基于机器视觉的电感质量自动检测系统

主要介绍了将机器视觉技术应用于电感质量检测系统,通过图像采集卡和CCD采集图像,并通过图像预处理、阈值分割、边缘定位,边缘检测、Blob分析等算法对图像进行处理,输出检测结果的控制信号,再借助PLC控制执行机构,最终达到对电感的表面质量进行在线检测的目的。     

基于机器视觉的汽车刹车片自动检测系统

为了提高汽车刹车片的检测效率和准确性,设计了基于机器视觉的汽车刹车片自动化检测系统。针对自动化检测需求搭建了基于可编程逻辑控制器(PLC)的自动化测试平台,开发了相应的视觉系统。结合VisionPro和C#语言开发了检测软件,完成了图像获取、图像校准、图像定位、尺寸测量、缺陷标示、字符识别等任务。实验结果表明,系统可快速、准确地识别出工件的尺寸、表面缺陷和字符。     

基于机器视觉系统的汽车发动机装配线

机器视觉系统主要就是利用机器视觉产品对目标对象进行图像信号的转换,并将图像信号传递给专用的图像处理系统中,图像处理系统会根据像素的分布和亮度等信息,将其转换为数字信号。图像系统会根据释放出的数字信号进行运算,从而获取目标对象的具体特点,根据获得的信息进行结果的比较,从而对现场的设备动作进行控制。因此,引入机器视觉技术,对零件的外形尺寸进行检测,降低零件的容错率,从而提高产品装配的质量。     

基于机器视觉的元件角度偏移算法研究

为了能为位置控制提供精确的补偿数据,使贴片元件能够更准确地贴装在PCB板上,需对视觉系统中元件检测摄像机拍下的元件图像进行图像预处理得到偏移的角度。实现方法是：先对图像进行增强、阈值分割、边缘检测及用八邻域法提取部分边界,然后利用最小二乘法线性拟合原理对提取的边界进行直线拟合得到斜率,进而得到贴片元件偏转的角度。     

基于机器视觉的汽车轮毂角度检测方法研究

构建了由仓储单元、执行单元、分拣单元、检测单元组成的硬件场景,围绕汽车轮毂的角度检测要求,提出了工业机器人第六轴旋转45°和60°两种不同的检测方法,实现了对目标轮毂零件的360°测量,总结了两种检测方法的特点,对现场应用有一定的参考价值.     

基于机器视觉的木制品在线自动检测系统设计

设计了基于机器视觉的禾制品在线检测系统,包括控制系统硬件及软件的设计,将系统投入木制雪糕板生产线使用,试验表明,检测效果良好。     

基于机器视觉的液体药品异物检测系统研究

为实现液体药品异物在线高速高精度检测,设计了一套基于机器视觉的自动化检测系统.本文首先研究了异物检测系统的机械与电气控制系统结构,开发了面向医药生产线的图像获取装置.然后根据药液内异物运动轨迹连续性的特点,提出了基于序列图像的检测跟踪识别算法.最后,选择100 ml玻璃瓶装10%葡萄糖和0.9%氯化钠药品为对象进行测试,实验表明:本文设计的检测系统能很好地满足医药生产线的需求,检测分辨率达到10 μm,准确率近95%.     

基于机器视觉的连接器缺陷自动检测

针对人工检测连接器效率低、易漏检,严重影响产量与质量,提出一种基于机器视觉的非接触式自动检测方法。连接器的缺陷存在于本体的内外表面,选择合适的照明方案使缺陷都能被采集到;缺陷特征类型多、差异大,利用卷积滤波处理得到高质量的图像,缺陷特征与背景区别明显;最后,应用Otsu阈值分割处理,采用边缘直线建立坐标系的方法自动定位检测有效区域,消除了产品的位置误差;统计目标像素数,检测目标。实际检测表明,该系统检测结果稳定,正确率高,速度快,可满足连接器生产自动检测的实际需求。     

基于机器视觉的纠偏检测系统

卷材在复卷过程中容易发生偏移,而现有的纠偏系统纠偏效果不理想,利用机器视觉技术设计了一套全新的自动纠偏系统,实现了对卷材偏移的实时检测,并且能及时将偏差信号反馈给执行元件,提高了纠偏精度和工作效率。     

基于机器视觉的LED芯片缺陷检测系统研究

近年来计算机及信息技术飞速发展,并在各个领域得到了广泛应用,极大地促进了社会的发展.数字图像处理技术以其高效准确性,在工业产品缺陷检测中发挥了重要作用.利用该技术可以代替人工检测,极大地提高了工作效率,降低了人工成本,增加了企业收益.因此,研究基于图像处理的LED芯片缺陷检测系统,对比不同LED芯片缺陷类型及传统检测方...     

基于机器视觉的平板式数粒机检测方法

以现代药品包装为应用背景,以新型平板式数粒机为研究平台,以机器视觉技术为研究重点,提出了一种基于机器视觉的平板式数粒机的检测方法。该检测方法可用于药品颗粒的缺陷检测和计数算法的研究。实验结果表明,基于机器视觉的平板式数粒机检测方法可达到用户的要求,实现高速度、高效率、高精度的在线检测计数。     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法.介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件.实验结果表明该软件能对螺纹进行实时、高速地检测.     

基于机器视觉技术的微操作系统

通过研究机器视觉技术在微操作系统中的应用,分析了机器视觉在微操作系统中应用与在其他系统中应用的不同之处,介绍了微操作系统的组成结构。着重分析了机器视觉技术在系统中的具体应用,并且通过实验进行了验证。结果表明,该系统能够精确定位目标位置,有很高稳定性,为系统自动化奠定了技术基础。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

基于机器视觉的高精度微纳光纤直径实时测量

针对传统微纳光纤直径测量方法操作复杂、重复性差且易于损伤光纤等问题,开发了一套基于机器视觉的微纳光纤直径测量系统。首先,对系统采集的图像进行预处理和二值化分割,其次,通过Canny边缘算子实现微纳光纤边缘初定位,最后,基于改进Zernike矩的亚像素检测方法精确定位了亚像素级边缘。此外还提出了结合Hough变换与最小二乘法的算法拟合亚像素级边缘点的方案,将系统微纳光纤直径测量精度提升至纳米级。实验测量结果表明,该系统可实现3.51%以内误差的自动化测量,运行时间为2.671 s,更适用于微纳光纤尺寸的高精度实时测量。     

基于机器视觉的隧道衬砌裂缝检测算法综述

《公路隧道养护技术规范》中明确指出隧道裂缝的调查是专项检查项目之一。目前常采用人工检测,漏检不可避免,为克服此缺点,用机器视觉的方法实现自动化检测已成为近年来该领域里国内外主要研究手段。在机器视觉研究方法的背景下,对目前国内外关于隧道混凝土衬砌裂缝检测算法的研究进行了较全面的综述,包括衬砌图像预处理、裂缝的检测、干扰的剔除、裂缝宽度的测量及误差分析4个部分,并对所采用的算法进行了优势及不足的比较,最后给出结论和未来设想。     

基于机器视觉的陶瓷基板检测系统

为了设计陶瓷基板视觉检测系统,首先采用互补金属-氧化物半导体（CMOS）图像传感器采集陶瓷基板的图像信号,通过光学成像和照明系统优化设计来提高像质,然后运用图像预处理和亚像素算法来提高边缘的检测精度,最后建立并分析了机器视觉检测系统尺寸及形位误差数学模型,实现了对陶瓷基板长度、宽度参数的测量。实验结果表明,该系统较好地提高了视觉检测系统的精度,并得到了较为准确的结果。     

基于机器视觉的表面缺陷检测方法研究进展

在半导体、PCB、汽车装配、液晶屏、3C、光伏电池、纺织等行业中,产品外观与产品性能有着千丝万缕的联系。表面缺陷检测是阻止残次品流入市场的重要手段。利用机器视觉的技术进行检测效率高、成本低,是未来发展的主要方向。本文综述了近十年来基于机器视觉的表面缺陷检测方法的研究进展。首先给出了缺陷的定义、分类以及缺陷检测的一般步骤;然后重点阐述了使用传统图像处理方式、机器学习、深度学习进行缺陷检测的原理,并比较和分析了优缺点,其中传统图像处理方式分为分割与特征提取两个部分,机器学习包含无监督学习和有监督学习两大类,深度学习主要囊括了检测、分割及分类的大部分主流网络;随后介绍了30种工业缺陷数据集以及性能评价指标;最后指出缺陷检测方法目前存在的问题,对进一步的工作进行了展望。     

基于机器视觉的汽车换挡面板自动分类方法

针对报废汽车企业对不同型号汽车换挡面板自动分类的需求,提出了一种基于机器视觉的面板自动分类方法.该方法首先使用Blob分析对图像进行预处理,分割出图像中的换挡面板目标对象,接着提取被分割图像的11个形状特征作为特征向量,利用特征向量训练多层感知器(Multi-Layer Perceptron,MLP),最后使用完成训练...     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。