基于机器视觉的跨座式轨道梁晃动量检测方法

研究机器视觉和图像处理与工业计算机组成的系统在工程测量中的应用。对于所获取的轻轨轨道梁二维晃动图像,利用计算机图像处理与机器视觉技术,采用模板匹配的方法,制作特征模板。针对每榀梁的一系列图像序列分别计算匹配模板的重心,比较每张匹配模板的重心值。得出在轻轨运行的垂直方向上的最大Ymax 和最小值Ymix,|Ymax-Ymix|便是轨道梁的晃动幅度值。该方法能准确地给出每榀梁的晃动幅值。     

基于最小二乘支持向量机的机器视觉识别方法

为了解决传统的机器视觉识别技术识别精度低的难题,提出基于粒子群优化最小二乘支持向量机的机器视觉识别方法.首先,对机器视觉采集的图像进行特征提取;然后,利用特征数据建立基于粒子群优化最小二乘支持向量机的识别模型;最后,以红枣缺陷识别作为应用案例以证明该方法的有效性及优越性.分别采用人工神经网络、支持向量机与该方法进行对比...     

机器视觉测量系统在工业在线检测中的应用

机器视觉测量用视觉传感器采集目标图像,通过对图像各种特征量的分析处理,获取被测曲面信息.设计了一机器视觉测量系统,识别一幅图像中是否存在确定大小和形状子图像,若有则识别出它的位置.介绍如何利用“模板匹配”法对目标图像进行识别,并举例如何利用系统检测药片的包装是否合格（有无漏装）.     

机器视觉在轨道交通系统状态检测中的应用综述

城市轨道交通系统主要由弓/网系统、轨道线路、车辆、车站等组成,传统的人工巡检等方法检测效率低、劳动强度大、自动化和智能化程度不高,给城市轨道交通的运营保障和进一步健康发展带来了巨大的挑战.机器视觉作为一种重要的检测手段,在城市轨道交通系统状态检测领域得到了广泛的应用.鉴于此,针对机器视觉在城市轨道交通系统安全状态检测中的研究和应用进行综述.首先,简要介绍城市轨道交通的基本概念和快速发展所面临的挑战与机遇.然后,详细介绍机器视觉技术在城市轨道交通各子系统安全状态检测中的研究与应用情况;针对弓/网系统状态检测问题,分别重点介绍机器视觉在受电弓磨耗检测、受电弓包络线等其他病害检测、接触网几何参数检测、接触网磨耗检测以及接触网悬挂病害检测中的国内外研究现状;在轨道线路安全状态检测方面,分别介绍机器视觉在扣件安全状态检测和钢轨表面病害检测中的应用与研究现状;从不同检测项点角度详细介绍机器视觉在车辆状态检测中的应用与研究进展;梳理和总结机器视觉在车站电扶梯安全监控和站台安全监控的异常行为检测中的具体应用和研究;并重点介绍机器视觉在轨道交通司机行为监测中的具体应用和背景技术.最后,对机器视觉技术应用于城市轨道交通系统状态检测领域的未来进行展望.     

机器视觉感知三维图像中的人体行为识别算法

研究机器视觉感知中的人体行为准确识别问题.机器视觉感知中,采集的信息多为二维平面信息,在合成三维图像感知信息过程中,传统的因式分解合成法运用形状基数量固定,很难表达复杂行为特征,造成行为特征会出现一定的偏差,人体行为识别准确性不高.为了避免上述缺陷,提出了一种新的机器视觉感知中的人体三维行为识别算法.采集人体行为图像,并检测图像的轮廓区域,对检测区间间隙初始划分,通过把三维不定特征在三维空间进行空间映射,完成模糊性的消除,为人体三维行为识别提供数据基础.根据提取的消除模糊性后的人体三维行作为特征分量,对人体三维行为进行识别.实验结果表明,利用这种算法进行人体三维行为识别,能够准确的识别人体的行为,极大地提高了人体行为识别的准确率.     

基于机器视觉的矿车踏面磨耗检测设计

针对矿用轨道车辆传统的人工轮对检测方法的精度低、效率低等问题,设计了一个基于机器视觉的自动检测系统.通过摄像头采集辅助光源照射到轮对上光带的图像,使用Matlab对图像进行处理.算法上根据踏面图像的特征针对细线化方法进行了专门优化,并通过实验确定了轮廓检测的最佳阈值.将处理后的图像与标准图像进行差影比对,使用相机标定的相关参数进行计算得出踏面的磨耗量.实验证明,使用优化后处理算法的系统相比传统算法提高了精度.每个轮对平均检测时间小于2 s,误差小于±0.2 mm,可以快速大量地自动检测轮对踏面的磨损情况,保证了工业现场稳定安全的生产,具有一定的应用意义.     

机器视觉工业检测系统的应用与发展

介绍了机器视觉工业检测系统的发展概况,阐述了机器视觉的研究已经从实验室走向实际应用的发展阶段,业已成为当代计算机技术研究的热点,获得了广泛的工业应用。重点讨论了机器视觉系统在实际工业生产中的应用及工业视觉检测原理、常用图像处理算法等。举例说明了如何利用模板匹配法对目标图像进行识别,从而实现对产品包装的检测。最后,指出在社会高度信息化发展过程中,在人类获取信息中占很大比例的视觉信息处理技术及机器视觉测量系统,将受到人们越来越多的关注。     

基于机器视觉的在线环境监测系统设计

基于图像处理与机器视觉技术,设计了在线环境监测系统.并对该系统基本构成、工作原理以及一些关键图像技术进行了研究,主要包括图像的获取、图像的预处理和图像的特征提取与识别等.该系统的研究能够为工业烟尘污染的预防与控制策略的制定提供依据,有助于环境的保护.     

基于机器视觉的人数识别研究综述

机器视觉技术由于其非破坏性、精度高、速度快等特点,在现在科技发展中已经被广泛地研究和应用,更多地被用到视频监控中。文章对机器视觉人数识别近几年的发展做了详细的论述,主要从个体识别法和群体识别法两大方面进行分析,具体可分为四方面:特征识别法、形状识别法、模型学习识别法和人群密度识别法。根据各种不同识别算法思想的研究,对当前研究方向上亟待解决的问题做出了分析,并对未来人数识别的研究做出展望。     

自动报靶系统研究综述

介绍了一种基于机器视觉的自动报靶系统,该系统利用CCD摄像机不间断地对靶面进行观测,根据采集的靶面图像的特点和变化,利用计算机图像识别技术检测靶面图像中的真实弹点,然后通过弹点在靶面图中的位置来对弹点区域进行编码。在观测过程中,采用图像灰度配准与增强技术、图像的几何配准技术和小波变换等算法来解决由于光照变化、大风等干扰因素对识别精度的影响。在实际应用中,能够达到较高精度,并能大大减少错报和漏报的情况,该系统精度高、成木低、完全可靠,能够很好地应用于部队训练和射击比赛中有着重要的实际意义和良好的应用前景。     

低温型风力发电机叶片缺陷自动检测方法研究

针对人工检测发电机叶片缺陷时存在的检测结果不精准,检测时间较长的问题,以低温型风力发电机为研究对象,设计了一种基于机器视觉的叶片缺陷自动检测方法。在分析叶片缺陷特征及参数的前提下生成叶片缺陷图像,利用数字图像处理技术对叶片缺陷图像进行灰度化与滤波处理,采用通域递归法提取叶片的缺陷特征并构建最优阈值,最后利用机器视觉技术,实现发电机叶片缺陷的自动检测。在MATLAB平台内模拟发电机叶片缺陷的检测过程,结果显示,基于机器视觉的检测方法能够准确检测出发电机叶片表面的擦痕、裂纹等缺陷,较人工检测精准度高26.7%,且检测耗时较短,说明机器检测具备有效性。     

基于DSP的沥青路面裂缝图像处理系统研究

裂缝的检测是公路养护的重要工作之一,在分析沥青路面图像特点的基础上,研究设计了基于DSP的沥青路面裂缝图像处理系统,结合DSP技术给出了解决沥青路面裂缝图像处理系统中DSP图像采集部分问题的方法,完成了对裂缝的面积、周长、类型、长度、平均宽度,裂缝的百分比等主要参数的提取.通过采用该图像采集系统进行的大量野外实验,对在车辆高速行驶状态下采集到的连续图像的效果进行比较分析以及处理,最后结果表明了该图像采集与处理系统设计的可行性和实用性.     

Texture crack detection

Automatic visual inspection has become one of the active research issues in machine vision technology in the past decades. Most of the methodologies developed address the problems of defect detection on a nontextured or regularly textured surface. However, problems in detecting defects on a randomly textured surface, especially cracks, have not received much attention. In this paper, we present a novel algorithm that uses a Wigner model to identify cracks in complex textural backgrounds, regardless of whether the inspected surface is randomly or regularly textured. We also investigate the windowing characteristics of the Wigner distribution and their impact on crack detection. Some of the Brodatz' natural texture images have been used for evaluating the performance of the algorithm. Promising results are obtained and presented in this paper.     

Machine learning approach for automated visual inspection of machine components

Visual inspection on the surface of components is a main application of machine vision. Visual inspection finds its application in identifying defects such as scratches, cracks bubbles and measurement of cutting tool wear and welding quality. Machine learning approach to machine vision helps in automating the design process of machine vision systems. This approach involves image acquisition, preprocessing, feature extraction and classification. Study shows a library of features, and classifiers are available to classify the data. However, only the best combination of them can yield the highest classification accuracy. In this study, images with different known conditions were acquired, preprocessed, and histogram features were extracted. The classification accuracies of C4.5 classifier algorithm and Naïve Bayes algorithm were compared, and results are reported. The study shows that C4.5 algorithm performs better.     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的零件表面瑕疵自动分拣系统设计

针对精密零件表面瑕疵人工检测工作量大且人为误差较大的状况,将计算机视觉技术用于精密零件表面瑕疵检测分析中,并结合嵌入式系统控制分拣机构对零件进行自动分拣。本文设计的一个基于机器视觉的零件表面瑕疵自动分拣系统,采用图像处理及模式匹配的方法,实现了零件表面瑕疵自动分拣。     

嵌入式系统在机器人视觉中的应用

近年来,基于机器视觉的智能机器人在工业等各个领域中得到了广泛的应用。本文针对应用中遇到的一些问题,提出了将机器视觉与嵌入式系统相结合的思想。开发了一种通用的嵌入式系统平台,进行操作系统的移植和图像匹配等算法的研究,并将其应用于移动机器人的视觉导航,取得了较好的效果。     

Electric contacts inspection using machine vision

Machine vision is an excellent tool for inspecting a variety of industrial items such as textiles, printed circuit boards, electric components, labels, integrated circuits (IC), machine tools and fruits. In this paper, we propose machine vision-based inspection system for electric contact (EC), which are popularly used in switches, breakers and relays, and are important components in the electrical industry. The proposed system consists of three sub-systems, which inspect the top, side, and bottom surfaces of electric contact for different types of defects respectively. The system acquires the digital image of three views and classifies the surface defects including cracks, breaks, and scratches. For each view, this study develops different image pre-processing and feature extraction methods to enhance and detect the surface defects. The proposed system was implemented and verified using 229 samples collected from the EC production lines. Experimental results show the proposed system is effective and efficient in identifying EC defects.     

基于机器视觉的插座品质检测方法

针对目前人工成本上升,人眼易出现视觉疲劳导致检测效率低下等问题,本文提出了一种基于机器视觉的插座品质检测方法.主要研究内容如下:1)研究了基于模板匹配的插座机器视觉定位方法.2)研究了基于灰度均值的螺丝缺陷机器视觉检测方法.3)研究了基于灰度标准偏差的插孔缺陷机器视觉检测方法.根据以上检测方法,编写了检测软件,在生产线上进行测试,对插座螺丝和插孔缺陷的识别率达到100%,平均每帧图像处理仅耗时100ms,表明该方法具有准确率高、速度快的优点.     

基于机器视觉的某机座内孔表面缺陷在线检测系统设计

针对某压缩机孔内表面缺陷检测问题,提出了一种基于DM642和机器视觉的检测方法。通过内窥镜获取机座孔内表面图像。在DM642中对图像进行去噪、mean shift分割等处理,识别出缺陷并计算缺陷大小。最后在显示屏上显示出检测结果。通过键盘可以设定工件编号和保存孔内表面图像。