缸盖图像采集系统设计与图像滤波算法研究

针对发动机缸盖缺陷检测领域中表面缺陷在线检测问题,设计了发动机缸盖图像扫描系统,以线阵CCD相机为检测单元获取缸盖表面图像,分析了运动与扫描图像的关系,给出了获取较佳质量图像的机械运动条件;对获取的图像提出一种基于能量最小化改进的中值滤波,并与其他几种滤波器处理图像对比,给出了图像质量评价指标。结果表明:所设计的发动机缸盖图像采集系统运行稳定,改进的算法滤波效果较好,完全能够满足发动机缸盖表面缺陷在线检测要求。     

基于智能相机的箱缺条在线检测系统研究

针对烟草企业对封箱机缺条精确检测的需要,综合目前香烟装箱缺条检测系统主要检测方式的缺陷与不足,提出了基于智能相机的在线检测系统设计的关键技术.系统以工业智能相机为核心,设计并实现了封箱机精密在线视觉检测的软、硬件平台.利用智能相机对视频图像进行采集并结合相应的智能图像处理与模式识别算法,使系统实现精确的缺条在线检测,而且能准确的判断缺陷类型.实际系统证明,基于智能相机的视觉在线系统的扩展和适用性强,应用前景广泛.     

缸盖表面缺陷在线检测系统设计与状态分析

为解决缸盖铸铁件铸造生产中的表面缺陷在线检测问题,基于现场生产环境,设计了基于PMAC运动控制卡的缸盖铸件表面缺陷在线检测系统。分析了采集高质量图像的影响因素,详细研究了缸盖运动速度、曝光时间、光源与相机夹角在图像采集中的影响规律,并对影响参数进行了优化补偿,给出了影响参数值,在线实验表明:该控制系统运行稳定、鲁棒性好、控制精度高,图像采集稳定,能够满足实际工程需要。     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

基于机器视觉的液压部件划痕缺陷检测方法研究

液压部件的划痕是一种影响机械质量的缺陷,针对传统人工检测液压机械部件表面划痕的效率以及覆盖度较为低下的问题,提出了以机器视觉技术的检测方法,面对液压机械部件存在光滑表面反光的情况,设计了包含柔性散射光源和高像素工业相机的先进检测系统来增强图像采集能力,利用双滤波器对划痕缺陷进行在线检测,实验结果表明,该检测方法能够提升液压机械部件划痕缺陷检测的精度和稳定性。     

基于图像处理器的圆锥滚子表面缺陷在线检测系统

研制了一种圆锥滚子表面缺陷在线检测系统。该系统由机械装置和控制系统等组成,机械装置自动完成被测工件的上料、定位、检测、剔除及下料;控制系统由PLC完成工作过程控制,由图像处理器完成缺陷检测的图像处理与判定结果输出。实验结果表明,系统可检测最小直径0.1m(与相机分辨率有关)的表面缺陷,速度为2s/个。该系统检测精度高、测量数度较快,实现了无人在线检测,满足滚子表面缺陷的检测要求。     

基于机器视觉的镍基高温合金表面缺陷检测系统开发

在镍基高温合金棒料表面缺陷检测中，为避免人工目检方法的缺点、提高检测的效率和准确度，设计了一套基于机器视觉的镍基高温合金棒料表面缺陷检测系统。首先，采用工业相机采集棒料表面图像并采用高斯滤波方法进行图像降噪；其次，采用自适应二值化及形态学方法（如膨胀和腐蚀）对图像进行预处理，有效提取缺陷区域；然后，采用Canny边缘检测、轮廓查找等方法，对缺陷区域的边缘轮廓进行精准识别，并得到相应坐标；最后，系统通过与STM32的串口通讯，实现对相机移动和棒料旋转的节拍控制及相机位置和棒料转角的获取，并通过其与缺陷在视场中坐标的整合，最终得到棒料中所有缺陷相对于棒料原点的坐标信息。实验证明，的系统能较为准确地检测得到棒料表面的缺陷坐标信息。     

光学薄膜表面微细缺陷在线检测方法研究

为了对光学薄膜进行精密光学检测,需要采用数个具有高解析度的线阵CCD相机进行光学薄膜缺陷图像的同步采集。基于计算机视觉的理论,提出了一种有效的自动质量监测方案,实现对光学薄膜表面微细缺陷项目的检测,并根据检测结果驱动打标机对光学薄膜缺陷进行自动标识和定位,该方法具有高精度、实时、在线和非接触的显著优势。探索性实验结果表明,采用该方法可获得光学薄膜表面缺陷的清晰图像,缺陷的细节能够得到很好的展现,并且能够完成缺陷特征的提取与识别。     

基于树莓派的齿轮表面缺陷检测系统设计北大核心CSCD

针对齿轮缺陷人工检测错误率高、效率低的问题,研发了基于树莓派的齿轮表面缺陷检测系统。系统以树莓派、工业相机、光电传感器和剔除装置为硬件平台,搭载开发的系统检测软件,完成齿轮表面缺陷检测与剔除任务。通过CCD工业相机在线采集齿轮图像信息,通过提出的基于HSV空间的LBP特征加权融合提取方法提取图像纹理特征,通过VGG16算法对特征进行裂纹、脏污、断齿等缺陷的分类,根据分类信息由树莓派GPIO引脚控制剔除装置去除缺陷齿轮。经过实验验证,系统剔除准确率达到94.50%,平均速度为1 435 ms/次。其硬件设备体积较小、成本较低、便于维护与管理,易于安装与推广至生产线环境。     

机器人立体视觉同步采集技术研究

针对立体对图像采集的同步性问题,提出一种基于DirectShow技术的实时同步采集方法。利用摄像数据流反馈实现左右格式立体对图像的同步采集,构建相应的过滤器图表、过滤器图表管理器,并关联左右两路摄像数据流,实时计算左右摄像图像视差,既满足了帧同步要求又解决了嵌入式方法实现的复杂性。系统试验表明,该方法能够实现双摄像采集的帧同步,不会出现左(右)图像"丢帧或失帧",获取的立体对图像能够满足立体视觉需要。可用于立体场景恢复重建、机器人测距及3D视频获取。     

基于区域筛选分割和随机森林的人造板表面缺陷识别

连续压机生产线的普及使我国人造板企业实现自动化生产,但缺陷检测环节仍依靠人工。缺陷识别是检测的一个重要环节,是根据缺陷的特征值使用分类器对缺陷进行分类的过程。在连续压机生产线以1.5m/s的速度运行,生产线上两块人造板的间距小于0.4m,缺陷识别必须在3s之内完成,且识别正确率要达到95%。为了满足人造板缺陷识别的实时性、准确性的要求,提出基于随机森林(random forest,RF)的分类方法。首先通过区域筛选分割的方法提取缺陷纹理、形状特征;再次利用上述提取出的特征值用CART算法构建RF;最后利用RF分类。本研究证明基于RF算法的分类器用于人造板表面缺陷在线识别的可行性和优势,能够实现人造板表面缺陷的快速、准确识别,满足人造板缺陷在线检测系统的需求。     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

基于机器视觉的轴承套圈检测系统

设计了一套轴承套圈缺陷检测系统,以替代效率低、成本高的人工检测。首先,由线阵相机采集轴承套圈内外表面图像,经过图像扭曲矫正后进行分段处理,结合区域提取方法检测套圈的边缘缺陷;其次,通过对比原图与均值图的差异,快速凸显出表面是否存在缺陷;然后,采用面阵相机采集轴承套圈上下端面图像。通过对图像进行滤波及二值化、相机和镜头的标定、形态学去除内壁和大小径边缘提取等步骤,达到尺寸检测、分类的目的。     

基于计算机视觉的手机U盘缺陷检测系统研究

针对手机U盘加工生产过程中尺寸与偏角存在的缺陷问题,设计并实现了基于计算机视觉和图像处理技术的非接触性自动缺陷检测系统。它使用专用光源与工业相机进行图像采集,经过预处理、边缘检测、Hough变换、参数标定等图像处理步骤测量样品的长度尺寸与偏角。运用该方法对手机U盘样品进行抽样检测,检测结果表明,该方法能有效检测出有缺陷的样品,具有一定的实用价值。     

基于DSP的轴承外观表面缺陷检测系统

针对滚动轴承外观表面缺陷依靠人工检测,提出了一种利用数字图像处理技术实现对滚动轴承外观表面缺陷的在线检测.以TMS320DM643为核心器件建立了实时数字图像处理的硬件系统,通过CCD摄像机获取轴承外观表面的视频图像,利用图像分割等算法对视频图像进行处理,提取轴承外观表面缺陷,实验结果表明,该系统可有效地检测出表面外观有缺陷的滚动轴承.     

轴承标志缺陷检测系统的设计与实现

针对目前国内对轴承标志缺陷在线检测的要求及传统人工检测方法的不足,设计了一套基于TMS320DM642的轴承标志缺陷在线检测系统。该系统硬件平台主要包括视频编解码芯片、可编程逻辑控制器CPLD和核心处理器DSP;软件设计主要有图像采集、图像预处理、标志识别等;现场控制系统则通过PLC进行控制。工业现场检测结果表明,该系统的正确率高达99%,可满足轴承标志缺陷的在线实时检测。     

铜始极片表面缺陷检测系统研究与设计

随着生产和工艺的进步,人们对产品的质量要求越来越高。同时,铜始极片作为有色冶金行业的重要中间产品之一,其表面质量的优劣将影响最终产品的性能和质量。为此,依据缺陷的几何特征和光学特征等,提出了始极片表面缺陷检测系统的设计方案。为了保证铜始极片表面缺陷在线系统的实时性,硬件上采用线阵CCD相机与LED光源结合的图像采集装置。系统软件选用VC++语言进行编写,针对实际的目标图像,通过对其进行图像获取、图像预处理、图像分割和特征提取,从而获得始极片表面缺陷图像的识别信息。     

基于奇异值分解的橡胶密封圈表面缺陷检测方法

为解决橡胶密封圈表面缺陷人工检测效率低,缺陷提取困难等问题,提高橡胶密封圈缺陷在线检测速度及准确率,提出一种基于机器视觉的橡胶密封圈表面缺陷检测方法。该方法采用多相机多线程图像采集模式,采集橡胶密封圈的上下表面不同位置的局部图像;对图像自适应中值滤波后进行边缘增强,并使用高斯差分算子提取轮廓粗边缘,利用Zernike 矩获取亚像素边缘位置;针对边缘存在不连续点问题,使用Ceres库多项式拟合,估计断点位置,并更新所有边缘位置;根据边缘位置寻找出整张图像中橡胶密封圈表面图像区域,并将该环形兴趣区域映射到矩形区域中;将获得的图像进行奇异值分解（SVD）,并通过连通域分析,提取出图像中的奇异区域,即存在缺陷的位置。经实验验证,基于奇异值分解的橡胶圈表面缺陷检测方法鲁棒性好、效率高,可以快速准确地寻找出橡胶密封圈表面缺陷信息。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量，该文引进了机器视觉技术，以某机械生产制造单位为例，设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求，搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置，采集零件表面图像；对采集的原始图像进行均值滤波处理，去除图像中可能对缺陷区域的判别造成干扰的因素与噪声；采用阈值分割的方式，提取并划分机械加工零件表面的微缺陷区域；采用提取图像边缘算子的方法，计算零件表面原始图像与待检测图像之间的像素相关性，通过对零件表面微缺陷灰度性质点的匹配，完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷，还可以检测到具体的缺陷类别。     

机器视觉在网片缺陷检测与分类中的应用

针对网片缺陷传统人工检测方法误检率高、劳动强度大等问题,应用机器视觉技术,提出了一种网片缺陷在线检测及分类方法。首先通过工业相机获取网片图像,应用中值滤波和图像二值化方法实现对网片图像的预处理。通过分析缺陷特征,提出了基于特征点的网片缺陷检测方法,在检测出缺陷的同时能对网片三种缺陷类型进行预分类。根据网片缺陷类型的不同,通过计算缺陷区域的灰度共生矩阵并提取4个特征参数,运用BP神经网络对网片缺陷进行分类。实验表明,使用本方法分类网片缺陷类型能满足工业要求。