基于机器视觉检测技术的齿轮几何参数自动测量系统

针对齿轮几何参数传统机械式测量中存在分立仪器多,价格昂贵、操作复杂、容易产生人工误差等问题,本文将机器视觉检测技术应用于齿轮几何参数自动测量中,通过图像采集、图像预处理、系统标定、边缘检测、几何特征提取和几何参数计算等步骤,实现了齿轮几何参数的自动测量。实验结果表明该系统具有测量精度高、速度快、操作简单、成本低等特点,在齿轮的几何参数测量中具有广阔的应用前景。     

聚合物光纤几何参数测量系统

基于CCD图像技术提出了显微放大成像、图像相对测量，通过计算机图像处理完成外径的为1mm聚合物光纤几何参数（芯径、外径、不圆度）的测量，测量精度为6μm左右。并给出了系统的结构与原理，分析了系统实现的精度保证。该系统也可实现聚合物光纤数值孔径的测量和折射率分布的表征等。     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

光纤几何参数自动测量技术

介绍了一种光纤几何参数自动测量的新技术，利用图象扫描和脉冲计数方法获取光纤截面的边缘信息，用微机进行数据采集和处理，有效地提高了测量系统的分辨率和测量速度，实验结果表明：该测量系统的测量重复性达0.1um，分辨率可达0.05um，单个光纤试样的测量时间<1min。     

基于机器视觉的双工位载带检测系统研究

叙述了基于机器视觉的双工位载带检测系统的硬件设计方案和机械结构方案。提出了适合载带检测的图像处理算法,该算法主要包括瑕疵检测算法与尺寸计算算法。将标准合格载带样本图像作为训练集,从这些样本图像中获取检测区域图像的特征量信息作为在线检测时的比较标准。经过实际上线测试验证,载带缺陷检出率均不低于99.6%,重要缺陷漏检率为0%;检测一帧图像时间10 ms,检测速度达到12 m/min。     

基于机器视觉的航空铆钉尺寸检测技术

航空铆钉的尺寸偏差会增加航空事故发生的可能性。为了实现航空铆钉尺寸检测的高精度与智能化,提出一种基于机器视觉的航空铆钉尺寸检测方法。通过边缘检测算法对铆钉进行自动识别与检测,可减少航空铆钉尺寸的误差。基于航空铆钉产品规范,分析得出各项尺寸参数要求与事件流程,使用OpenCV作为开发平台,采用阈值分割算法与分水岭算法进行图像分割;同时,通过平滑处理、形态学、轮廓提取算法完成图像处理。实测结果表明,在±0.005mm精度下,铆钉尺寸检测结果与实际值的吻合度达到90%以上。     

光纤灰度分布的高斯函数拟合法测量光纤几何参数

光纤的几何参数影响着光纤的光学传输和机械性能等,是衡量光纤质量的重要指标。近场光分布法是国标GB 15972.20-2008中推荐的几何参数测量方法。该方法在对光纤纤芯的测量中需对光纤通光照明,以区分纤芯和包层的边界。通光的纤芯端面是一个边缘并不清晰的发光亮斑,因而无法准确判断纤芯与包层的真实边缘。本文分析了光纤内光传播模场的分布,理论上光纤模场电磁矢量的解满足贝塞尔函数,但在近似情况下也可以用高斯函数代表光纤模场分布。因此本文利用高斯函数拟合光纤纤芯端面灰度分布,进而由拟合后的高斯函数得到纤芯与包层的真实边缘。本方法是对国标GB15972.20-2008的测量方法的进一步完善。实验测量结果表明,当光纤的切割效果不佳或成像质量较差时,模场灰度分布的高斯函数拟合法仍能保证测量的重复精度和测量数据的稳定性。     

简谈机器视觉的用途

机器视觉系统是指通过视觉产品将目标转换成图像信号，传送给专用的处理系统转成数字化信号，对信号进行运算来抽取特征，根据判别结果来控制设备动作。[编者按]     

基于机器视觉的工件检测系统研究

为检测工件质量,识别型号。采用机器视觉的方法,应用CCD相机在线拍摄工件图像,以图像采集卡作为与计算机的接口,进行数据的分析及处理,实现工件分拣。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

基于机器视觉的非均匀分布点圆度误差评定

对圆度误差的4种评定方法进行比较和改进,改进后的最小二乘法适用于非均匀分布圆或圆弧的计算,同时研究最小区域法在离散点非均匀分布圆的运用。用解析的方法求解最小区域下的圆度误差,改善了优化迭代法的缺陷,经过数次计算准确得到最小区域,以最小区域圆心作为圆心、平均半径作为半径,可将其应用于不完整圆和分布点非均匀分布的圆中。引出圆度误差评定的相对误差率ξk ,可说明圆度误差、加工精度、加工方法及微观占比例等情况。在圆孔视觉检测实验中,4种评定方法的计算结果分别为ξk1=0.019、ξk2=0.017、ξk3=0.018、ξk4=0.019。离散非均匀分布圆的检测方法可广泛应用于实际生产检测中。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于机器视觉的包装物料自动筛选系统

目的为解决传统人工分拣作业效率低、速度慢、质量难以保证的问题。方法设计一种基于机器视觉的包装物料自动筛选控制系统,适用于多种输送线物料分拣的方案。结合多种图像处理算法,以提高物料筛选精度。改进中值滤波可实现图像预处理;形态学滤波可实现包装物料边缘检测;基于边缘匹配可完成物料识别。最后进行试验研究。结果试验结果表明,对于圆形、方形、三角形物料,所述包装物料筛选系统的分拣精度在99.5%以上,最大抓取速率能够达到150次/min。结论所述图像处理算法能够有效地提取物料边缘并实现物料识别,具有比较高的检测精度和稳定性,可以满足包装需求。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

连续运动螺纹尺寸自适应机器视觉检测

针对螺纹零件尺寸检测效率低、工作强度大、检测精度不高的问题,提出了一种连续运动螺纹尺寸自适应机器视觉的检测方法。首先设计了一套在线图像采集装置用于采集运动螺纹零件的图像;其次使用NCC(normalized cross correlation)归一化匹配算法,完成对螺纹零件的识别及追踪,在此基础上设计了自适应的ROI(region of interest)裁剪区域;然后通过Canny算法提取边缘轮廓,利用最小二乘法直线拟合技术对螺纹轮廓进行直线拟合,生成螺纹中径线,完成对螺纹中径的测量;最后在使用Harris角点检测算法提取多螺纹轮廓波峰与波谷的基础上,提出了利用螺纹中径线与各角点之间的距离来完成对角点的细化。实验表明,所提方法在螺纹尺寸检测方面具有可行性和有效性。     

基于机器视觉的改进线束导线排序检测系统设计

目的 解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法 基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R−CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果 实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论 改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。