抛光金属弧状面瑕疵实时检测

提出了一种基于机器视觉对抛光金属弧状面进行实时快速检测的方法.在离线情况下,对不同光强下的样本工件进行学习分析,构造图像的背景亮度分量与灰度水平的关系函数,提取样本工件反射分量的统计特征.在线检测时,先分析图像的灰度水平,并计算图像所对应的亮度分量;然后从图像中提取出灰度均匀的反射分量,最后对反射分量进行阈值分割并做出决策判断.实验表明,本文提出的方法能通过一次学习,适应变化的采集环境,系统具有较高的鲁棒性;检测一帧图像平均时间为40 ms,准确率达98％以上,具有较高的实时性和准确性.     

轴承表面缺陷检测系统的研究与开发

提出一种利用离线样本学习实现轴承外侧表面缺陷在线快速检测的方法。采用间接照射面光作为光源,通过CCD摄像头采集轴承外侧面图像。在离线情况下:定位轴承侧面的检测区域;分别拟合横纵向的灰度分布规律曲线;并以灰度变换后的样本图像作为检测时的依据。在线检测时:根据学习知识提取出待检测区域、将轴承图像变换成灰度分布均匀的图像;然后对图像进行动态阈值分割并作出决策判断。实验表明,提出的方法能有效地将被测图像变换成灰度均匀的图像;判别一张轴承图像平均时间为20 ms,准确率达98.2%以上,具有较高的实时性和准确性。     

基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

基于轮廓层次和小波分析的工业字符识别

为了提高工业字符识别的准确率,增强字符识别算法对含噪声字符或发生形变字符的适应性,提出了一种改进的轮廓层次特征提取方法.对经过预处理归一化的字符,先提取轮廓层次特征,再对特征信号进行小波分解,从分解结果的低频部分中提取特征信息,最后将特征输入SVM(Support Vector Machines,支持向量机)训练和分类.实验结果表明,该特征提取方法降低了后续要处理的数据量,具有良好的抗干扰能力,实用价值较高.     

嵌入式机器视觉光轴与物面垂直度调节新方法

为了提高二维视觉测量的精度,本文提出了一种嵌入式机器视觉光轴与物面垂直度调节的新方法(面积法).该方法将立体成像原理与数字图像处理结合,采用Harris算子与空间矩结合提取特征点亚像素坐标,利用海伦公式计算特定区域的面积,再根据相机镜头与被测物相对倾斜时特定区域的面积变化规律,准确的判断光轴与物面垂直度.实验证明,该方法操作简单,稳定性好,实用性强,能够很好的提高二维视觉测量的精度.该方法已应用在嵌入式机器视觉工业现场.