基于机器视觉的轴承识别与定位算法研究

针对运用视觉技术对轴承进行质量检测与尺寸测量时,能够准确地识别定位到目标轴承,提出一种基于机器视觉的轴承识别与定位算法。通过对采集到的轴承图像进行预处理,分割出目标图像并提取图像的外轮廓边缘特征;设置轴承的模板图像,结合图像的Hu不变矩特征对轴承进行识别匹配;通过最小二乘法对图像边缘点进行圆拟合并采用迭代法进行修正,通过计算圆心的位置坐标,实现对轴承的定位。实验结果为：轴承的识别匹配度在0～0.03之间,定位误差在0.5像素以内,满足系统对轴承的识别定位精度要求。     

基于机器视觉的车身缺陷识别与分类方法

针对目前国内外汽车车身涂装工艺后缺陷识别自动化程度低,难以进行非接触高精度检测等问题,提出了一种结合二维视觉、三维视觉进行缺陷识别,通过卷积神经网络进行分类的方法.首先基于最大类间方差法和特征提取算法实现缺陷二维坐标的确定,算法受光照影响较小;其次基于卷积神经网络,实现对黑胶、划痕、凸点等三种常见缺陷类型的分类;然后基...     

基于机器视觉识别的PCB字符喷印定位技术

传统PCB字符喷印通常采用丝网印刷技术,该技术的精度取决于员工本身的对位能力,其合格产品数量较低、材料浪费多、成本高且有较大的不确定性。喷墨印刷技术是一种新型的工艺生产方式,有精度高、对环境友好、成本低、浪费少等特点。把机器视觉技术引入该工艺生产过程中,根据待定位的PCB图像上的标志点特征,对图像先预处理,再利用Hough检测算法来识别标志点,并根据喷墨系统中X、Y两轴向伺服电机驱动和光栅反馈测量,进行定位。算法实现后可以达到27μm的定位精度,定量解决了原生产工艺中的不确定性问题。     

基于机器视觉的轴承座分类识别系统研究

针对轴承座零件人工分拣效率低、出错率高等问题,对工业相机标定、轴承座图像采集、混合去燥、轮廓拟合、特征比对与目标分类方法展开了研究,提出了一种基于机器视觉的轴承座分类识别系统。首先搭建了一套图像采集系统来采集工业照明背景下多个轴承座摆放的图像,利用中值滤波对这些图像进行了去噪处理,将图像二值化后再利用特征过滤进一步对图像进行了混合去噪处理,遍历拟合了各轴承座轮廓并求出了其最小外包矩形,通过仿射变换将轴承座图像摆正,最后再根据3种轴承座的具体特征设置了ROI区域,依次对其进行了分类筛选,利用爱普生机器人进行了分类抓取实验。实验结果表明:该机器视觉分类识别系统总体识别准确率高达99.967%,相比于传统人工分拣有较大提高,可满足工业生产要求。     

机器视觉在烟条外包装检测系统中的应用

在现代自动化生产过程中,机器视觉广泛的应用于工况监视、成品检验和质量控制等领域。烟条外包装检测系统利用机器视觉技术对生产线上的烟条外包装进行缺陷检测。提出了一种烟条外包装上的拉线缺陷检测算法以及程序实现流程。该算法能够在现场环境中快速的对不同种拉线进行缺陷检测,其可行性已被验证。     

机器视觉在采摘机器人识别与定位中的应用

针对采摘机器人的运行环境复杂,采摘效率无法满足实际生产需求。这里在采摘机器人体系结构的基础上,提出了一种基于机器视觉的夜间识别与定位方法。使用基于粒子群优化的独立成分分析方法来降低夜苹果图像中的噪声,然后使用PCNN分割方法对图像进行分割并通过边缘检测等提取目标轮廓,最后通过改进的三点定圆法对目标果实进行定位。通过仿真验证了该方法的可行性。结果表明,该方法在夜间遮挡小于50%时识别率为94.3%,遮挡大于50%时识别率为89.05%,可以有效提高识别和定位的准确性。为机器人识别和定位技术的发展提供了一定的参考。     

基于机器视觉的智能定位与检测技术研究

基于机器视觉工作原理,对机器视觉的智能定位与检测等相关技术进行了研究,设计了一种基于机器视觉智能定位与检测系统,对视觉跟踪精度进行测试,跟踪精度约为（-0.2°～＋0.2°）,并将该技术应用于LED球泡灯自动化装配线,可满足装配线的实际生产需求.     

基于机器视觉的汽车牌照识别

以汽车牌照的识别为例,具体研究了车牌自动识别的原理.整个处理过程分为预处理、边缘提取、车牌定位、字符分割和字符识别五大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照.在研究的同时对其中出现的问题进行了具体分析和处理.寻找出对于具体的汽车牌照识别过程的最好的方法.     

基于车牌号码识别的机器视觉系统设计

文章主要从机器视觉的历史和系统设计要点着手,通过对现有图像处理技术进行学习应用,基于halcon软件分析图像信息,设计出一款机器视觉系统,用于检测识别车牌号码。     

应用于机器装配的多目标视觉识别与分类系统

设计了一种多目标视觉识别与分类系统,以提升复杂任务条件下机器装配的效率和灵活性。在灰度化、滤波、边缘提取等前期处理的基础上,该系统基于灰度值和金字塔算法实现对多个目标的识别、分类及定位。为了评估视觉系统实际性能,选取了多种类型零件在不同条件下进行了测试。实验结果表明,针对多种零件混合的情况,未经优化的视觉系统对不同零件的识别准确率约为94%～97%。进一步研究显示,识别率差异与零件的形貌、尺寸、间距密切相关。结构简单、对称度高的零件识别率较高,而尺寸和间距增大亦有助于提升识别率。此外,合理地选择光源能够有效改善系统性能,稳定、均匀的线光源被证明可使识别率提升0.5%～2%。由此可见,所设计视觉系统已基本具备多目标同步识别与分类能力,为机器装配完成多目标环境下的复杂任务提供了一种高效可行的检测方法。     

基于机器视觉的垃圾分类系统设计

针对垃圾分类效果不佳、效率过低和成本过高的问题,提出一种基于机器视觉的垃圾分类系统。系统通过OpenMV摄像头模块采集垃圾的图像信息,上传数据集到EdgeImpulse官网,进行数据的整理和数据集训练,之后迁移学习构建其神经网络模型,OpenMV输出识别的结果传递给单片机。单片机收到传递信息后,控制机械臂抓起垃圾并放入可回收垃圾桶和不可垃圾桶内。测试表明,设计的垃圾分类系统识别正确率达92%以上,具有识别正确率高、使用便捷和易操作等优点。     

基于机器视觉系统的颜色识别

应用NI公司应用程序开发平台labVIEW,通过编写程序建立虚拟仪器系统并组建简单的外部硬件设备系统,实现了对图像的采集和处理,可以识别出不同颜色的物体,以及计算出该物体的面积,中心坐标等物理参数。我们可以利用这些参数作为下位机的控制信号,为后续物体的筛选和分级做好准备。经实验证明,采用该机器视觉技术是能准确实现番茄色选的,并得到番茄的物理参数,为后续系统开发研究提供了重要依据,也为机器视觉技术的广泛工程应用提供了重要理论支持。     

基于机器视觉技术的社保卡汉字识别研究

为解决社保卡制卡公司通过人工检测卡片信息效率低的问题,采用了HALCON软件图像处理的方法:首先本地读取社保卡图像,然后利用HALCON平台提供算子对图像进行预处理、图像分割和光学字符识别等步骤,从而识别出社保卡卡面的汉字信息。研究表明,基于HALCON的方法能快速准确地识别出社保卡上的汉字,有效地减少了工作人员的工作量,提高了生产效率,实现了预期目标。     

基于机器视觉的扁弹簧分类方法研究

为实现扁弹簧的自动化分类,提出一种基于机器视觉的扁弹簧分类方法。首先对采集到的不同型号的扁弹簧图像进行预处理,对预处理图像提取黑色像素分布向量,作为特征参数向量。然后采用DDAG SVMs方法将不同型号的扁弹簧进行分类,最终对采集到的不同型号扁弹簧测试样本进行分类测试实验。结果表明,该分类方法效率高、准确率高,可以满足扁弹簧自动化分类的各项要求。     

基于机器视觉的集装箱锁孔识别算法研究

随着自动化码头的发展,集装箱智能视觉系统开始广泛应用.提出了一种集装箱锁孔自动化定位识别方法辅助大型港口设备的自动化、智能化.该方法首先利用视觉图像中的颜色特征定位集装箱箱体位置和角件位置,然后通过边缘检测和霍夫变换精确定位锁孔.经过厦门远海码头的现场试验,该方法在集装箱锁孔识别定位上不仅具有优秀的识别率,而且满足了港口自动化的实时性要求.     

机器视觉定位平台的研究与应用

机器视觉主要研究用计算机模拟人的视觉功能,从客观事物的图像或图像序列中提取信息,进行处理并加以理解,最终对客观世界的三维景物和物体进行形态和运动识别.论文通过采用合理有效的图像处理技术,实现了对目标图像的特征提取,构建了视觉定位系统的平台.从实验结果来看,本系统实现了移动机器人在结构环境下的定位.     

基于双目视觉的目标识别与定位研究

针对机器人在作业时缺乏自主性与智能性的问题,对基于双目视觉的空间目标识别与定位问题进行了研究。搭建了双目立体视觉系统并对其进行了标定,获取了两相机的内外参数、相对位姿及畸变系数。采用基于描述子的模板匹配技术,通过随机树算法对检测到的特征点进行了准确实时地分类识别。对同一场景的两幅图像进行了立体匹配,求取了对应的视差图。结合特征点对应的视差值及标定结果对其进行了三维重建,对多组特征点对在图像及实际场景里对应的2D-3D位置信息进行了迭代,求取了重投影误差最小的解,即目标物体的位姿。研究结果表明:所采用的方法可以用于准确、快速、稳定地实现对目标的识别与定位。     

基于机器视觉与高精度定位的伪装与目标侦察

为解决普通反恐侦察移动平台易于被恐怖分子发现及目标位置信息不够精准的问题,设计了一款立体自适应伪装移动侦察平台。其伪装部分采用5个伪装显示屏对侦察平台立体地自适应地伪装覆盖,可以自适应地显示静态伪装图像,而且可以通过预存储的视频图像产生动态伪装效果。侦察部分采用北斗高精度卫星定位模块;侦察相机获取实时视频图像,实现目标检测、定位,计算目标相对于侦察平台相对位置。最终将平台位置、目标相对位置及现场视频信息传输到指挥中心,为指挥决策提供依据。     

基于机器视觉的芯片编号识别算法

针对芯片检测过程中芯片编号形状小、人眼无法识别的现状,开发了一套芯片编号识别系统。系统以机器视觉技术为基础,配备高分辨率Basler相机、高倍率镜头以及高性能点光源,能实现高分辨率图像采集;利用Hough直线检测对图像进行水平旋转,利用图像轮廓查找算法对兴趣区域进行提取分割,利用帧差法对兴趣区域与标准库进行比较,找到最匹配的图像,其标签为识别结果。实验结果表明,运用系统的图像处理算法可以代替人眼通过高倍放大镜识别,改进了芯片检测工艺,大大提高了芯片检测的效率。     

基于机器视觉的FPC角度定位算法的研究

自动上料设备在柔板的加工工艺中起着极为重要的作用,由于柔板的特性和加工工艺要求,基于视觉定位的自动上料设备成为了主流,而视觉定位中,主要任务是获得工件相对于标准位置的偏移量以及偏转角度,其中偏转角度对精度的影响很大,成为定位研究的难点和关键点。在对上料过程中定位的重要性论述后,重点分析推导了角度定位算法,为以后的工程应用奠定了理论基础。