基于机器视觉的晶粒度面积法自动评级

根据国标中晶粒度的定义提出进行晶粒度测量自动评级方法,论述了该方法中应用计算机图像处理技术进行图像尺寸标定、二值化变换、消除噪声、提取晶界和计算晶粒个数,最终计算晶粒度评级参数等过程的算法及实现.提取单像素晶界可解决不同晶粒晶界共用计数难问题;利用链码计算晶粒个数可通过限制链长在计数的同时把第二相、杂质等去除.该评级方法可以避免晶粒度测量评级中人为因素的影响,速度快,精确性高.对于非均匀等轴晶的评级比其他方法如截线法、截圆法等具有更好的适用性.     

光编码传感技术在埋弧焊焊缝检测中的应用

提出了一种基于光编码技术深度传感器的埋弧焊焊缝检测方法,提高了埋弧焊焊缝的检测速度与准确度以及抗干扰能力。通过对埋弧焊焊缝空间特征以及深度传感器采集的图像数据分析,确定深度图像中深度值最大的点即为焊缝中心处。根据这一特征给出了确定埋弧焊焊缝中心的一种快速算法,计算寻找图像中每行像素深度值最大的点,并根据这些点来确定焊缝的中心位置。这种检测方法对图像预处理要求低,计算速度快并且对光源无要求。试验表明:该方法准确、快速、稳定并且抗干扰能力强。     

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。     

辅助视觉下升降机平台人数超载智能检测方法（英文）

针对当前的升降机平台人数超载检测以人工为主,存在人为因素干扰、弊端较为明显的情况,提出一种基于计算机视觉图像的升降机平台人数统计方法。利用离散小波变换算法对采集的升降机平台图像进行去噪处理,通过高斯曲线拟合的方法进行人员头部图像特征提取,再根据人员头部与背景轮廓区域灰度值的变化是连续性的、工人轮廓与背景轮廓的纹理特征有差异性、工人轮廓边缘像素的灰度值存在梯度变化这3大特征,对人员头部进行分割,根据分割结果对人员特征区域进行标记和计数。结果表明:利用该方法能够准确地对升降机平台上的人数进行统计,误差低于5%,符合实际应用需求。     

辅助视觉下升降机平台人数超载智能检测方法

针对当前的升降机平台人数超载检测以人工为主，存在人为因素干扰、弊端较为明显的情况，提出一种基于计算机视觉图像的升降机平台人数统计方法。利用离散小波变换算法对采集的升降机平台图像进行去噪处理，通过高斯曲线拟合的方法进行人员头部图像特征提取，再根据人员头部与背景轮廓区域灰度值的变化是连续性的、工人轮廓与背景轮廓的纹理特征有差异性、工人轮廓边缘像素的灰度值存在梯度变化这3大特征，对人员头部进行分割，根据分割结果对人员特征区域进行标记和计数。结果表明：利用该方法能够准确地对升降机平台上的人数进行统计，误差低于5%，符合实际应用需求。     

基于OpenCV的圆形标记点的提取

文章提出了一种基于OpenCV的圆形标记点的提取方法,通过对图像进行平滑处理、边缘检测、轮廓查找、几何约束以及椭圆拟合,实现圆形标记点的提取,求出中心坐标.该方法主要应用于多视点云拼接以及其他有关圆形物体识别的场合.实验结果证明,该方法能快速有效的提取圆形标记点.     

基于机器视觉的大型球墨铸铁管直径测量系统

为了提高大型球墨铸铁管的直径测量精度和效率,建立了一种基于机器视觉的大型球墨铸铁管直径测量系统,分析图像特点,提出了一种基于邻域灰度值差异的边缘检测方法。检测系统是由一台CCD相机、LED光源和计算机组成的机器视觉测量系统。CCD相机采集图像,对图像进行图像滤波、图像分割、图像边缘检测和图像亚像素边缘检测的处理后,提取管材的边缘轮廓,利用最小二乘法将管材两边缘点拟合为两直线,根据相机成像的小孔成像原理和圆柱物体的成像特性计算管材直径,建立了相应的数学模型。实验证明,本系统可以精确、高效的实时检测管的直径大小,测量误差小于0.1 mm,符合实际测量的需要,具有很高的实用价值。     

基于主成分分析法的X射线焊缝缺陷图像增强与分割算法

为提高X射线图像缺陷自动识别的能力与图像分割的效果,提出了一种基于主成分分析法的X射线焊缝缺陷图像增强与分割算法。该算法首先通过计算图像的协方差矩阵特征值与其对应的特征向量,并根据特征向量分布,选择感兴趣区域即图像中的焊缝部分,从而减少图像处理的计算量;其次通过分析特征值累计百分比和试验结果,筛选出最佳的特征向量,对图像进行基于主成分的重构;最后采用Otsu阈值分割法,对重构后的图像进行分割。试验结果表明,该算法在对比度低、噪声严重的X射线缺陷图像分割中有很好的应用效果。     

基于OpenCV的移动焊接机器人视觉系统自主标定方法

标定工作是实现机器人视觉计算的前提.根据移动焊接机器人工作场合的特殊性,基于OpenCV,提出一套针对手眼双目视觉系统的自主标定方法.自动提取角点,自主筛选有效标定图像序列,由亚像素角点提取结果求取相机内参数,由同时刻获取的标定图像对估算双目间几何矩阵,由标定板面在摄像机坐标系下位姿矩阵改变量间接求取摄像机运动矩阵,用最小二乘法快速计算出手眼关系.标定试验结果表明,相对于传统的Matlab标定工具箱,该方法能够满足用于机器人焊接的视觉系统所需标定精度,同时因无人为参与可很大程度地提高移动焊接机器人的自主性.     

焊缝磁粉检测图像自动分拣系统的设计与应用

定期对球罐等承压设备的焊缝进行磁粉检测是保障其安全的重要措施,发展基于爬壁机器人的磁粉检测系统是球罐自动检测作业的重要方向。爬壁检测机器人携带有视觉传感器,可实时采集磁粉检测结果。故,磁粉检测图像的快速自动缺陷分析是实现爬壁检测机器人的重要研究基础。通过图像像素分析法,对视觉传感器收集的实时图像进行自动识别,并将图像快速自动分拣归类到无缺陷、有缺陷及可疑图像等3个文件夹,以协助磁粉检测人员快速识别焊缝缺陷。     

基于线结构光的管棒材捆缝与捆丝识别方法研究

特钢管棒材精整过程需要对其进行打捆和拆捆操作,而人工拆捆工作环境差、强度高。针对拆捆过程捆缝状态和捆丝识别这一难题,提出一种基于线结构光的管棒材捆缝与捆丝识别方法。提出一种基于图像各亮度值像素数量的二值化阈值算法,通过计算满足亮度的像素点数量得到二值化阈值,以减弱环境光照影响;针对单张图片视野无法确定最大捆缝位置的问题,提出一种基于圆弧顶点和端点特征的激光图像拼接算法;最后,提出一种基于霍夫变换和连通域分析的捆丝数量和状态识别算法,实现对生产现场不同规格管棒材捆丝特征的精确识别。实验结果表明：提出的二值化阈值算法相较传统算法对激光条纹的识别率更高,且速度提升17%;最大捆缝和捆丝识别算法的检测误差小于3 mm,完全满足实际生产需要。     

基于尺度不变特征变换的无砟轨道板钢筋检测

为实现高速铁路无砟轨道板的钢筋自动检测识别和计数功能,通过系统地对比分析高速铁路无砟轨道板的结构和主要病害类型及其原因,以及对应无损检测方法的优缺点,采用探地雷达法无疑是一种很好的方法。基于探地雷达图像,进行了无砟轨道板的钢筋检测和计数研究,采用尺度不变特征变换(SITF)算法提取和建立了特征点,并优化去除了重复和错误匹配特征点,同时结合模板匹配的方法实现了钢筋自动检测和数目计数判断功能,为后续的进一步缺陷自动检测识别工作奠定了良好的基础。     

表面组装印刷电路板上焊点信息的自动获取

在表面组装技术（SMT）中,焊点信息数据是实现部分再流焊过程自动化基础。本文介绍了表面组装印刷电路板（SMT＿PCB）图像的处理方法和SMT＿PCB上焊点类型、位置信息数据的自动获取技术。本文中,SMT＿PCB图像的处理包括去噪声处理、二值化和目标修饰处理。根据对SMT＿PCB图像的分析,提出了SMT＿PCB图像高频噪声判断模板和算子,通过采用噪声判断模板和算子先判断高频噪声再用均值滤波的方法成功地去除了高频噪声。对图像中的低频噪声,基于对图像中目标与背景灰度值特点的分析,提出了改进的差分去噪声模板。采用最大方差阈值方法得到合适的阈值对图像实现了分割。对已分割得到的二值化图像,提出了目标图像修饰算子,并对图像中的焊点图像进行了修饰。根据对处理后焊点图像特点的分析,提出以不同类型焊点为模板,通过模板匹配方法实现焊点位置数据的自动获取。     

Multiple layer separation and visualisation of inductively scanned images of reinforcing bars in concrete using a polynomial-based separation algorithm

Inductive scanning systems that exploit eddy current effects for imaging steel reinforcing bar mesh within concrete have been developed and reported by the authors in several publications. Images generated in this manner depict the different horizontal and vertical layers of the mesh within a single, 2D plane. Deeper bars appear as much fainter structures than those closer to the surface for two reasons: first, the signals they generate are weaker, and second, the image is linearly normalised with respect to the much stronger signals returned from the upper bars. This makes depth and dimensional analysis of deeper bars a severe problem. Below we describe a new suite of image processing algorithms that enables the original composite image to be visualised as separate, multiple images representing the various bar layers. This technique is termed polynomial-based layer separation (PBLS). The method also makes it possible to perform brightness-compensation of the lower bars and is a precursor to analysis that allows measurement of the diameters, orientations and depths of the bars. This information is critical for civil structures inspection teams. Knowing the spatial location of the bar peak widths in one layer, curve fitting is applied to calculate the baselines of the bars in other layers of the image. For a two-layer image, the peaks in the lower layer are removed leaving an image of the top bars, and vice versa for the bottom bars. Images of steel bar mesh processed using this PBLS system offer significant enhancements to the qualitative and quantitative properties of the original image data, and in tests described below, is significantly more robust than comparable methods of image segmentation.     

基于多特征点匹配的管道焊缝图像拼接方法

为解决由于曲面光照不均而导致的获取管道焊缝图像亮度差异较大、特征不清晰等问题,提出一种快速稳定的焊缝图像拼接方法。基于传统加速稳健特征(SURF)的图像拼接算法,在特征描述环节,用局部差异二值(LDB)描述子描述特征点区域,相较于传统描述子降低了特征维度;结合LDB描述子,构建特征点与相邻特征点的约束信息,利用局部结构信息进行多特征点同时匹配代替单一特征点匹配方法,提高匹配稳定性。试验结果表明:该方法有效提高了管道焊缝图像拼接的快速性和成功率,拼接效率约是SURF算法的1.8倍,拼接成功率约是SURF算法的1.3倍。该方法在其他图像拼接领域也具有一定应用价值。     

Study on the image processing of laser vision seam tracking system

Seam image processing is the basis of the realization of automatic laser vision seam tracking system,and it has become one of the important research directions.Adding windows processing,gray processing,fast median filtering,binary processing and image edge extraction are used to pretreat the seam image.In the post-processing of seam image,the feature points of the target image are successfully detected by using center line extraction and feature points detection algorithm based on slope analysis.The whole processing time is less than 150 ms,and the real-time processing of seam image can be implemented.     

基于归一化图像奇异值分解的焊接目标自动识别

提出了一种归一化图像矩阵奇异值分解来实现焊接目标的自动识别.为消除奇异值对图像方位和比例的依赖,首先采用图像的二阶矩确定出焊接目标的主轴方向和长度,然后将目标图像坐标旋转到主轴方向,并按主轴长度进行尺寸归一化处理后再进行奇异值分解,这样获得的图像奇异值将保持不变,可以用作焊接目标识别的特征匹配.采用传统的直接奇异值分解和归一化奇异值分解对不同角度不同比例的平板焊件图像进行了对比识别试验,同时还研究了图像灰度改变对奇异值的影响.结果表明,归一化奇异值分解对目标图像的平移、旋转、比例和灰度变化表现了良好的稳定性,能够用于焊接目标的自动识别.     

Method of weld recognition based on textural feature matching

In this paper an automatic visual method of seam recognizing and seam tracking based on textural feature matching was proposed,in order to recognize the weld of multi-layer or multi-pass welding in which the weld is difficult to be recognized by conventional visual methods.This method focuses on the obvious difference of image textural feature between the weld region and the base metal region,as well as the similarity of the textural features along the welding direction.The method consists of the following steps: setting image template and choosing the edge region as ROI (region of interest),extracting the image textural feature of the template and the edge region,feature matching,and recognition of weld region.Experiment showed that the method proposed was effective for weld seam recognition in multi-layer welding.     

基于数字图像技术的WC-Co硬质合金横向断裂强度预测

应用数字图像处理技术和MATLAB图像处理工具,对WC-Co硬质合金的WC骨架进行提取,建立微观结构模型并进行有限元分析。依据灰度直方图选取阈值101进行图像二值化处理,选取5×5像素的方形模块对图片进行中值滤波,应用Sobel边缘检测算法得到了与原始数字图片相近的图形边界,经修正和矢量化处理,得到微观结构模型。将微观结构模型导入商业软件ABAQUS建立有限元分析模型,对模型的三点弯曲过程进行数值模拟。计算结果表明:模拟值与实验值吻合较好,可以对硬质合金横向断裂强度作出有效的预测。