微小车床刀具磨损检测方法

设计了微小型刀具磨损在位检测装置。基于机器视觉技术,结合微型刀具的几何特征,搭建微刀具刀尖磨损面积检测系统。在磨损刀具单张图像中,基于Facet模型提取刀具亚像素边缘,拟合刀具的主副切削刃,计算刀尖圆弧及未磨损边界,实现刀尖磨损面积测量。用图像作差法对算法进行验证,其检测精度为±1．51×10^-4mm^2。最后,通过测量硬质合金刀具切削45号钢时刃尖磨损面积,为微小车床刀具磨损机理的进一步研究奠定了基础。     

基于Halcon的IC测试探针表面质量的机器视觉检测系统

IC测试是集成电路生产中的重要工序,探针表面诸如划痕、凹坑等缺陷对性能测试结果影响大.文章研究了IC探针表面质量的机器视觉检测方法,讨论了灰度变换、均值滤波、区域连通、图像分割等缺陷图像处理和形状识别方法,建立了相应的探针表面质量检测系统,并基于机器视觉软件Halcon开发了探针表面质量检测系统软件.实验表明:开发的检测系统可对直径0.3~0.6 mm的IC测试探针表面质量进行快速检测评估,且系统的稳定性好、检测精度高,能有效缩短检测时间和减少检测成本.     

基于双目视觉的L型板几何参数测量研究

机器视觉在智能制造领域应用越来越广。文章提出一种基于双目视觉模型对L型板几何参数测量的方法。首先对双目相机标定,获取内外参数,然后对比边缘检测算法,采用Sobel算法对L型板图像进行处理,最后基于三角测量原理提取工件特征点的三维坐标,计算出L型板的几何参数。实验表明,该算法测量误差低,能够满足实际需求。     

图像数据处理中极大误差点剔除方法分析

针对机器视觉测量中图像数据处理时海量数据处理和剔除误差点等问题,提出了一套合理、有效的误差点剔除方法。构建了一个基于机器视觉的精密检测平台,并根据测量中的目标边缘,针对最小二乘直线拟合和圆弧拟合算法进行了实验分析,得到了测量系统的测量精度:尺寸测量精度约为5μ,角度精度约为2'。在很大程度上提高了视觉测量系统的测量精度与测量效率,是机器视觉在精密检测中的一次成功应用。     

一种基于视觉预注意机制的选择性成像机器视觉系统

在大背景中微小目标的视觉检测中,传统的机器视觉系统按照预先设定的采样频率与固定的分辨率采集和处理图像,存在大量的冗余数据。为了有效去除冗余数据,基于人类视觉预注意机制设计了一种选择性成像机器视觉系统,将视觉处理过程划分为并行的预注意初级处理阶段与串行的高级处理阶段;同时模仿人类视觉注意机制,提出了一种基于视觉熵的视觉预注意算法;系统并行地获取并判断图像是否可疑,然后仅将少量可疑图像传送至主机串行的进行精细目标识别。试验结果表明,本系统显著地减少了图像处理的数据量,可疑图像识别算法快速有效,提高了系统检测效率和精度。为大背景中微小目标的机器视觉检测提供了一条新途径。     

快速Curvelet变换在实时机器视觉系统中的应用

机器视觉系统已成为现代工业生产生活中重要环节之一,为使机器视觉系统在螺钉自动分选机工作过程中能够达到稳定、实时地监测螺钉的头径、头杆等几何参数,该文应用Curvelet变换增强图像边缘以及检测稳定性,减少裂纹及划痕对边缘提取的影响,并使用MMX、SSE指令和IPP函数进行优化处理以提高图像处理速度。经实验验证,螺钉自动分选机机器视觉系统在工业应用中的图像处理速度可达25 ms/帧、重复精度为8 μm,达到了稳定、实时监测几何参数的要求。     

离线彩色套印误差检测系统

为了实现彩色印刷套印误差的检测,提出了基于计算机视觉的检测方法,并设计了检测算法.应用CCD采集印版测量标识的图像,在HSI色彩空间中,通过色调统计特征进行套准识别,并通过色调和亮度对彩色图像进行阈值分割,对分割后的图像采用色调投影积分方法快速获取测量标识的坐标参数,实现彩色套印误差的检测.实验表明,该系统能快速准确地检测出套印误差参数,并已经用于北人集团印刷机套印精度的检测.     

介观尺度铣削刀具偏心参数在位识别方法

介观尺度铣削加工中,由制造误差和装夹误差所引起的刀具偏心对于铣削力、表面形貌、刀具寿命等影响很大。本文在分析刀具偏心参数对介观尺度实际切削半径影响的基础上,提出了一种介观尺度铣削刀具偏心参数在位识别方法。推导出耦合刀具偏心参数的切削齿实际切削半径计算公式,分析了刀具偏心参数对刀具实际切削半径的影响。在此基础上,建立了刀具偏心参数解析模型,并通过位移测量获得了模型参数。采用迭代算法对刀具偏心参数进行了解析识别,并通过实验验证了刀具偏心参数识别结果。结果表明:基于位移测量的刀具偏心量在位识别方法操作简便,识别分辨率和效率较高,同时可应用于常规尺度铣削刀具偏心参数的识别。     

基于迭代法和连通域的储粮图像粮虫分割算法

提出了一种迭代法与连通域相结合的粮虫分割算法,以实现机器视觉在线检测储粮粮虫系统中储粮图像粮虫的分割.该算法先运用迭代法对粮样图像进行预分割;然后用连通域和粮虫图样的面积作为判别依据将图像进一步分割.算法中以单个粮虫形态阈值平均值作为迭代法的迭代处理,大大加快了算法收敛速度;而连通域方法的运用,有效弥补了迭代法在图像分割中的不足.     

基于机器视觉的条形码识读

基于机器视觉的条码自动识别技术,利用视觉系统得到条码的图像,通过几何变换、滤波去噪、阈值处理等有效的图像处理和快速模式识别方法,实现了流水线物品条码的快速、精确识读与检测。     

采用结构光的大跨度销孔加工精度在线测量

设计采用十字线结构光的双相机视觉测量系统,构建由2个高精度工业相机、2个十字激光器和环形光源等组成的图像采集装置. 在传动箱加工现场获取端面销孔图像,提取图像感兴趣区域(ROI),采用双边滤波进行降噪预处理、二值化和边缘检测;基于改进方向模板法提取2个十字线结构光的中心线. 依据测量系统的设计原理分别测出2个销孔的孔径及其位置度. 结果表明：对于孔径,机器视觉在线测量装置与电子塞规的测量结果的偏差平均值为0.001 mm;对于孔组位置度,机器视觉在线测量装置与三坐标测量仪的测量结果的最大偏差为0.02 mm. 这表明机器视觉在线测量装置能满足加工精度要求和在线实时测量需求.     

基于计算机视觉的纤维带铺放间隙检测研究

研究了基于纤维带在某一铺放角度（0°～90°）下的间隙检测系统,采用PC高速图像采集卡的计算机视觉技术实现检测。在检测过程中,用CCD／CMOS相机＋图像采集卡的方法实现实时图像序列采集。并研究了间隙检测系统的硬件设计,提出了设计测量软件的思想、图像处理的步骤和一种简单易行的间隙检测算法,通过视觉软件检测验证了铺放缺陷可采用视觉完成检测。为了提高系统的整体性能,可采用ARM或DSP来代替PC机,同时可以改进图像识别算法,提高纤维带边缘识别的精确度、准确率和实时性。     

滚珠螺母的机器视觉检测

提出了基于机器视觉检测技术的滚珠丝杠副螺母的非接触测量方法。将用A102FCCD数字摄像头采集的图像经过IEEE1394数字接口卡传输到计算机。对原始数字图像实施预处理、二值化、轮廓提取及细化等处理后,将图像信息转变成宏观图形信息。在尺寸测量时,借助于图像处理中提取的边界,使用自编程序测量和计算螺母的螺距、珠心径、球面度误差、圆柱度误差及滚道锥度,其测量误差分别为0.001、0.023、0.010、0.016及0.006 mm。分析了误差产生的原因,指出光学误差是影响测量精度的主要因素。测量结果满足产品的技术要求。理论分析及实验结果表明了该方法正确可行。     

利用图像处理技术测量丝杠螺距的机器视觉系统

为解决接触式测量方式损伤工件以及测量设备造价昂贵的问题, 设计一种基于机器视觉的低成本、高精度的丝杠螺距测量系统。该系统依靠MATLAB平台搭建, 由图像采集系统、机械系统、步进控制系统、图像和数据处理4个子系统构成。利用亚像素图像拼接算法拼接丝杠子图像从而获得完整的丝杠图像, 通过图像增强、降噪等预处理方法改善图像质量, 采用形态学边缘提取和亚像素边缘定位的组合算法精确提取丝杠边缘, 并由数据处理程序自动测量螺距误差。试验结果表明, 机器视觉系统和标准仪器(JCS-040A)对3种型号滚珠丝杠螺距测量结果的相对误差分别不超过0.04%、0.06%、0.09%, 该方法应用于丝杠工业测量中的可行性得以验证。     

一种基于视觉测量技术的复杂工件检测系统

针对金属工件具有强反射性和工件形状复杂的特点,设计了一种基于视觉测量技术的复杂工件二维检测系统。采用一种改进的基于灰度矩的亚像素边缘定位算法对边缘进行了精确定位,随后根据边缘点数据拟合出圆心与直线,最终求出工件的各个尺寸参数。测量尺寸参数误差小于0．03mm,重复性误差±30σ±4．5μm,实验结果表明,系统具有实时、非接触、速度快、精度高以及抗干扰能力强等优点,可以满足复杂工件尺寸检测的需要。     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

基于机器视觉的钢珠直径测量系统设计

为提高中小企业钢珠直径检测效率、降低资本投入,提出一种基于机器视觉的钢珠直径测量方法。给出了系统的工作原理,对核心硬件进行了选型设计,搭建了实验平台。设计的系统用于测量直径为6mm和8mm的钢珠时,其标准差均小于等于0.007mm,重复性精度接近0.023mm;测量直径为6～8mm不同尺寸的钢珠时,系统的线性度理想。实验结果表明：该系统可以对钢珠精度等级在G100级及以下的钢珠进行高精度、非接触式检测。     

基于CCD的轴径检测方法

给出了一种CCD相机标定与亚像素边缘检测相结合的轴径测量方法。该方法在修改了张正友标定方法中的畸变模型的基础上,利用专门设计的夹具夹持标定板进行CCD相机的外部参数标定,有效地保证了被测轴的夹持状态与标定的外部参数一致。使用拟合形式的亚像素边缘检测算法确定轴的两条边缘的位置,同时给出了利用伪直径确定真实轴径的函数关系式。通过与精密量具的测量结果对比,当轴径的基准尺寸在35～75mm时,该方法测量的平均误差为0.02mm。     

高斯滤波算法在缺陷视觉检测中的应用研究

机器视觉中的缺陷检测是个难点。图像的滤波处理通常是为了消除噪声干扰,处理的原则是保留大部分有效信号,抑制少数的异常信号。在机器视觉的缺陷检测时,需要提取图像中的每一个异常信号,忽略大部分正常图像信号,与图像的滤波处理正好相反。在大量实践基础上,本文总结出了一套基于高斯滤波算法的缺陷检测方法,特别适合细微缺陷的检测。该方法已经投入应用,在应用过程中取得了良好的效果。