基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

基于IMAQ的零件图像特征提取和识别

提出了基于IMAQ的提取零件图像特征的方法,该方法是使用边缘检测算子对零件图像进行边缘检测,然后把检测的图像分成若干个区域并统计各区域的边缘像素量,各区域中的相对边缘像素系数作为特征,利用神经网络实现识别。文中给出特征样本的实验结果,结果表明文中提出的方法能够有效地识别零件。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。     

基于双目视觉的机械零件位姿检测系统研究

针对机械零件搬运过程中需要精确测量零件位姿的实际问题,基于VS220双目立体视觉测量系统平台,设计了一种机械零件位姿检测系统。采用改进的Canny边缘检测算法,对零件边缘进行了轮廓识别,利用尺度不变特征转换方法进行了零件特征点的提取与立体匹配;利用立体视觉三维重建方法,建立了位姿检测系统数学模型,通过求解坐标系之间的转换关系,计算出了零件在传送带上放置的位置和方向等信息;通过VC++语言编写了位姿识别算法程序,实现了零件形状与位姿的识别;搭建了位姿测试系统实验平台,进行了测试实验。实验结果表明:系统能快速有效地对零件进行位姿检测,为实现零件的自动上下料提供了技术支撑。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法.首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的.     

基于双目视觉的零件多尺寸在线测量系统

针对零件的自动化测量环节,搭建了一套可用于工业流水线生产的零件多尺寸在线测量系统。首先,对经典的张正友相机标定方法进行了改进;其次,把边缘聚焦思想用于Canny算子实现了高精度的零件轮廓提取;然后根据相机的极线对齐理论,提出了基于极线阈值约束的灰度相关边缘匹配算法,获得零件轮廓点云图;最后,对目标点云数据拟合得到零件关键尺寸。整个过程基于高斯金字塔多分辨率技术来实现,在满足测量精度的前提下进一步提高了检测速度。经过多次实验测试,该系统具有测量精度较高、重复性误差小的优点,可以较好地完成零件的在线检测任务。     

零件图像特征提取和识别的研究

提出了基于小波变换提取零件图像特征和用神经网络实现识别的方法。首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓,然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由神经网络实现识别。3种子区域的不同数量样本的实验结果证明了提出的方法是有效的。     

工业CT图像的缺陷检测研究

铸造过程由于其自身生产工艺的特点,常常会产生缩孔和气孔等缺陷,这些内部缺陷会对零件质量产生不好的影响,也会缩短零件寿命,因此需要准确地识别出这些内部缺陷。通过工业CT设备对铸件进行扫描,可以获得了一系列工业CT切片图像。为了快速提取工业CT图像的孔类缺陷,首先使用二维Otsu自适应阈值算法进行阈值分割,以区分工业CT图像中的物体与背景,然后通过Sobel算子得到图像的初始边缘轮廓,再基于拉格朗日插值法进行亚像素边缘检测。实验表明,该方法可以有效地识别铸件工业CT图像中的缩孔和气孔缺陷。     

机器视觉的薄片零件尺寸检测系统

对基于机器视觉的薄片零件尺寸检测系统进行研究。针对计算机硬盘弹性臂薄片零件的尺寸检测,采用线阵工业相机扫描获取待检零件图像,根据扫描特性提出了标定算法,同时提出了一种轮廓矢量化算法。将经过滤波、标定、二值化、边缘提取和细化的图像进行轮廓矢量化得到待检零件的尺寸参数,并与从设计图DXF文件中读取的零件的相应尺寸参数进行对比,判断零件制造质量。实测结果表明,检测系统的轮廓矢量化精度达到1 pixel,检测精度达到1 μm,平均每个零件的检测时间为1 s,该检测系统是可行的。     

基于机器视觉的VCM磁钢检测系统设计与研究

针对目前VCM磁钢片轮廓尺寸的检测方法存在检测速度慢、精度低等问题,设计了基于机器视觉的VCM磁钢检测系统的总体结构。视觉检测系统采用了中值滤波滤除噪音,利用Canny算子定位边缘轮廓和8-连通法提取图像边缘信息,采用基于链码的实时拐角检测算法求拐点,对轮廓线进行分段识别和重构,并用最小二乘法拟合轮廓,实现尺寸检测。用该系统对VCM磁钢片样品进行实验及数据分析,并与传统的三坐标测量仪的检测结果进行对比实验。实验结果证明了该系统能满足VCM磁钢片的实际工业在线检测需求。     

红外热成像技术在大型起重机械金属裂纹探伤中的应用

对大型起重机械金属构件中常见的裂纹缺陷进行识别是红外热成像检测应用中一个新的研究方向。介绍了主动式红外热成像检测的技术原理,设计了通过主动式红外热成像检测技术对含有裂纹缺陷的金属钢板试件进行检测的无损检测Non-Destructive Testing(NDT)系统,并根据检测系统搭建了试验平台。针对试验中采集到的原始红外热图像存在裂纹缺陷轮廓模糊、环境噪声干扰等问题,提出采用图像灰度转换、直方图均衡化、中值滤波、阈值分割和边缘检测等方法来提取裂纹缺陷的边缘轮廓特征。结合提取出的轮廓特征,并根据钢板试件的实际试件尺寸和预埋裂纹缺陷轮廓特征图像像素之间的换算关系,得到裂纹缺陷的识别精度。经过对比验证,红外热成像技术可以满足大型起重机械金属构件裂纹缺陷的检测需求。     

基于傅立叶特征的几何零件快速识别

针对机器视觉系统中的零件识别问题,提出基于傅立叶描述子的零件识别算法.首先利用类似Canny算子的方法提取零件边缘,并且跟踪轮廓.然后通过傅立叶变换将几何零件轮廓特征转换成频域特征,以互相关系数作为了匹配相似度的判据,对零件识别结果进行置信度分析.试验结果表明,方法在几何零件发生平移,旋转,缩放等情况下均能识别出正确结果,具有较高的鲁棒性和实时性.     

一种改进的角点检测法

角点包含丰富的图像几何信息，其检测精度直接影响后续图像参数的计算与分析。为满足工程上要求的高精度计算出零件轮廓参数，在检测出零件轮廓边缘后．角点定位成为影响结果精度的最重要因素。为此．本文提出了一种基于亚像素思想，综合图像灰度信息与边缘轮廓点特征的高精度角点检测法。该方法使用Marr边缘检测算子得到连续单像素边缘，结合亚像素思想对各个边缘点进行精确定位，在此基础上根据角点曲率最大原理进行检测．最终确定独立角点。实践证明，该方法能有效、高精度地进行角点检测。     

微小零件的视觉检测系统

针对微小零件的检测问题,开发了一套图像提取与特征点比对相结合的微小零件视觉检测系统。提出了用最大面积法去除轮廓噪声,获得所需的轮廓;提出了基于局部边缘最小二乘拟合线并求交点的特征点获取方法;并采用了实际图形与模板图形对比特征点的方法进行零件的检测,获得零件的误差信息。通过实验验证,所提出的方法能够较好地获取特征点,测量精度高。该方法适用于零件的自动检测,具有很好的鲁棒性。     

基于机器视觉的精冲零件断面缺陷检测系统研究

将机器视觉技术应用在精冲零件断面缺陷检测上,提出了一个基于机器视觉的检测系统方案。根据精冲零件在传送带上运动过程特点,设计了检测硬件设施和计算机图像处理技术。通过工业相机拍摄零件照片,利用图像分割获得精冲零件信息,再通过滤波和边缘检测提取轮廓边缘,使用二值化处理将缺陷分离出来,并计算出断面缺陷面积及撕裂带最大垂直高度,判断零件是否合格。实验结果标明该方案能快速有效的对精冲零件进行检测,对实现精冲零件智能化制造具有重要意义。     

基于结构光视觉的激光拼焊焊缝质量检测方法研究

焊缝质量自动检测是实现焊接自动化的关键技术。文中在分析结构光视觉检测原理的基础上,建立了基于结构光视觉的激光拼焊焊缝质量检测系统并对检测系统的图像处理方法进行了研究。对原始图像进行了开窗处理和中值滤波,并使用迭代阈值法获得了结构光光纹。提出了一种简化的模板获得了光纹的边界点并使用几何中心法提取了光纹中心线。使用平均斜率法识别出光纹中心线的特征点。分析了激光拼焊焊缝截面轮廓的特点并建立了截面轮廓几何参数计算方法。实验结果表明该检测系统可以完成焊缝截面轮廓相关参数的计算。     

基于嵌入式视觉的零件状态检测系统开发

针对车床自动化上料零件的正反检测,提出一种基于多级模板匹配的零件检测方法,提取并生成一系列旋转模板图像库,利用图像增强算法提高边缘灰度的对比度,使用归一化互相关算法去除不均匀光照的影响,采用多级模板匹配方法提高计算速率和检测准确率。设计并实现了基于嵌入式视觉的零件状态检测系统,方便快速生成零件模板,完成视觉系统与控制设备的通信。测试结果表明,系统能进行多种零件的状态判别,具有低成本、模块化、高准确度等优点,适合工业现场使用。     

基于协方差矩阵的轮廓曲线拟合算法研究

针对工业视觉领域中,包含直线、圆弧特征的零件轮廓尺寸的检测,提出了一种基于协方差矩阵的轮廓曲线拟合算法.该算法首先采用8-连通法提取轮廓边缘数据,并排序成有序点集;然后计算轮廓曲线最小包围盒,根据已知曲线类型,初步确定特征点范围;其次基于协方差矩阵的特征值分析自适应地确定特征点的支撑区域,精确提取特征点;最后采用最小二乘法拟合曲线方程,重建轮廓曲线.对具体的零件进行实验分析,结果表明,采用基于协方差矩阵的轮廓曲线拟合算法实用性强,测量精度高,对在线视觉检测具有重要意义.     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可行性.采用系统法对表面缺陷检测设备进行整体分析,设计出与检测程序相配套的机械设备.