基于智能视觉系统的饮料瓶缺陷检测技术

研究基于智能机器视觉系统的饮料瓶封装缺陷检测应用技术。根据饮料瓶封装缺陷检测的特点及实际生产要求,提出了一套智能机器视觉系统应用的总体解决方案。对整个系统的结构原理,工作流程以及得个组成部分的功能做了具体的阐述。应用结果表明,使用上述机器视觉系统实现方便,功能强大,取得了良好的应用效果。     

机器视觉技术研究进展及展望

摘 要：机器视觉是建立在计算机视觉理论工程化基础上的一门学科,涉及到光学成像、 视觉信息处理、人工智能以及机电一体化等相关技术。随着我国制造业的转型升级与相关研究 的不断深入,机器视觉技术凭借其精度高、实时性强、自动化与智能化程度高等优点,成为了 提升机器人智能化的重要驱动力之一,并被广泛应用于工业生产、农业以及军事等各个领域。 在广泛查阅相关文献之后,针对近十多年来机器视觉相关技术的发展与应用进行分析与总结, 旨在为研究学者与工程应用人员提供参考。首先,总结了机器视觉技术的发展历程、国内外的 机器视觉发展现状;其次,重点分析了机器视觉系统的核心组成部件、常用视觉处理算法以及 当前主流的机器视觉工业软件;然后,介绍了机器视觉技术在产品瑕疵检测、智能视频监控分 析、自动驾驶与辅助驾驶与医疗影像诊断等 4 个典型领域的应用;最后分析了当前机器视觉技 术所面临的挑战,并对其未来的发展趋势进行了展望,为机器视觉技术的发展和应用推广发挥 积极作用。     

基于智能视觉系统的饮料瓶封装缺陷检测技术

本文介绍了一种基于智能机器视觉系统的饮料瓶封装缺陷检测应用技术。根据饮料瓶封装缺陷检测的特点及实际生产要求,提出了一套应用智能机器视觉系统的总体解决方案。作者对整个系统的结构原理,工作流程以及各个组成部分的功能做了具体的阐述。应用结果表明,上述机器视觉系统实现方便,功能强大,应用效果良好。     

综掘系统视觉处理技术研究现状及发展趋势

机器视觉技术具有非接触测量、获取信息量大、数据处理能力强等优点,将其应用于综掘工作面,对于提高综掘工作效率、保障人员设备安全、减少事故发生具有重要意义。综述了近年来视觉处理技术在煤矿综掘系统中的具体应用与发展情况,依据综掘工作面的任务分工,结合具体实际案例,重点分析了机器视觉技术在视觉检测与定位、安全监测与事故预防、装备自动化与智能化等方面的应用。通过分析不同应用场景中各类视觉检测系统的结构与检测原理,明确了视觉处理技术在综掘工作面工程应用中的技术性能、工作流程及优缺点。分析了视觉技术在综掘工作面应用中存在的挑战,包括环境适应性问题、成像视野范围较窄、智能算法的鲁棒性和可靠性尚待提高等。指出多传感器信息融合技术、设备群协同控制技术与数字孪生驱动远程监控技术是基于机器视觉的煤矿智能化装备体系未来需要重点发展的新方向。     

卷烟条盒包装质量检测机器视觉系统设计

为了避免人眼对产品外观质量检测时,人眼视觉疲劳所产生的产品错检、漏检,提出了基于机器视觉的烟支条盒包装质量检测系统的设计。该系统由光源、相机、图像采集卡和工业控制计算机组成视觉系统处理单元,应用定位配准、边缘检测和斑点分析等图像处理算法完成对产品缺陷的检测。该视觉检测系统已经在烟厂得到了实际应用,对今后开发类似的基于机器视觉的产品外观质量检测系统具有一定的参考价值和指导意义。     

机器视觉技术发展及其工业应用

随着科学技术的进步,为了更深层次的掌握了解机器视觉术在以后的科技发展中及其在工业中的应用,作者针对有关问题展开了一系列的研究和探索,分别从光源技术、摄像机、信号处理和执行机构四个结构详细介绍了目前机器视觉技术的具体应用现状,并根据机器视觉技术分别在自动检测和装配两个层次详细讲解了机器视觉技术目前在工业具体应用中的基本情况。     

机器视觉在铜箔基板疵点在线检测系统中应用

本文介绍了机器视觉在工业在线检测中的应用,并结合其在钢箔基板疵点在线检测系统中的应用实例,给出了该系统的构成及实现。     

基于LabVIEW机器视觉的餐具分拣系统

随着国内工业机器人行业的高速发展,智能装备也开始应用于工程实践项目中。机器视觉作为机器人的眼睛,近年来取得了令人瞩目的发展,正广泛地应用于各种工况监视、成品检验和质量控制领域。系统主要以碗碟餐具的分拣作为研究对象,采用美国NI公司开发的LabVIEW软件作为开发环境,通过调用视觉开发工具包IMAQ Vision及Vision Assistant丰富的专业化控件和函数库,针对碗碟分类的特殊条件,设计出一套方便易用,且同时集成 图像采集、图像处理、视觉检测、决策判断的完整的机器视觉应用系统。基于LabVIEW的机器视觉系统的应用实现了碗碟分拣,解决了实际应用中的一些问题,为进一步的研究开发奠定了较好的基础。该系统的设计大大提高了餐具分类的准确率与效率。     

基于机器视觉的喷涂机器人轨迹规划与涂装质量检测研究综述

随着智能喷涂技术的快速发展,机器视觉在喷涂机器人系统中的研究和应用引起广泛关注,合理的喷涂轨迹能保障油漆厚度均匀、减少漆膜缺陷产生,并且融合涂装质量检测技术形成闭环的喷涂系统.鉴于此,针对机器视觉在喷涂机器人轨迹规划与涂装质量检测中的研究进行综述.首先,对喷涂系统在现代产品制造中的快速发展所面临的机遇、挑战和机器视觉技术进行介绍;然后,综述基于机器视觉技术的喷涂机器人轨迹规划和涂装质量检测的研究成果,对基于机器视觉的喷涂机器人轨迹规划方法,包括待喷涂工件的三维重建、基于点云数据的喷涂轨迹自动规划和基于视觉伺服的喷涂轨迹补偿进行分析和讨论,并重点介绍机器视觉在涂装质量检测中的应用与研究现状,从数据增强和模型选择两个方面,对不同任务中基于深度学习的涂装质量检测算法性能的改善提供潜在解决方案;最后,总结与展望机器视觉技术在喷涂机器人轨迹规划与涂装质量检测中的研究方法和思路,为喷涂系统朝着智能化、柔性化的方向发展提供参考.     

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。     

图像形状匹配及特征识别在铁矿石熔点检测中的应用研究

随着计算机与机器视觉技术在自动化领域的融合日渐成熟,使图像技术在智能化分析方面的应用前景更加开阔。在提出的铁矿石熔点图像式检测的基础上,结合图像识别技术、模糊识别算法,提出了基于多边形拟合填充的图像识别算法,且效果明显。     

基于机器视觉的轨道梁梁面破损状况的检测方法

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梁面二维图像,利用计算机图像处理与机器视觉识别技术,采用K-均值聚类的区域增长算法,对图像进行分割;针对梁面的各类破损类型,对破损情况进行研究.在轨道梁梁面破损状况的检测应用中,该方法能有效识别出轨道表面的破损情况,准确地评估了梁面健康状况.     

计算机视觉技术的发展及应用

计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体,其应用已经涉及到计算几何、计算机图形学、图像处理、机器人学等领域。文中简要地回顾了计算机视觉技术的发展史,主要介绍了计算机视觉中图像处理技术在检测技术方面的应用。利用工业摄像镜头替代目视作为传感器,通过图像采集,图像处理,图像识别等一系列操作,达到在线对包装产品进行标签检测的目的。     

基于机器视觉的成熟番茄自动识别技术

为实现番茄收获机械自动化,提出了利用计算机视觉代替人眼对成熟番茄进行自动识别的方法。首先对番茄图像进行了各种去除噪声方法的比较,提出用HSI颜色系统的H色调分量作为识别的颜色特征参数。利用最大方差自动取阈法及数学形态运算等构成的识别算法对采集的番茄图像进行自动识别,采用Matlab软件平台来构建算法。为验证自动识别方法的可行性,用CCD摄像头组成的图像采集系统对不同光线条件下的番茄图像进行了识别。试验证明,该算法及程序设计能够较快的识别出自然光下的成熟番茄,满足自动收获的需要。     

基于机器视觉和神经网络的烧结质量预测

应用机器视觉和人工神经网络理论提出了对烧结质量在线判断的一种模式识别方法。以某烧结厂为研究背景,分析影响烧结质量的视觉特征,从烧结机机尾摄取断面图像并进行处理,用图像的空间低阶矩描述目标的视觉特征,从而可以选出对分类识别最有效的特征作为人工神经网络的输入,构造改进的BP神经网络分类器,实现在线判断烧结质量,实验证明了该方法有效可行。     

Frame-based system for image interpretation

This paper describes a frame-based computer vision system named FABIUS implemented in Prolog. Advantages of using frames for computer vision are that they are modular and understandable; structural, decomposable objects can be described by part frame hierarchies, and specialization frame hierarchies enable property inheritance and flexible, efficient object classification. Image processing operations, written in C, are triggered as demons when specific slots in a frame are accessed. Prolog provides the problem solving facilities of backtracking and pattern matching. The system is shown to be well suited to rapid development of applications and alternative interpretation strategies, and its operation is illustrated when applied to the task of identifying vehicles in cluttered real-world scenes.     

基于机器视觉的材料力学性能全场测量方法

随着机器视觉测量技术的不断发展，在材料力学性能测量方面，机器视觉领域内的多种方法均表现出很好的应用效果。叙述了机器视觉技术在力学性能中全场光学测量方法，着重介绍了基于机器视觉的视频引伸计、数字图像相关和散斑干涉等技术进展及应用。对机器视觉在力学性能全场测量的技术研究与应用进行了总结，并展望了未来的发展趋势。     

计算机视觉技术在发动机缺陷检测系统中的应用

利用计算机视觉技术及相应的机械伺服系统,对汽车发动机缸孔表面缺陷进行检测,其主要解决的问题是：二值化图像阈值的选取,图像的分段检测,和缺陷的数据处理。针对以上的问题,采用最佳阈值分割法将图像二值化,并通过摄像机标定求取摄像机各参数,进而推导出标定缺陷实际面积的公式。实验结果证明此方法克服了传统检测方法的不足,是一种准确性和自动化程度较高的检测方法。     

Gender Recognition Based on Computer Vision System

Detecting human gender from complex background, illumination variations and objects under computer vision system is very difficult but important for an adaptive information service. In this paper, a preliminary design and some experimental results of gender recognition will be presented from the walking movement that utilizes the gait-energy image (GEI) with denoised energy image (DEI) pre-processing as a machine learning support vector machine (SVM) classifier to train and extract its characteristics. The results show that the proposed method can adopt some characteristic values and the accuracy can reach up to 100% gender recognition rate under combining the horizontal added vertical feature and using a normal image size and test data when people are walking at a fixed angle. Meanwhile, it will be able to achieve over 80% rate within some allowed fault-tolerant angle range.     

Common-sense reasoning for human action recognition

This paper presents a novel method that leverages reasoning capabilities in a computer vision system dedicated to human action recognition. The proposed methodology is decomposed into two stages. First, a machine learning based algorithm – known as bag of words – gives a first estimate of action classification from video sequences, by performing an image feature analysis. Those results are afterward passed to a common-sense reasoning system, which analyses, selects and corrects the initial estimation yielded by the machine learning algorithm. This second stage resorts to the knowledge implicit in the rationality that motivates human behaviour. Experiments are performed in realistic conditions, where poor recognition rates by the machine learning techniques are significantly improved by the second stage in which common-sense knowledge and reasoning capabilities have been leveraged. This demonstrates the value of integrating common-sense capabilities into a computer vision pipeline.