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。     

基于级联卷积神经网络的荧光免疫层析图像峰值点定位方法研究

针对目前荧光免疫层析定量图像峰值点定位易受多种因素影响,导致物质定量准确度低的问题,提出了一种融合目标检测的级联卷积神经网络(CNN)算法。第一层级联算法首先使用经改进的AlexNet算法对荧光免疫层析定量图像中包含质控(C)峰和检测(T)峰的区域进行检测和提取。之后将提取到的图像区域送入第二层级联卷积神经网络中,对C峰和T峰的位置进行快速定位。随后将定位结果输入到第三层级联卷积神经网络中,对上一层输出的C峰和T峰的定位结果进行精准微调。最后输出C峰和T峰的准确定位信息。实验结果表明,提出的级联卷积神经网络算法,对荧光免疫层析图像峰值点的平均定位准确度达到了96%以上,提高了峰值点的定位准确度。     

轴承套圈端面缺陷在线视觉检测的研究与实现

针对轴承生产企业套圈生产过程中普遍存在端面缺陷的问题与人工目检的现状,提出了基于机器视觉的轴承套圈端面缺陷在线检测方法.首先,对套圈图像预处理后进行边缘检测,采用四连通域定位套圈端面区域;其次,采用最小二乘法拟合端面轮廓以判别外形缺陷,采用极坐标变换将套圈环形端面拉伸成矩形,采用Sauvola局部二值化算法对矩形图进行...     

轴承端面缺陷的视觉检测方法

针对轴承端面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于机器视觉检测技术的轴承端面缺陷检测方法,能够通过对轴承端面图像的处理与分析,快速、准确地实现轴承端面缺陷的识别。首先使用CCD数字摄像机作为图像传感器进行图像采集;然后通过二值化处理、边缘检测处理对图像进行快速定位与分割;最后采用8连通域标记法进行缺陷识别。试验表明:该系统运行稳定,运算速度快,抗噪能力强,实时性好,可有效检测出轴承端面缺陷。     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

轴承外圈侧面缺陷的视觉检测算法研究

针对轴承外圈侧面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于差影法的轴承外圈侧面缺陷检测的新方法。该方法通过对轴承外圈侧面图像进行处理与分析,快速、准确地实现了轴承外圈侧面缺陷的识别。首先,使用CCD数字摄像机作为图像传感器进行图像采集;然后,对图像进行滤波去噪、图像分割、边缘检测处理,以对轴承外圈侧面进行快速定位;最后,采用差影法进行缺陷检测,并采用8-连通域法对缺陷进行标记。实验表明,该系统运行稳定,实时性好,抗噪能力强,运算速度快,并可有效检测出轴承外圈侧面缺陷。     

基于视频图像的工业仪表高速自动识别

针对工业现场高速变化的灯板仪表全自动检测的问题,提出了一种基于图像识别的检测方法。本方法采用高速工业相机获取仪表视频图像,并采用数字图像处理技术,对单帧图像用OSTU算法进行二值化分割,运用邻域平均法进行平滑处理,通过闭运算以完成去噪,运用Hough变换以实现对灯的逐一定位,并用灰度检测法对灯状态进行判读,最后保存视频。研究结果表明,该算法可靠有效,系统能够高速准确地应对仪表位置的变化,为进一步的一般化视频检测奠定了基础。     

改进Zernike矩的运动靶标高精度定位算法

针对目前运动靶标中心定位检测精度低、实时性差的难题,提出一种改进Zernike矩的亚像素边缘定位算法.该算法将Zernike算法和迭代法相结合,首先采用传统的Zernike算法计算图像的阶跃灰度矩阵,在阶跃灰度矩阵的基础上采用迭代法计算得到最佳灰度阶跃阈值作为边缘判据;最后从矩模板和灰度边缘模型两个角度对误差进行了分析和补偿.以靶标中心定位为实验研究对象,采用改进Zernike矩算法对靶标进行亚像素边缘定位,然后利用最小二乘法拟合圆心坐标,最后通过坐标变换得到靶标的空间位置,测试结果表明:该算法能够准确对运动靶标中心进行定位,算法的检测精度优于传统算法,同时最佳阈值的自动选取相比于人工手动调试具有更高的效率.     

基于YOLO模型的柔索并联机器人移动构件快速定位方法

针对柔索并联机器人移动构件实时定位问题,提出一种基于YOLO目标检测模型的柔索并联机器人移动构件快速定位方法。首先根据YOLO目标检测模型设计深度卷积神经网络结构,根据PASCAL VOC数据格式构建自己的数据集,并在该数据集上训练及测试模型,然后将工业摄像机采集得到的图像数据输入模型中进行标靶检测,记录标靶的类别和位置。分析标靶的颜色特征,并将标靶图像进行二值化,进一步计算出柔索并联机器人的精确位置。试验表明该方法能对图像中的目标进行准确分类和定位,定位误差在1°以内,图片处理帧率可达33帧,满足实时性要求,同时算法具有良好的准确性和有效性。     

基于改进Faster R-CNN的绝缘轴承表面缺陷检测方法

喷涂陶瓷涂层的绝缘轴承外圈在经过磨削后,涂层表面会出现凹坑、夹杂和擦伤等缺陷,很可能成为涂层被轴电流击穿的安全隐患,目前此类缺陷大多采用人工目测,缺乏缺陷自动检测手段,现提出一种改进Faster R-CNN的绝缘轴承表面缺陷图像检测算法。首先,对绝缘轴承表面缺陷进行图像采集,并使用K-means++算法对缺陷数据集进行聚类,得到适用于此类缺陷的锚框;然后,用ROI Align替换ROI Pooling,避免ROI Pooling量化造成的定位误差;最后,在算法中加入在线难例挖掘策略以提高难检测样本的检测准确率。试验结果表明,改进Faster R-CNN网络对绝缘轴承表面缺陷的检测准确率达到91.2%,比Faster R-CNN网络提高了4.8%。