基于图像处理技术的SMT焊点质量检测方法

寻求SMT片式电阻的焊点特征信息(焊点的面积、周长和边界等)的提取、检测、分析方法,是有效地控制表面组装质量和可靠性的关键,同时为焊点形态的三维重建和形态恢复提供准确的数据来源;以1206的SMT片式电阻焊点为研究对象,提出一种以虚拟仪器开发的计算机视觉检测技术为平台、结合图像处理技术和Matlab软件来完成对预处理后的SMT焊点检测、分析的方法;实验表明,该方法测量结果准确,效率高,扩展性强,进行其它元器件焊点的检测和恢复时,不需要额外添加硬件,降低开发成本。     

虚拟仪器的计算机视觉系统设计研究与应用

本文以虚拟仪器开发平台LabVIEW和图像处理软件IMAQ Vision为依托,利用计算机视觉技术,进行水果边缘检测.通过软件实现了中值滤波、阈值处理、图像分割和形态过滤等图像处理过程.从腐蚀与膨胀后的细化处理结果来看,达到了设计要求.研究表明,虚拟仪器计算机技术应用于水果图像处理是可行的,具有广阔应用前景.     

基于LabVIEW的通用图象采集系统

采用动态数据交换（DDE）的方法为通用图象采集卡开发了一套基于LabVIEW的图象采集系统,考虑了图象数据格式的转换问题以及系统的实时性问题,并给出了解决方案,该图象采集系统已成功应用于车灯光轴与零件检测系统。     

基于LabVIEW机器视觉的餐具分拣系统

随着国内工业机器人行业的高速发展,智能装备也开始应用于工程实践项目中。机器视觉作为机器人的眼睛,近年来取得了令人瞩目的发展,正广泛地应用于各种工况监视、成品检验和质量控制领域。系统主要以碗碟餐具的分拣作为研究对象,采用美国NI公司开发的LabVIEW软件作为开发环境,通过调用视觉开发工具包IMAQ Vision及Vision Assistant丰富的专业化控件和函数库,针对碗碟分类的特殊条件,设计出一套方便易用,且同时集成 图像采集、图像处理、视觉检测、决策判断的完整的机器视觉应用系统。基于LabVIEW的机器视觉系统的应用实现了碗碟分拣,解决了实际应用中的一些问题,为进一步的研究开发奠定了较好的基础。该系统的设计大大提高了餐具分类的准确率与效率。     

基于计算机视觉的焊点缺陷检测系统的设计

在点焊机的焊接生产线上,由于焊接工艺的不成熟,往往会导致虚焊、漏焊、焊穿等现象,会极大地影响产品的使用寿命、美观等,需要对其进行质量检测.针对传统检测方法的低效率,提出采用机器视觉的方法来对焊点进行检测,并给出一种图像处理方法:对图像进行平滑处理,然后使用Otsu方法对图像进行阈值分割,并对得到的图像做倒三角距离变换,将像素点信息转化为灰度信息,采用分水岭算法准确地分割出焊点,最后通过面积等特征计算对焊点缺陷进行分类.实验证明,该方法较传统的检测方法,能有效地检测出多种不同排列的焊点,提高了工业生产效率.     

基于LabVIEW和IMAQ Vision的目标统计系统

为了提高目标统计的速度和准确度,提出了一个基于LabVIEW（laboratory virtual instrument engineering workbench）和IMAQ（image acquisition）Vision软件包的目标统计系统。其基本思想是首先对采集到的目标图像二值化,然后依次利用移除小目标、腐蚀以及分离目标模块将图像中的粘连目标分离,并尽可能保留残缺目标细节,最后通过统计模块实现目标数量统计。实验结果表明该目标数量统计系统具有较好的实时性和准确性。     

基于LabVIEW的PCBA计算机视觉检测系统

针对目前印刷电路板组装件（PCBA）检测存在的问题,从经济、快捷、可靠的角度出发,提出了一种新的检测方式。它以进行实际检测项目为目标,以LabVIEW6．01作为开发平台,将硬件设备和软件相结合,运用虚拟仪器技术,从而提高PCBA视觉检测的效率和精度。     

基于极限学习机的焊点质量检测

焊点加工直接影响电子产品的可靠性,焊点的检测对产品质量的提高尤为重要。应用主成分分析与极限学习机对焊点质量进行检测。首先通过中值滤波和分水岭算法对焊点图像进行预处理,得到焊点轮廓及区域划分情况并用主成分分析法进行降维;然后采用200个隐含层网络节点、sigmoid响应函数的极限学习机算法对预处理结果进行分类。测试结果表明,极限学习机算法能够对焊点精确分类,与支持向量机、邻近算法、卷积神经网络相比,取得更高的检测准确率,检测时间更短。     

基于图像处理的摩托车支架焊点质量检测研究

摩托车的车架是承载驾驶员与发动机的重要部件,支架的焊接质量是影响支架能否承受各种冲击与振动的重要指标;传统的支架生产线上焊点的质量检测主要依靠焊后撕裂的方法进行检测与补焊,浪赞了大量的人力物力,又影响生产进度.为此提出一种基于图像处理技术的支架焊点质量检测技术;首先从长度与面积判别焊点质量.对图像的特征参数经过数字图像处理后基于亚像素级进行边缘检测进行缺陷轮廓识别,没计了一套能够自动识别焊点质量的检测系统:实际检验结果证明这种做法可以快速准确地对有缺陷的焊点进行自动识别,具有很强的实用价值.     

基于计算机视觉的玻璃瓶裂纹在线检测系统

采用计算机视觉的原理和方法对待检玻璃瓶进行了图像获取、图像预处理、图像分割、特征提取和判断决策研究,开发了一个正确率很高的玻璃瓶裂纹在线检测系统。     

基于虚拟仪器的计算机视觉技术在电度表校验中的应用

本文对计算机视觉技术的发展现状进行了研究和分析，介绍了虚拟仪器开发平台LabVIEW和图保处理软件IMAQV5sion5．O的特点，以及虚拟仪器技术在电度表校验系统中的应用。     

基于LabVIEW的透镜多参数自动检测系统开发

质量检测是光学透镜生产的重要环节,目前大部分透镜生产企业还停留在半自动检测阶段,质检的效率和精度很大程度上取决于工人的熟练程度;且不同参数的检测需要人工搬运镜片到不同的质检工位上,质检过程中的反复搬运容易造成镜片表面污染和损伤;为此提出一种基于LabVIEW的透镜多参数自动检测系统的设计方法,在一个工位上同时完成多个质量参数的测量,并对透镜进行自动搬运和分选,检测结束后自动生成质检报表;最后使用某型号凸型圆形透镜对开发的检测系统进行了实验验证,实验结果表明,检测系统具有测量精度高、可扩展能力强、界面直观等优点。     

虚拟仪器的计算机视觉系统设计研究与应用

本文以虚拟仪器开发平台LabVIEW和图像处理软件IMAQVision为依托,利用计算机视觉技术,进行水果边缘检测。通过软件实现了中值滤波、阈值处理、图像分割和形态过滤等图像处理过程。从腐蚀与膨胀后的细化处理结果来看,达到了设计要求。研究表明,虚拟仪器计算机技术应用于水果图像处理是可行的,具有广阔应用前景。     

基于LabVIEW机器视觉的全息透镜板自动拼接系统

理论计算表明,全息透镜板之间的拼缝偏差或两个透镜边缘线偏差小于0.1mm时,可以满足基于全息透镜技术的裸眼3D LED显示系统对全息透镜板拼接的要求.研究由小尺寸全息透镜板拼接为大尺寸全息透镜板的过程,结合基于投射条纹的拼接方法,提出了基于机器视觉的自动化拼接方案.分析了两块透镜板相对位置变化过程中亮条纹间距的变化规律,并基于LabVIEW编写了系统操作程序.根据理论分析和系统设计,搭建了闭环控制实验平台.实验结果表明:使用该自动拼接系统可以高效地将两块透镜板移动到准确的位置,且透镜板之间的偏差小于0.1mm,满足理论计算要求.此系统方法可以应用到小规模的透镜板拼接系统中.     

一种基于计算机视觉的织物疵点自动检测方法

提出了一种基于计算机视觉的织物疵点的自动检测与识别方法,使用CCD摄像头对织物进行实时拍摄,对所得图片通过图像处理、小波分析,提取特征参数,有效地检测与识别缺经、缺纬、油污、破洞等常见疵点,其具有检测速度快、识别正确率较高等优点。     

计算机视觉技术在齿轮测量中的应用研究

齿轮作为传递运动和动力的基础零件,在工业发展的历程中,一直发挥着十分重要的作用。通过研究,在齿轮测量中适当地引入了计算机视觉技术,探讨和分析了相应的计算机视觉测量系统及其实现。该方法具有较高的测量精度和测量效率,操作简便,测量项目多,是一种具有发展前途和应用前景的非接触测量技术,必将推动齿轮测量技术和齿轮工业的进步和发展。     

视觉检测中的光照强度优化研究

为了实现自适应控制光照强度,保障视觉检测系统获得高质量原始图像,研究了彩色图像成像感知模型,建立了图像灰度值与光源光照强度的关系,提出基于HIS彩色空间,单独使用I分量进行光照强度评价,给出了基于数字图像的清晰度和高频信息的光照强度评价函数,并设计了光照强度调控实验系统,通过实验分析了不同测度函数对光照强度变化的评价结果,取得了与人类主观评价一致的结果。实验结果表明,通过提出的方法控制光源强度,可以使视觉系统获得高质量的原始图像,保证检测的质量和精度。     

结合计算机视觉的马铃薯外部品质检测技术

利用计算机视觉进行马铃薯产后品质检测分级有十分重要意义。首先对计算机视觉系统获取的马铃薯进行图像分析,利用Otsu法去除马铃薯图像背景,然后针对马铃薯的损伤、绿皮和发芽状态进行图像处理识别;针对马铃薯中的绿皮状态,利用感知器学习算法（PLA）区分正常马铃薯与绿皮马铃薯;然后针对表皮发芽的马铃薯,利用边缘检测法得到图像中马铃薯区域的各部位边缘,结合K-最近邻分类算法（KNN）识别表面发芽的马铃薯,同时通过角点检测确定轮廓上的发芽区域;然后对检测到的边缘利用中值滤波结合面积最大法,确定马铃薯表皮的损伤部位,最终实现马铃薯品质的分级。利用计算机视觉方法马铃薯品质检测实验结果：正常马铃薯识别正确率为96.8%,绿皮马铃薯为89.7%,表皮损伤马铃薯为90.4%,发芽马铃薯为96%。