复杂背景下高层建筑钢结构板孔心影像坐标量测

针对复杂背景下钻有圆孔的钢结构板图像,为实现圆孔中心的精确定位,根据近景摄影测量中二维直接线性变换的方法确定各圆孔对应的感兴趣区域,并分别对其进行二值化、形态学等处理,之后采用Canny算子检测圆孔像素级边缘,同时根据边缘轮廓所占面积作为条件,剔除错误边缘;为提高边缘点的定位精度,在像素级边缘点的基础上使用Zernike矩获取圆孔的亚像素级边缘点,最后对边缘点集用最小二乘的方法进行多次椭圆拟合,从而确定圆孔中心在图像中的精确位置.试验结果表明,该方法可以获得较高的孔心影像坐标量测精度,点位"均方差"达到0.182mm.     

数码相机标定模型研究

首先依据图像几何学,建立投影成像模型,找到标靶圆心在像平面的坐标.通过像坐标与标靶坐标的比较,论证了所建立模型的稳定性.其次建立双目定位模型,通过空间几何和矩阵变换得到两个数码相机相对位置的求解方法.     

一种改进的缺损圆检测定位方法

分析了传统Hough变换、随机Hough变换在检测圆及缺损圆时存在的问题,在总结了经典的Hough算法和其他研究人员提出的其它改进算法后,利用圆的几何特征,先检测出缺损圆的一个圆心坐标参数,然后根据推导出的半径检测公式对图像中的点到与圆心具有一个相同坐标参数的边缘点(即过圆心与X轴或者Y轴平行的直线与圆的交点)的距离与该点和边缘点的水平或者垂直坐标差值的关系统计半径大小,进而确定该缺损圆的所有参数。实验及分析验证了该方法降低了Hough变换的维度,比传统的Hough变换在检测缺损圆的边缘以及定位的问题上性能有较大的提高。     

基于颜色提取方法的仪表彩色指针识别

主要论述了利用颜色提取及图像分割技术对汽车仪表指针位置进行识别处理的原理、步骤以及具体的实现过程.通过使用彩色提取和形态学图像处理技术,成功地提取了仪表盘中红色的指针,确定圆心并利用角度法计算出指针仪表读数.颜色提取方法为 HIS颜色空间的坐标区域表示法,与常见的先把仪表图像转化成灰度图再进行处理的方法比较,此方法对于彩色指针仪表的识别更简单有效.     

一种基于深度学习的PCB图像字符检测方法

利用印刷电路板（PCB）残片图像的字符检索完整PCB图像,是解决PCB残片溯源难题的一种有效方法;为此,提出了一种高性能的PCB图像字符检测方法。基于残差网络结构实现特征金字塔的提取,设计双检测头进行字符区域预测,引入结构相似性损失函数优化网络;设计了一种适合PCB图像的字符区域热力图标签生成算法以训练网络;采用多种数据增强、多尺度检测等策略提高字符检测性能。在自建PCB图像数据集上进行测试,该方法的字符检测精准率为95.6%、召回率为92.4%;特别是综合指标F1为93.6%,优于对比方法,证明了针对PCB图像字符检测问题,所提出的综合检测方法可与当前自然场景图像字符检测的先进方法媲美。     

钢轨磨耗测量中轨腰圆弧中心点的提取

针对钢轨磨耗测量中测量轮廓与设计曲线的对齐问题,提出一种提取钢轨轨腰圆弧中心的特征点还原初始钢轨轮廓的方法.该方法利用图像处理技术,获取钢轨轮廓单像素图像,确定轨腰圆弧的大体位置,应用最小二乘法解出最优的圆心坐标(特征点).与以往特征点的提取方法相比较,该方法所运用的计算方法较为简单,思路清晰,可避免一些不确定因素,从而满足了磨耗检测的要求.     

基于机器视觉的PCB板表面缺陷检测方法研究进展

基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本,在现代化工业生产中得到了广泛应用.对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述;对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析,总结了各种算法的主要思想、适用范围以及局限性;同时对未来的发展方向进行了展望,...     

基于LabVIEW的图像拼接技术在PCB板在线检测系统中的应用

PCB板的检测是电子设备制造过程中的重要环节,它是产品质量和性能达标的重要保障。检测系统在采集PCB图像时,需要进行多次局部成像,再进行图像拼接操作来获得被检测PCB的全景图像,以进行后续的模式识别和缺陷检测。介绍了一种快速配准的算法,并使用LabVIEW编程对所采集到的PCB图像进行拼接。通过实验证明,所讨论的拼接方法能够达到满意的拼接结果。     

基于图像的线路缺陷检测

运用图像处理技术,设计PCB板线路检测系统。采用Labview语言编写图像预处理、阈值分割、形态学滤波、缺陷识别等程序模块,并针对PCB图像特点,根据线路缺陷的特征,构建一个能够分析和识别PCB线路断路、短路、缺损和毛刺等缺陷的PCB板线路检测系统。实验结果表明,该检测系统能够比较好地识别PCB板线路缺陷,且算法操作简单,有广泛的应用前景。     

基于BP神经网络的工艺球缺陷检测

对羽毛球工艺球图像经过预处理,得到缺陷形状信息图像.提取图像的5个极半径不变矩特征、圆心度、球体外圆和球头圆心偏差总共7个特征参数构成图像特征向量组,建立三层结构的BP神经网络,以这7个不变量特征值组成的特征向量归一化后作为神经网络的输入,根据神经网络的输出进行缺陷检测,实验结果证明了该方法能有效地用于羽毛球工艺球的缺陷检测.