基于非负矩阵分解的熔池图像识别方法

为探求视觉传感智能识别焊接缺陷技术，利用电荷耦合器件(CCD)相机采集了熔化极气体保护焊(GMAW)熔池图像，分析了不同工艺条件下熔池动态变化过程及所对应的焊接缺陷，提出利用非负矩阵分解法对熔池图像进行解析，得到熔池图像的特征矩阵。通过最小二乘法计算未知焊接过程测试图像在特征矩阵的投影值，给出了焊接缺陷的自动识别方法。研究结果表明，焊接质量和熔池稳定程度有关联，熔池紊乱表现为熔池轮廓波动、浮渣离散等特点，熔池稳定程度下降伴随着焊接质量的下降，以及焊缝出现缺陷。利用非负矩阵分解法得到的熔池图像特征矩阵，能够对原始图像进行整体性描述(如熔池轮廓)和局部性描述(如浮渣区域、电弧区域等),具有物理可解释性，可用于识别焊接缺陷。     

钢球表面缺陷的机器视觉检测方法

针对钢球表面缺陷的在线检测要求,提出了一种基于机器视觉的钢球表面缺陷轨道自动检测方法。该方法采用6个CCD摄像头,保证摄取到整个钢球的表面;采用自行设计的碗状红色LED圆顶漫射光源,克服了钢球表面易反光的难题,得到了真实清晰的钢球表面图像;并通过图像缺陷识别、球形表面重构等技术,准确地识别出了钢球表面所存在的缺陷。     

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。     

硅电池片自动串焊表面缺陷在线视觉检测研究

针对太阳能硅电池片集成串焊在线表面缺陷检测存在的问题,提出了基于机器视觉的硅电池片串焊质量在线检测方法,包括特征识别与视觉测量两部分。在特征识别阶段,提出了一种改进的区域生长算法,对断栅特征实现高速稳定地检测,对于焊后赃污划痕缺陷,先将感兴趣区域自适应阈值化,再通过不变矩等特征筛选异类缺陷;在视觉测量方面,利用目标图像对称性,通过若干采样矩形对焊带偏移及片间距进行基于像素点的测量。该方法实现了在每个传送节拍获取片间图像,通过边缘定位并将原始图像分割为多个感兴趣区域并完成高速在线检测的目标。研究结果表明:提出的硅电池片焊后视觉检测方法能够在自动串焊生产线的快节拍下精确测量与识别缺陷,并具有较好的鲁棒性。     

基于图像处理的油封缺陷自动检测与分类识别方法

提出一种油封缺陷检测及分类识别方法.依据量化的油封表面质量定性判断精度指标要求,结合生产实际设计并构建油封缺陷在线视觉检测系统.采用伺服电机同步传动旋转机构等分采集油封环带图像,经图像预处理分割出不同检测区域.利用小波变换模极大值图像边缘检测算法实现油封缺陷检测;提取描述缺陷的特征参量并进行主分量选择,通过支持向量机M-ary分类策略对油封缺陷进行分类识别.实验结果表明,系统及方法切实可行,具有实用推广价值.     

基于VisionPro的太阳能电池片定位与缺陷检测系统

太阳能电池片发电具有环保性和高效率性,受到很多国家的青睐。太阳能电池片的焊接目前主要分为人工焊接、单焊和串焊3种方式。该文在电池片串焊机的基础上,基于美国Cognex公司的VisionPro机器视觉开发软件对太阳能电池片定位与缺陷检测系统进行开发。视觉系统基于VisionPro采用C #编程语言,利用VisionPro中的图像工具包来处理图像对电池片进行视觉定位与缺陷检测,并通过与OMRON PLC以及EPSON机器手通信,从而实现太阳能电池片串焊机的全自动化。     

太阳能硅片焊接质量参数在线视觉测量

针对硅电池片高速串焊系统,根据焊接质量参数在线检测的技术指标对视觉测量系统的核心部件进行了选型计算;对视觉测量系统的内部参数进行了标定,完成了畸变校正与像素当量计算;设计了焊后硅片视觉检测流程,研究了图像预处理、图像掩膜ROI提取、改进双阈值Otsu图像分割技术;建立了硅电池片焊带偏移参数测量模型,提出了一种硅电池片焊接质量参数在线视觉测量方法。最后将该在线视觉测量方法应用于某硅电池片高速串焊生产线,其综合检测率和单帧检测时间满足焊接质量在线检测的精度和实时性要求,为提高太阳能电池组件的焊接质量和生产效率打下了良好的技术基础。     

使用形态Haar小波法检测目标感兴趣区域

对图像进行面向自动目标识别(Auto Target Recognition,ATR)的压缩其关键是快速而准确地检测到目标感兴趣区域ROI(Region-of-interest),并将其与背景区域分别进行不同比特率的压缩.本文将形态Haar小波法与数学形态学方法相结合来实现目标ROI的检测,设计了新的目标ROI检测算子.对采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测.仿真实验表明,该方法对目标ROI的检测率最高可达到1.000 0,而最低虚警率仅为0.001 2;对含像素级别为102×102的图像,所需运算时间仅为10-1 s.与传统方法相比,本文算法对目标ROI检测效果好,运算简单,节省了运算时间和硬件资源.     

重轨多曲面轮廓表面视觉成像优化研究

为了获取重轨表面缺陷视觉检测系统中光源的最佳入射角度,保障原始图像的品质,简化图像后续处理,结合了重轨多曲面多平面的表面轮廓特点,推导出了曲面视觉检测中光源对成像的影响,研究了重轨曲面视觉光学传递规律,设计了重轨表面光照角度优化实验,给出了基于图像清晰度的重轨表面图像综合评价方法,并对结果图像进行了综合评价,得出了重轨踏面、轨头底面和轨底顶面的光源入射角度评价曲线。该实验可获得重轨视觉检测系统中光源的最佳入射角度,为检测系统的搭建与光源角度配置提供了理论依据。     

透明件表面缺陷的机器视觉检测综述

随着现代科技的发展,透明件几乎运用于各个行业并起着不可或缺的作用,透明件表面质量是衡量其合格与否的一个重要指标,同时机器视觉技术因具有速度快、精度高、成本低、稳定性好等优点被广泛用于透明件表面缺陷的检测.本文主要从图像采集、图像处理和缺陷识别几个环节来介绍透明件表面缺陷的检测,对检测系统的类型,采集图像的处理方法以及实验数据的整理进行深入的研究,结合图像特征与深度学习方法对透明件表面缺陷进行归类,探讨机器视觉检测透明件技术发展近状及现存问题.进一步,本文阐述了机器视觉检测透明件的最新进展,并对未来可能发展趋势进行预测,为后续研究工作提供基础理论参考.