机器视觉技术在工业中的应用

机器视觉为工业自动化提供了一种非接触的解决方案，在诸多领域可以有效取代并超越传统的人工或其它检测方法，实现整个自动化链的闭合。本文就工业机器视觉的系统构成、分类、开发现状与技术趋势进行了描述。     

机器视觉及其在工业检测中的应用

1 机器视觉概述 作为一门新兴的学科,机器视觉近20年来一直以迅猛的速度发展,自90年代中期以来,机器视觉的发展已经从最初的实验室研究阶段逐渐走向实际应用的发展阶段.尤其进入21世纪以后,机器视觉在各行各业的应用得到了前所未有的普及和推广,理论研究也在高分辨率的多灰度图像处理、三维视觉模型、模式识别和神经网络等领域内取得了很大的进展.     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的工业检测

针对酒瓶生产中对瓶口进行的有无损伤检测的重要性,对酒瓶瓶口的检测进行深入、系统的研究。基于机器视觉的检测技术通过Halcon软件实现精准度高、过程自动化、速度快的检测,故采用Halcon软件和图像处理的相关算法实现瓶口的准确检测。经过实验表明,采用机器视觉技术,识别的精度和速度有很大的提高,而且减少了人员的使用,从而减少了企业的成本。     

基于机器视觉的锯条自动化装盒系统设计

以VS2010为软件平台,以Staubli TP80机器人,康耐视摄像机和传送带为硬件基础,对锯条进行识别,定位和动态抓取,搭建了一个基于机器视觉的工业机器人智能抓取系统,其中Staubli-TP80机器人为操作手臂,利用康耐视摄像机和工控机搭建视觉检测平台,通过抓取系统的参数化建模实现图像坐标到机器人坐标的转换,利用OpenCV函数库实现锯条的图像处理和模式匹配,最后控制机器人对动态目标进行抓取。     

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。     

机器视觉在光纤缺陷检测中的应用

目前,光纤已广泛应用于通信领域。光纤连接器作为精密对接光纤两个端面的部件,其重要性不言而喻,传统的端面检测方法是以人工方式对光纤显微镜下的图像是否合格进行判断,不仅精度低,而且效率低下,而利用机器视觉,由计算机来检验可以很好地解决这个问题。     

基于智能机器视觉的针剂生产线安瓶检测识别系统

1概述 在现代工业自动化生产中,涉及到各种各样的检查、测量和零件识别。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成。人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作,其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像,而后经计算机或专用的图像处理模块进行数字化处理,根据图像的像素分布、亮度和颜色等信息．来进行尺寸、形状、颜色等的判别。这样,就把计算机的快速性、可重复性,与人眼视觉的高度智能化和抽象能力相结合,由此产生了机器视觉的概念。     

自动生产线上透明灌装瓶液体体积的机器视觉检测系统

介绍了一种利用机器视觉技术检测透明灌装瓶内液体体积的系统。该系统首先采集装有液体体积的灌装瓶的图像,然后使用图像处理方法分析图像中液面高度来检测瓶中液体体积是否符合要求。经实验表明,该系统的检测速度能达到30000瓶/小时以上,而且检测误差不大于0.8%。     

机器视觉技术及其应用概况

介绍了机器视觉的系统组成及工作原理、相对于人类视觉优势所在,阐述了机器视觉在我国工业、农业、医学、机器人导航、卫星遥感等领域的应用,指出了机器视觉的未来走向.     

基于机器视觉的卷烟阴燃速率测试系统设计

介绍了卷烟阴燃速率的概念与研究意义,选取合适的工业相机、镜头及光源,设计了一种阴燃速率测试装置,使用机器视觉技术监测卷烟的燃烧情况,采用合适的算法识别卷烟样品、跟踪卷烟燃烧线、计算卷烟的阴燃速率。对2种卷烟分别使用该实验装置和人工2种方式进行测试,并做了对比,实验证明:该实验装置可以降低人为因素对测试结果的影响。     

基于机器视觉的梳棉机棉结在线检测

棉结是纺织生产中的一种有害疵点,不仅影响纺织品的质量,对染色质量影响也较大。提出了一种基于机器视觉的梳棉机在线棉结检测系统,分别对光源系统、高速图像采集系统、实时图像处理系统的设计进行了讨论,实验验证了系统的可行性。实测结果表明:系统具有高速数据采集、宽幅表面棉结特征识别、在线实时处理(棉结计数)和显示(报警)等功能,且在高速生产环境下运行稳定可靠。     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

基于机器视觉的成熟番茄自动识别技术

为实现番茄收获机械自动化,提出了利用计算机视觉代替人眼对成熟番茄进行自动识别的方法。首先对番茄图像进行了各种去除噪声方法的比较,提出用HSI颜色系统的H色调分量作为识别的颜色特征参数。利用最大方差自动取阈法及数学形态运算等构成的识别算法对采集的番茄图像进行自动识别,采用Matlab软件平台来构建算法。为验证自动识别方法的可行性,用CCD摄像头组成的图像采集系统对不同光线条件下的番茄图像进行了识别。试验证明,该算法及程序设计能够较快的识别出自然光下的成熟番茄,满足自动收获的需要。     

Dynamic monocular machine vision

A new approach to real-time machine vision in dynamic scenes is presented based on special hardware and methods for feature extraction and information processing. Using integral spatio-temporal models, it by-passes the nonunique inversion of the perspective projection by applying recursive least squares filtering. By prediction error feedback methods similar to those used in modern control theory, all spatial state variables including the velocity components are estimated. Only the last image of the sequence needs to be evaluated, thereby alleviating the real-time image sequence processing task.This research has been partially supported by the German Federal Ministry of Research and Technology (BMFT), the Deutsche Forschungsgemeinschaft (DFG), the Daimler-Benz AG, and by Messerschmitt-Bölkow-Blohm GmbH (MBB).     

机器视觉的灾后救援机器人越障系统设计

为了辅助救援人员更好地完成灾后救援工作,设计了一种基于机器视觉、多传感器耦合的灾后救援机器人越障系统.通过机器视觉系统获取障碍物图像信息,多传感器耦合获取灾后现场环境信息,采用VC++编程,借助OpenCV库对障碍物图像进行一系列数学形态学的处理,利用图像处理得到障碍物数字图像信息,并实时地传输到控制端,控制机器人进行越障救援.该系统成功地控制机器人快速的越障试验,表明了它具有较强的地面适应性和越障能力,满足灾后救援机器人系统的要求,具有一定的应用价值.     

一种面向机器视觉感知的暗光图像增强网络

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合,构建了端到端的增强检测框架MVP-YOLO。MVP-Net采用了逆映射网络技术,将常规RGB图像转换为伪RAW图像特征空间,并提出了伪ISP增强网络DOISP进行图像增强。MVP-Net旨在发挥RAW图像在目标检测中的潜在优势,同时克服其在直接应用时所面临的限制。模型在多个真实场景暗光数据上取得了优于先前工作效果并且能够适应多种不同架构的检测器。其端到端检测框mAP（50%）指标达到了78.3%,比YOLO检测器提高了1.85%。     

基于机器视觉的在线环境监测系统设计

基于图像处理与机器视觉技术,设计了在线环境监测系统.并对该系统基本构成、工作原理以及一些关键图像技术进行了研究,主要包括图像的获取、图像的预处理和图像的特征提取与识别等.该系统的研究能够为工业烟尘污染的预防与控制策略的制定提供依据,有助于环境的保护.     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的编码器光栅装配偏心调整技术

编码器光栅装配的过程中, 光栅实际回转中心与编码器主体轴的回转中心很难重合, 这样会影响编码器的输出信号的精度。为了解决编码器光栅与主轴的偏心问题, 提出一种基于机器视觉的光栅偏心自动调整系统。对光栅表面图像进行分析处理, 对边界跟踪提取及基于Hough变换圆弧检测等算法进行研究。根据光栅装配要求搭建了偏心计算系统的硬件系统。对光栅图像进行预处理及形态学操作, 在分析提取光栅基圆部分圆弧边界的基础上, 通过Hough变换的圆弧检测原理还原出光栅基圆并标定其圆心。介绍了系统通过多幅光栅基圆圆心拟合回转圆, 确定光栅偏心位置。实验结果表明, 基于机器视觉的编码器光栅偏心计算方法成功计算出光栅与主轴的偏心位置, 为光栅偏心调节奠定了基础。采用光栅偏心计算系统在编码器光栅的装配作业中具有很好的可行性。