基于机器视觉的零件圆心距在线测量系统设计

为了实现精密零件尺寸在线检测的智能化与高精度,课题组设计了一种基于机器视觉的尺寸检测系统.该系统利用OpenCV实现算法设计,基于Canny边缘检测,结合Zernike矩实现亚像素边缘提取,利用最小二乘法实现圆心拟合.在QT平台上,基于OpenCV结合C++完成测量系统的界面开发.检测结果表明:该测量系统精度能达到0....     

基于机器视觉的距离测量系统

文章采用了基于机器视觉技术进行自动聚焦的方法,来设计在轻轨锚固螺杆健康检测中用于测量工作台到锚固螺杆距离的系统。该系统采用Tenengrad函数作为调焦的评价函数,先根据实际需要确定镜头的焦距,然后通过对获取的图像进行分析处理,实现镜头的自动聚焦,最后驱动镜头运动到最佳聚焦点,以此来测量距离,该系统可以推广到其他距离测量中。     

基于机器视觉的零部件尺寸检测技术

在工业生产中,基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像,利用基于HALCON软件的数字图像处理技术,采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统,实现了对零部件的精确检测。经过大量的实验结果表明,在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。     

基于机器视觉的人体尺寸识别系统

提出了一种基于机器视觉的人体尺寸识别系统的技术思路,系统将机器终端获取的人体图像信息,利用图像处理技术和人体关键尺寸的生理位置特征,实现人体关键尺寸的识别。该系统中需要获取人体正面的手臂水平图像以及人体侧面图像,2张图像必须在同一相对位置下获取,以保证参考点的一致,在参考被测用户的实际身高下,系统通过计算可实时给出被测用户的颈部、胸部、腰部、臀部等的正侧面宽度,同时给出各对应部分的所在位置。这种模式可以给出用户的基本尺寸信息,从而可以为用户实现模拟试衣等仪器提供软件支持。     

机器视觉在蚕茧表面积测量中的应用

针对传统评茧方法的缺陷,提出了基于机器视觉技术的蚕茧表面积测量方法。利用机器视觉系统拍摄蚕茧图像,根据图像的灰度分布特征,通过Otsu法分割蚕茧图像得到二值化图像,将蚕茧看作椭圆体,由蚕茧区域的长轴和短轴值计算出蚕茧表面积。根据蚕茧的边缘图像,利用最小矩形法确定椭圆长轴和短轴的值,可以测量任意旋转角度的蚕茧表面积。实验结果表明该方法是有效的,为科学评茧提供了依据。     

基于机器视觉技术的目标精密识别测量系统

根据 MOX 芯块自动检测应用的需求,用特殊光谱照明与高分辨率相机作为探测系统,设计了基于机器视觉技术的目标精密识别测量系统,完成对 MOX 芯块的尺寸及缺陷的定量检测,给出测量结果。该系统的特点是组成复杂、测量精度高及低的误判率,经过试验,完全达到了工程应用的要求。     

基于机器视觉的水果分级系统

目的:解决目前水果分级检测方法效率低、误检率高等问题。方法:以苹果为分拣对象,设计一个基于机器视觉的水果分级系统。对实时采集得到的苹果图像进行预处理,使用改进的Canny边缘检测算法进行边缘提取,通过最小外接圆法拟合边缘坐标得到苹果的横切面半径。将采集到的RGB图像转换为HSI图像,根据H分量范围计算红色区域比例,判断苹果的色泽度。统计区域像素点个数,分别求取苹果的面积和周长,计算出苹果的圆形度。结合苹果果径长度、色泽度和圆形度3个特征值对苹果进行综合分级。结果:50个苹果样本试验结果表明,水果分级系统和人工分拣测量的果径误差范围在±1.5 mm以内,样本颜色特征与苹果实际外观相符,圆度值的大小与实际形状优劣相符。结论:该系统满足实际生产中对于苹果分级的需求,有助于实现苹果品级的准确识别。     

基于机器视觉的印品质量在线检测

印品质量检测的意义 在印刷向小批量、多品种、多色、高效方向发展的今天,印刷品越来越精细,人们对印品质量和印刷效率也有更高的要求,带有缺陷的印品是人们所不能接受的。要提高印品质量和印刷效率的有效途径之一就是对印品进行质量检测。因此,印刷厂商对印刷品在印刷过程中实行质量自动监测,是梦寐以求的手段之一。尤其在高速运转的印刷机上,如不及时发现并排除故障,就意味着大量废品、次品损失,特别是在原材料成本不断增加的今天,废品的增多就意味着生产成本的增加,对企业的影响极大。另外,如果印刷过程中出现以上问题,而没有及时进行检查,把一些废品流入社会,将给印刷厂家造成极坏的社会影响。所以印刷品质量检测有着深远的意义。     

针梳机罗拉导柱径向圆跳动的视觉测量方法

针对人工接触式测量针梳机牵伸罗拉导柱径向圆跳动时接触摩擦影响测量精度的问题,提出了基于机器视觉的非接触式测量方法。对高亮表面的罗拉导柱采用背光成像获取轴截面的图像,以Canny算子对罗拉导柱边缘轮廓进行像素级边缘检测,通过构建三次多项式提取罗拉导柱的亚像素边缘轮廓特征。根据径向圆跳动的定义,在图像域下采用最小二乘法拟合基准轴线,以最小区域法建立了罗拉导柱径向圆跳动的测量模型。实验结果表明：该方法得到的罗拉导柱径向圆跳动测量值的标准差为6.1×10^-4,达到了人工测量的精度,算法平均耗时0.67 ms,实现了对罗拉导柱径向圆跳动的稳定、快速、非接触式测量。     

基于机器视觉的条码信息在线检测系统研究

随着数字媒体技术的发展以及个性化印刷需求的增加,在印刷过程中,对可变信息进行实时监控是满足可变信息印刷需求的必要条件.本研究采用基于机器视觉的条码信息在线检测系统,利用CCD采集条码数字图像,采用图像定位、滤波去噪、二值化、定位分割等图像处理技术进行条码处理后,用相似边距离测量法进行条码识读,实现了在线检测系统对可变信息条码的快速、精确识读与检测.     

基于机器视觉的服装尺寸在线测量系统

在服装尺寸在线测量过程中,针对传统人工测量所带来的误差率高、成本高、效率低等问题,提出了一种基于机器视觉的服装尺寸在线测量系统。服装尺寸在线测量系统从硬件和软件2个方面进行设计。系统硬件部分主要功能是通过CCD相机实现服装图像的采集;系统的软件部分是整个系统的核心,通过角点检测算法对特征点进行提取和定位,针对Forstner算法需要对图像中的每一个像素点进行扫描,从而导致检测速度比较慢的问题,采用SIFT算法先对图像进行快速的筛选,去除一些无关的点,然后运用Forstner算法在初选点集中进行角点提取。通过对提取出的关键角点进行坐标定位分析和比例尺寸测量,得到所测服装的真实值,并且运用友好的人机界面显示出尺寸测量的结果。所设计的系统用于对512×512的256级灰度图像进行检测,尺寸测量的标准误差均小于0.25 mm,重复性精度接近5 mm。实验误差和尺寸测量精度能够达到服装尺寸测量的标准。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

基于机器视觉的加工面缺陷检测方法

针对生产过程中对产品检测提出的新要求,介绍一种基于机器视觉的加工面缺陷检测方法。它利用小波变换对图像进行多尺度分析,然后对反映纹理特征的分量进行处理,达到增强非纹理性质的特征的目的,从而检测出掩埋于加工纹理背景中的细小裂纹和缺陷。此方法的研究与实现,可在线检测系统实施过程中有效提取掩埋于高强度纹理背景中的图像奇异特征,从而保证检测过程准确、高效地进行。     

运用机器视觉系统实现受电弓在线检测功能

地铁列车的受电弓是列车安全运营的重要组成部分,通过机器视觉系统对受电弓进行在线检测,既能避免人工作业时场地、空间和体力等的限制,提高受电弓检查工作的效率,又能快速判断在线触网的故障隐患,实现列车检修自动化作业。     

机器视觉在服装尺寸自动测量中的应用

利用机器视觉技术精确地提取服装图像的轮廓边缘和确定图像拐点位置,采用快速模糊边缘检测算法和有效的基于Freeman链码的拐角点检测算法,准确地检测图像的边缘和图像上的拐点。并具有实现简单,处理速度快,鲁棒性强的特点。     

基于机器视觉的辣椒外部品质检测

为实现正常辣椒和缺陷辣椒(黑斑、虫蚀和花皮)的快速检测,通过图像采集,利用中值滤波去噪;提取样本图像24个颜色特征值,20个纹理特征值,利用Otsu算法阈值分割,提取2个形态特征值;选用连续投影法(Suc-cessive Projections Algorithm,SPA)优选14个特征值,结合最小二乘支持向量机(Le...     

基于机器视觉的筒子纱密度在线检测系统

为提高筒子纱密度检测自动化程度,解决传统筒子纱密度测量方法效率低、操作复杂等问题,设计了一种基于机器视觉的筒子纱密度在线检测系统。该系统由质量传感器、光电传感器、蓝色面光源、工业摄像机、传送装置和工控机组成。研究了筒子纱图像校正算法,根据透视投影理论建立了筒子纱校正模型,还原了筒子纱上下边界的直线特性,得到了理想的筒子纱侧面图像,用积分法得到筒子纱的精确体积。150个筒子纱密度检测结果表明:通过像素当量折算出筒子纱实际最大直径和体积参数,再结合高精度质量传感器的数据,最终可计算出筒子纱密度,基于机器视觉的筒子纱密度在线检测系统的检测精度和稳定性能可满足生产要求。     

基于机器视觉的透明可视滤棒在线检测与剔除系统

本文设计一套基于机器视觉的透明可视滤棒在线检测与剔除系统,通过使用两套双光源光学成像模组,在确保对透明可视滤棒内部相位、跳棒进行检测的同时,实现对滤棒表面缺陷的360°全面检测。整套系统操作简单,检测速度快,剔除精度高,可极大提升产品合格率及外观质量。     

基于机器视觉的苹果在线分级

通过CCD相机动态采集苹果两个面的实时图像,提出了泛洪填充+自适应Ostu阈值分割算法提取苹果的轮廓,采用最小外接圆法对苹果上表面图像进行处理得到苹果果径,采用最小外接矩形法对苹果侧表面图像进行处理提取苹果果形特征;将图像进行RGB到HSV空间转换,提取苹果的着色度、果锈,以及疤痕特征,采用基于改进粒子群算法的SVM决策树的分类方法进行苹果的分级。结果表明,该方法对特级果、一级果、二级果和等外果的识别准确率分别达96%,94%,98%,98%,分级速率达4个/s,可以满足苹果在线分级的要求。