图像,研究压痕图像滤波、压痕图像轮廓直径提取、直径标定系数等算法。根据压痕图像的特点,提出基于粒子群的Snake模型压痕轮廓提取算法。引入压痕直径标定系数,解决了视觉测量中的压痕直径像素与压痕物理直径的换算关系,并对直径标定系数进行最小二乘法拟合,提高了测量精度。应用布氏硬度在线测量装置对180~210 HBW标准硬度块进行试验测试。试验表明:测量平均误差为0.72%,测量精度在±2 HBW之间,测量标准差为125 HBW,装置重复性好,精度高,完全能够满足铸件的布氏硬度在线检测要求。     

汽车安全带壳体特征视觉检测技术研究

采用对汽车安全带壳体特征进行实时检测的机器视觉系统,完成对壳体特征（如识别孔）的自动定位、检测,避免了直接接触。给出了系统的图像处理部分识别孔检测的一种方法：首先对系统采集到的汽车安全带壳体图像进行预处理,然后用几种边缘检测算子对处理后的图像进行边缘检测并择优选择一种算子,再运用亚像素边缘定位得到亚像素精度级的识别孔边缘并对识别孔进行直径测量。     

激光基准桥梁挠度检测图像处理算法研究

针对桥梁结构健康安全运行自动化检测的需求,利用激光基准的嵌入式桥梁挠度图像式检测原理,设计了透射式靶标的光斑中心检测算法。针对透射式激光靶标光斑中心的高精度实时检测,提出了一套光斑中心坐标的快速读取方法。该方法首先对第一帧光斑图像采用金字塔模型获取其ROI区域;然后,采用基于序列图像块搜索方法快速获取后续图像的光斑图像的ROI区域;最后,在ROI区域内检测光斑的边缘,通过椭圆拟合的方法获取光斑图像的亚像素中心。该算法从应用层面解决了高精度和实时性的矛盾,保证了测量精度和效率。经实测发现:该算法挠度值的测量误差小于0.1像素,数据更新时间小于200 ms,同时满足了高精度和实时性的要求。     

基于引导滤波与神经网络算法的螺纹孔检测方法

为解决测量曲轴端面螺纹孔操作繁琐、精度差及效率低等问题,以型号YC4W75曲轴为例,提出1种基于引导滤波与神经网络算法的螺纹孔检测方法.首先,将实时采集到的图像,利用引导滤波和形态学对图像进行预处理,消除表面噪声、花纹等影响,提取曲轴端面内螺纹小径的边缘特征,然后,结合RANSAC算法,利用Pytorch创建神经网络模...     

基于机器视觉的高精度微纳光纤直径实时测量

针对传统微纳光纤直径测量方法操作复杂、重复性差且易于损伤光纤等问题,开发了一套基于机器视觉的微纳光纤直径测量系统。首先,对系统采集的图像进行预处理和二值化分割,其次,通过Canny边缘算子实现微纳光纤边缘初定位,最后,基于改进Zernike矩的亚像素检测方法精确定位了亚像素级边缘。此外还提出了结合Hough变换与最小二乘法的算法拟合亚像素级边缘点的方案,将系统微纳光纤直径测量精度提升至纳米级。实验测量结果表明,该系统可实现3.51%以内误差的自动化测量,运行时间为2.671 s,更适用于微纳光纤尺寸的高精度实时测量。     

基于BP神经网络的铆接位置识别方法设计

为完成某大型设备铆接位置的判断,设计了一种基于BP神经网络的铆接位置图像识别方法,包括工厂作业图像采集程序设计、位置图像特征提取及储存入库、3层BP神经网络系统设计训练及测试三个部分。通过使用LABVIEW软件设计程序,对铆接过程中含位置信息的图像进行采集,获取和量化图像的总体灰度平均值和质心,将每幅图像循环写入Microsoft Access的数据库中。在MATLAB软件平台下,将图像特征数据转化成训练样本输入离线网络进行训练,最后利用除训练样本外的图像特征数据输入在线识别程序验证网络的识别能力。试验结果表明,该方法能较准确地识别出该大型设备制动杠杆在组装过程中铆枪铆接时的位置,准确率达到100%,可有效判断出漏铆问题的发生,保证设备的生产质量。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.