基于骨架特征的曲轴快速辨识方法研究

智能制造中,实现CNC集成视觉检测的难点是实时性和准确性。面向复杂的曲轴类工件,提出了一种基于骨架特征的曲轴快速辨识方法;首先结合改进的FDMA算法和改进的不变矩算法,给出了曲轴图像骨架化以及曲轴骨架特征描述方法;然后采用支持向量机,实现曲轴种类辨识;最后,提出了CNC集成CCD快速辨识系统的方案及工作原理。实验验证结果表明:基于骨架特征的辨识方法计算量小,辨识速度快,辨识精度高,适用于拓扑结构相差较大的工件辨识。     

融合引导锚框算法的Faster-RCNN缺陷检测

针对传统零件表面缺陷检测方法准确性差效率低,无法满足智能制造需求的问题,提出基于Faster-RCNN深度学习算法的缺陷检测方法。在Faster-RCNN基本算法的基础上,引入引导锚框算法生成anchor方案,解决算法中anchor方案对本次检测的缺陷目标缺乏针对性、产生大量的冗余区域建议窗口的问题,以提高检测的准确性和效率;通过对比非极大值抑制中不同的IOU阈值对检测结果的影响,确定最优的IOU阈值,并设计零件缺陷样本采集方案,建立三种零件缺陷数据集,在此基础上对方法的有效性进行试验验证。实验结果表明,该方法能够大幅度提高零件表面缺陷检测的准确性和效率,各缺陷检测结果的平均精度可达97.7%以上,平均检测速度达到4.3 fps,满足了智能制造的急迫需求。     

基于条件数的摄像机自标定方法的鲁棒性分析

对基于绝对二次曲线和基于绝对二次曲面的两类摄像机自标定方法的鲁棒性进行了分析,并从矩阵条件数出发,通过大量仿真实验对两类方法进行了定量比较．实验结果表明, 基于绝对二次曲线的摄像机自标定方法的系数矩阵的条件数一般小于基于绝对二次曲面方法的系数矩阵的条件数．另外,当常数因子有误差时,基于绝对二次曲面方法的系数矩阵条件数的变化一般比基于绝对二次曲线方法系数矩阵条件数的变化更剧烈．上述二点表明,基于绝对二次曲线的自标定方法的鲁棒性一般要优于基于绝对二次曲面的自标定方法．上述结论与文献中的一些实验观察正好相佐．     

两种3维重建方法的比较

对基于本质矩阵和基于绝对二次曲面的两种重建方法进行了比较研究,仿真实验和真实图像实验结果表明,尽管基于绝对二次曲面的重建方法比较抽象,很多人对这种方法不太熟悉,但是该方法无论是在重建精度还是鲁棒性方面都优于基于本质矩阵的重建方法,这一发现对实际应用有非常重要的指导作用.     

基于Faster R-CNN的零件表面缺陷检测算法

针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类算法生成anchor对检测结果的影响,提出了基于聚类生成anchor方案的Faster R-CNN的零件表面缺陷检测算法,并引入多级ROI池化层结构,减少ROI池化过程中取整带来的偏差,实现高效并准确检测零件表面缺陷的目的.通过设计缺陷图像数据采集方案,建立了3种缺陷零件数据集,并验证了算法的性能.实验结果表明,该算法将缺陷检测的均值平均精度mAP从原算法的54.7%提高到97.9%,检测速度最快达到4.9 fps,能够满足智能制造的生产需求.     

自适应遗传算法在直线电机进给系统伺服参数优化中的应用研究

针对传统经验方法难以得到合理的直线电机进给伺服系统控制参数,提出一种改进的自适应遗传算法对直线电机伺服系统五个控制参数进行同步优化。在分析直线电机进给系统控制原理的基础上,采用实数编码对控制参数进行编码生成种群,根据控制需求确定了由误差积分项、超调量惩罚项、稳定时间项组成的适应度函数,为加快遗传算法的收敛速度、防止算法进入局部收敛,采用非线性变化的自适应交叉率和变异率对算法进行改进。仿真结果显示,改进的自适应遗传算法在保证系统无超调的情况下使稳定时间达到4.1 ms,优于"三环参数整定法"的39 ms和传统遗传算法的5.9ms,相比于三环参数整定法系统达到稳态所需要的时间减少了89.4%;采用改进的自适应遗传算法后正弦信号的平均相对跟随误差绝对值为24.70%,优于"三环参数整定法"和传统遗传算法的51.02%和24.77%。因此,改进的自适应遗传算法在解决直线电机伺服系统多控制参数同步优化问题时,性能优于"三环参数整定法"和传统遗传算法。     

视觉测量误差的研究与讨论

通过模拟实验研究发现,测量误差随着标定参照物与摄像机之间距离的增大,及标定参照物与被测量平面间距离的减小,呈现出先增加后减小的趋势,而在标定参照物靠近摄像机时的误差最小．研究还发现,在被测平面到摄像机的距离保持不变时,被测区域越大,测量误差越大．     

多特征融合的目标识别与提取在空间定位中的研究

提出了一种多特征融合的概念，应用颜色和形状信息以及一系列的策略实现了特征目标的识别与提取，并采用随机Hough变换技术对几何基元进行了准确的提取定位。该方法应用在交通事故的定位中得到了良好的效果。     

单幅图像测量的一种新方法

本文方法表明,由一空间平面(参考平面)与其图像间的单应性矩阵(Homography)不仅 此参考平面上的距离可以测量,而且可以测量与此参考平面垂直的平面上的距离.同时,分别位 于两平面上的点间的距离也可以测量.这样就可以得到关于场景的更多的几何信息,此结果是在 前人的基础上又向前跨了一步.另外,本文提出一种新的基于平面单应性矩阵的摄像机标定方 法.模拟和真实图像试验均表明本文方法是可行的,并得到了令人满意的结果.     

基于RF-SVM的发动机缸体孔组加工质量分级监控

为实时动态监控发动机缸体顶面孔组的加工质量,提出基于随机森林(random forest,RF)和支持向量机(support vector machine,SVM)相结合的工序节点处加工质量分级监控模型。设计在工序间快速获取发动机缸体孔组图像的机器视觉系统,提取单缸孔7个特征参数及3个相邻孔间距;用主成分分析法对特征参数进行降维处理,建立样本集合训练孔组整体加工质量RF分级监控模型及单孔加工质量SVM分级监控模型。应用该模型对某发动机缸体顶面孔组加工质量进行在线监控,结果表明,与决策树模型、RF模型和SVM模型相比,所提模型对孔组整体加工质量分级精度可达97.778%,单孔分级精度可达99.167%,能快速响应发动机缸体制造过程质量反馈控制,可有效解决相关工程实际问题。