基于深度学习的微小元器件智能在线检测系统

为了解决多种微小元器件的尺寸、位置、方向和缺陷自动化在线检测难的问题,提出一套机器视觉和深度学习相结合的智能在线检测系统.通过搭建视觉检测系统采集微小元器件的图像,并对图像进行图像预处理、二值化、滤波、边缘轮廓特征提取以及模板匹配等处理,实现了多种微小元器件尺寸、位置和方向的在线检测.针对微小元器件表面缺陷,提出一种基...     

基于机器视觉的异形弹簧快速缺陷检测方法研究

为实现异形弹簧的尺寸和变形缺陷在线检测,基于机器视觉设计一套零件快速定位、测量和缺陷检测的方法.详细论述图像处理算法,即图像预处理、图像定位、尺寸测量和变形缺陷检测算法等.基于形状的模板匹配对零件进行定位,通过创建测量矩形完成对零件的尺寸测量.基于微分和自身对照的思想,对零件易变形区域进行微分,通过对比微分的小区域,实...     

基于机器视觉的锥形旋压件起皱缺陷在线检测方法

获取成形缺陷的快速、准确在线检测方法是实现旋压成形智能化的基础。通过对起皱特征和图像识别流程进行研究,提出了一种基于机器视觉的起皱缺陷在线检测方法,并将其应用于锥形件剪切旋压成形过程起皱缺陷的在线检测。构建旋压成形图像在线采集系统,实现成形时旋压件图像的实时获取;利用Halcon软件对图像进行ROI提取、直方图均衡化等预处理,能够获得高对比度的清晰图像;通过Otsu法改进传统Canny边缘检测算法,实现了根据图像梯度自动确定高低阈值,准确地提取出锥形件的图像轮廓。以锥形旋压件起皱后口部轮廓波纹个数及大小为特征,设计了起皱缺陷识别算法,成功检测出锥形件起皱缺陷;并通过剪切旋压实验进行起皱识别算法的可靠性验证。实验结果表明,该方法可以准确、快速地检测出起皱缺陷,平均响应时间为0. 225 s,能够满足实时检测的要求。     

基于最小二乘拟合的线胶质量检测北大核心

针对在复杂光照条件下线胶质量检测存在自动化程度不高,检测精度低等问题,提出了一种基于最小二乘拟合的线胶质量检测方法。首先使用非局部均值滤波降噪算法对图像进行降噪处理;随后通过动态阈值分割法确定待检测线胶区域,并在待检测区域内使用基于形态学的laplacian of gaussian边缘提取算法提取线胶轮廓;最后使用基于最小二乘拟合的线胶边缘轮廓拟合算法,计算拟合直线之间的平均距离即可得到线胶宽度;将线胶宽度信息与设定胶宽进行对比,判断是否存在断胶等质量问题。经实验验证,在复杂的光照条件下,该方法能准确检测出线胶宽度信息,满足对工业生产线的在线检测要求,其检测高效快速,准确率较高,能有效减少人力与资金投入,适合在实际生产中应用。     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

一种线激光V形焊缝中心点识别的改进算法

在机器人自动化焊接过程中,准确识别、提取出焊缝位置,对于焊接的精度与质量有着很大的影响。基于线激光的V形焊缝轮廓识别算法,在进行阈值分割时,有时由于线激光与V形焊缝接触时会产生激光的变形,导致局部光强下降,部分轮廓会消失。提出一种改进算法,首先通过双边滤波方法,达到图像平滑的目的;然后通过Canny边缘检测算法,准确地提取出线激光在焊缝上变形的区域;通过膨胀算法处理后,再去除焊缝轮廓留下的干扰直线;再通过直线细化算法,识别出与线激光相交的焊缝边缘轮廓点与中心点。最后识别出焊缝中心点位置。     

基于视觉的零件识别和定位

针对装配线上的零件识别和抓取的需要,文章围绕零件图像识别的关键技术,从识别和定位抓取两个方面进行深入研究。文中提出了一种基于多轮廓的零件快速识别方法,从零件的轮廓数、各个轮廓的几何特征和形状特征三个方面,将待测零件图像与零件库中的模板零件图像比较和识别。对于零件的定位,文中提出了根据零件的最小外接矩形进行零件抓取的方法。实验结果表明了方法的可行性,能够应用于零件台上的零件识别与定位。     

基于多曲率融合的铣刀缺陷检测

针对传统人工检测铣刀崩刃和多刃缺陷时效率低下、精度不高等问题,提出一种基于形态学多曲率融合的铣刀崩刃、多刃缺陷检测方法。首先,使用色彩阈值分离前后景;然后,使用双边滤波对图像进行滤波处理;随后,二值化图像并去除小连通域的干扰,通过边界跟踪得到刀刃轮廓;最后,使用改进的链码计算机制进行刀刃轮廓曲度的计算,并通过曲度定位缺陷点。经过实验验证,该检测方法具有平均0.8 s每样本的检测速度和92%的检测精度,能满足工业生产在线检测的要求。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。     

基于图像像素级分割与标记映射的工件表面微小缺陷检测算法

为了解决当前工件表面微小缺陷在边缘模糊和特征不明显的情况下,导致其检测不准确的问题,文章提出了基于图像像素级分割与标记映射的工件表面微小缺陷检测算法。首先,利用工业显微镜采集工件图像,获取显微缺陷图;根据高效原则,以整数代替浮点运算,位移代替乘法运算,设计位移亮度滤波算子,进行平台数据转换,基于像素亮度阈值的标记映射,获取显微图像的像素亮度分布的二值图像。然后,耦合高斯平滑滤波与形状滤波,增强图像边缘轮廓特征,进行连通区域标记,准确识别与定位微小缺陷。最后,对缺陷目标进行特征计算和标注显示,完成微小缺陷的自动检测和定量计算。实验测试结果显示:与当前工件表面缺陷检测算法相比,文中检测技术拥有更高的识别精度。     

基于工业三维检测的点云配准技术研究进展

随着制造业的发展，所需零件逐渐向大尺寸、复杂形状、表面加工质量高等方向发展，且在加工过程中对零件质量进行检测是必不可少的环节。为提高质量检测的精度、速率以及自动化程度等，基于模型分析的三维检测取代了传统的手工检测和二维检测，成了工业检测领域的重要手段。点云配准作为三维检测中的关键环节，其精度直接影响检测结果的准确性。因此，对国内外学者在点云配准技术方面的主要研究成果进行综述，从算法原理出发，将目前的配准方法归纳为传统配准方法、基于仿生群智能优化算法的配准方法和基于深度学习的配准方法。详细介绍了各类方法的特点、优缺点、典型算法及其变体，总结了点云配准的技术难点并对未来的发展趋势进行了展望。     

基于机器视觉的工件识别与定位系统设计与实现

机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配困难等问题,为了提高生产速度和效率,提出一种基于OpenCV视觉技术的机器人关节工件识别与定位检测方法。首先,通过工控机读取相机的工件图像,并进行图像灰度化、均值滤波、自适应阀值分割等图像预处理过程,得到二值化图像;其次,从二值化图像中提取出工件的轮廓,之后,通过胡氏不变矩比较待识别工件的轮廓与给定的模板轮廓,识别目标工件;最后,提出一种确定工件的位置和方向的方法。实验结果表明,文章提出的方法能准确识别目标工件,并且有效地确定其位置,为类似的识别提供了有效参考。     

基于计算机视觉的锥体零件尺寸在线检测算法

文中提出了用于在线检测锥体零件尺寸的图像处理算法.利用面阵CCD相机采集被测零件的数字图像,对图像进行处理和模式识别,实时给出检测结果,完成100%在线检测,与传统方法相比,提高了检测效率和检测精度.用实际的零件进行检测实验对比,结果表明,该算法的测量精度可以达到1μm以上,并且有很好的通用性,可以广泛用于各行业的产品加工检测.     

基于机器视觉和深度神经网络的零件装配检测

针对工业生产中存在着大量的零件识别定位以及装配检测等,传统人工检测效率低、劳动强度大、识别不准确。文章提出了一种基于深度神经网络的零件装配检测方法。首先该方法对零件图像和装配图像进行采集,选择Mask-RCNN网络进行训练,对装配零件进行分类以及定位,通过已识别的零件类型判定装配件是否存在漏装;然后将分割后的零件图像进行二值化处理,利用Canny算子提取零件图像轮廓;最后利用图像的Hu矩特征与正确的零件图像轮廓进行对比,判断装配是否正确。通过实验验证可得,该方法在零件装配中的漏装和换装检测中效果较好,并表现出较高的鲁棒性。     

弧焊机器人结构光视觉检测的图像处理

对弧焊机器人结构光视觉检测的图像处理算法进行了一定的研究,针对以往的方法提出了一些改进方案并进行了试验.在图像预处理的滤波中,采用区域分割与多尺度检测相结合的方法,克服了单尺度LOG滤波线条容易断续的缺点,又缩小了图像处理的区域,提高了运算速度.在后处理的轮廓提取中,用遗传算法这种全局优化算法进行模板匹配,通过格雷编码、适应度函数确定、概率选择算子、交叉算子、变异算子等,很好地实现了模板匹配和位置坐标提取.结果表明,这些改进的算法,提高了弧焊机器人结构光检测的精度和适应性.     

指示表图像特征的视觉检测方法

在对指示表进行智能读数时,需首先检测出指示表的两个图像特征,即指示表轮廓与指针位置,由此可以确定指示表的有效区域以及指针与刻度的位置关系。基于指示表图像的几何结构特征,提出一种指示表图像特征的视觉检测方法。通过对图像预处理提取出轮廓区域,基于对称性圆检测算法与Hough变换思路得到圆轮廓参数。然后在轮廓内部,以轮廓圆心作为指针回转中心,运用Radon变换得到指针中心线。最后利用二值图像椭圆特征识别出指针朝向。该方法能够准确、快速检测出指示表图像特征,为后续基于视觉的指示表智能读数提供必要的技术基础。     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

一种基于改进Faster RCNN的金属材料工件表面缺陷检测与实现研究

目的 针对传统检测算法在工件表面缺陷检测上的局限性,以及检测精度不高、准确率较低、检测过程繁琐等问题,提出了一种基于改进RCNN的金属材料工件表面缺陷检测算法。方法 图像预处理过程中,运用了图像缺陷定位标注与图像数据的增强处理的方法。模型训练时为了避免某些分类数据不足,防止因数据集过小导致系统测试模型出现过拟合现象,使用了对原图像进行数据扩增处理。检测网络模型设计时,采用非极大值抑制算法对缺陷图像进行候选区域筛选,构建了区域建议网络,实现网络多层特征的复用和融合,在减少候选区域冗余的基础上提高系统的检测精度。引入多级ROI池化层结构设计算法,消除ROI池化取整而产生的系统偏差,实现高效并准确检测零件表面缺陷的目的。基于ROI-Align算法的原图位置坐标改进,利用双线性插值法获得原图的位置坐标,克服了基于最近邻插值法的ROI-Pooling设计算法带来的像素位置偏移和检测不匹配（misalignment）的问题。结果 设计的检测方法在测试集上,金属材料工件表面目标缺陷检测速度达22 帧/s,准确率达97.36%,召回率达 95.62%。结论 与传统的工件表面检测方法相比,改进的FasterRCNN方法对目标识别与定位处理具有较快的速度与较高的准确度,能在复杂场景条件下,提升工件表面缺陷的检测性能。     

基于深度相机的汽车转向节位姿估计研究

针对汽车转向节自动化加工需求，研究转向节位姿估计实现方法。构建转向节检测整体方案，对相机畸变进行标定，并根据标定结果产生点云；针对转向节中心孔尺寸存在偏差，无法直接利用点云配准技术实现3D坐标间接定位问题，利用2D图像处理确定像素坐标配合深度相机索引深度值确定抓取点3D坐标；对转向节不同姿态估计问题，利用SAC-IA算法将待检测转向节点云与模板转向节点云进行初始配准，再利用NDT算法进行细配准；开发软件进行测试。结果表明：用所提算法细配准，匹配得分为27 mm2，验证了转向节姿态估计的精度。