基于机器视觉的卷纸包装检测模型设计

针对卷纸包装检测效率低、人工成本高的问题,本研究基于机器视觉设计了一个卷纸包装检测模型,并命名为F-YOLOv4。首先利用工业相机在卷纸包装过程中采集目标图像,并人工标注制作成数据集;随后基于YOLOv4构建卷纸包装检测模型,通过引入轻量级的混合通道注意力模块,以强化重要特征同时避免背景噪声的引入;并设计了残差上采样模块以提升上采样的效果;最后在检测头部分,将不同分辨率的特征进行了融合以丰富特征图信息。研究结果表明,F-YOLOv4模型的准确率为97.53%,高于原始模型1.97%,检测速度为129 f/s,模型大小为39.7 MB。F-YOLOv4模型能够有效解决卷纸包装问题,为企业降低用人成本,提高生产效率。     

基于机器视觉的自动贴标系统设计

针对传统的贴标流程人力成本高、效率低、精度差的问题,开发一套采用运动控制卡为基础的彩盒自动化贴标系统。设计可调流水线机构、载具交互机构、翻转机构、机械手机构、打印机机构、控制系统、视觉系统等部分,由工控机通过Ether CAT现场总线发送指令控制机构的动作,解决系统的稳定性、联动性问题。运行效率提高,20轮评价用时缩短23 s,稳定性识别率上升1.1%。研究为物料的生产、封装提供较新的解决方案。     

基于机器视觉的零部件尺寸检测技术

在工业生产中,基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像,利用基于HALCON软件的数字图像处理技术,采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统,实现了对零部件的精确检测。经过大量的实验结果表明,在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。     

基于机器视觉的自动验布系统研究

介绍了一种基于机器视觉（CCD）的自动验布系统,论述了该系统的布面牵引、视觉、控制、图像识别和标记等主要组成部分。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于机器视觉的食品外包装缺陷检测算法研究进展

食品包装在生产过程中由于各种因素会导致缺陷产生,包装缺陷种类多,背景复杂。通过视觉成像和计算机信息处理完成包装的识别、检测和测量等任务的机器视觉检测,相比传统的人工检测,具有执行速度快、精度高等特点,可显著提高生产自动化程度。文章根据食品外包装常见缺陷,从缺陷检测算法的角度介绍传统机器视觉检测算法和深度学习相关算法在食品外包装缺陷检测中的研究应用,并对检测算法在食品外包装缺陷检测中的应用前景,以及存在的问题进行分析与展望。     

基于机器视觉的印品质量在线检测

印品质量检测的意义 在印刷向小批量、多品种、多色、高效方向发展的今天,印刷品越来越精细,人们对印品质量和印刷效率也有更高的要求,带有缺陷的印品是人们所不能接受的。要提高印品质量和印刷效率的有效途径之一就是对印品进行质量检测。因此,印刷厂商对印刷品在印刷过程中实行质量自动监测,是梦寐以求的手段之一。尤其在高速运转的印刷机上,如不及时发现并排除故障,就意味着大量废品、次品损失,特别是在原材料成本不断增加的今天,废品的增多就意味着生产成本的增加,对企业的影响极大。另外,如果印刷过程中出现以上问题,而没有及时进行检查,把一些废品流入社会,将给印刷厂家造成极坏的社会影响。所以印刷品质量检测有着深远的意义。     

基于机器视觉技术大米品质检测

该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。     

基于机器视觉的纸病检测系统发展综述

在详细介绍以机器视觉技术为核心的纸病检测流程的基础上,研究、梳理和归纳了纸病检测系统在硬件模式、软件系统和检测算法上的发展历程,分析了当前纸病检测中存在的难点问题,并讨论了该技术的发展前景。     

基于应用型人才培养模式的机器视觉综合实验平台的设计

培养应用型人才,既是我国的经济和社会发展的要求,也是适应国际高等教育发展潮流的一种需要。探讨了以能力培养为中心的应用型人才培养模式和以实践教学为核心的应用型人才培养方案,重点研究了为实现应用型人才的培养目标,机器视觉综合实验平台的设计思想、基本模块和涉及的基本课程。     

基于机器视觉的卷烟爆珠在线检测系统设计

目的：针对卷烟爆珠的质量检测,设计和构建融上料传送、机器视觉图像处理及不合格品剔除功能为一体的卷烟爆珠质量检测系统。方法：通过改进类间方差法对爆珠单颗粒图像进行提取,通过灰度分析、非线性度变换及改进最小外接圆等算法,实现爆珠质量自动化检测,在完成图像自动化检测之后,通过设计的不合格品剔除机构进行剔除,并开展爆珠质量检测的重复试验和应用分析。结果：该系统对不合格爆珠的异色、异行、破损总误检率低于3%,能精确剔除不合格爆珠且系统稳定可靠。结论：基于机器视觉的卷烟爆珠在线检测系统设计,能完成对爆珠质量的自动化在线检测,提高了检测速度与准确度。     

机器视觉技术在圆网印花机自动对花系统中的应用

提出了一种自动对花的织物圆网印花机对花系统,通过图像传感器在线自动检测印花图案套色的位置,借助于控制器自动控制、调节各印花网筒相对于织物印花图案色位位置,提高了印花精度,进而提高了产品质量和工作效率。     

基于机器视觉技术的生猪活体监测系统

目的 通过图像处理技术计算活体猪的体型特征参数值, 结合体重参数对生猪出栏肉产量进行预测。方法 采用工业摄像头获取活体猪的图像, 采用Matrox公司图像采集卡并对其在VC++开发环境中进行二次开发, 开发了一套基于机器视觉技术的畜禽活体检测系统。结果 实现活体猪不同角度图像的同界面显示和采集, 并基于Microsoft Visual 2008软件平台开发了系统操作界面。结论 该套系统结构简单, 成本低廉, 具有较好的推广应用前景。     

基于机器视觉的纸张表面缺陷检测系统

介绍了一套在高档纸生产线上应用的纸张表面缺陷（纸病）检测系统——Fopesigh-PDI,该系统能够在线检测边损、孔洞、白斑、黑点、油斑、褶皱等纸张缺陷。介绍了该系统的功能和特点,探讨其在提高纸张生产效率和质量控制中的重要作用。     

基于机器视觉的辣椒外部品质检测

为实现正常辣椒和缺陷辣椒(黑斑、虫蚀和花皮)的快速检测,通过图像采集,利用中值滤波去噪;提取样本图像24个颜色特征值,20个纹理特征值,利用Otsu算法阈值分割,提取2个形态特征值;选用连续投影法(Suc-cessive Projections Algorithm,SPA)优选14个特征值,结合最小二乘支持向量机(Le...     

基于机器视觉的大曲质量检测系统研究

针对白酒固态酿造依靠人工经验判断大曲质量,且没有量化判断标准的问题,研究一套基于机器视觉的大曲质量检测系统。该系统通过动态阈值分割法、RGB转换Lab颜色空间、CNN卷积神经网络等方法提取大曲的几何参数、颜色和裂缝3种视觉信息特征。在此基础上,建立大曲视觉信息特征与大曲质量的对应关系,并根据所建立关系综合判断大曲质量。试验证明,该检测系统大曲几何参数测量精度为±1mm。同时该系统能精准识别与提取大曲断面乳白色菌丝、红曲霉和大曲表面裂缝视觉特征,通过1 000次实验验证,其大曲视觉信息特征识别准确率可达到99.0%,能够满足相关酿酒生产现场工艺要求。     

基于机器视觉技术的药片包装缺损检测系统的研究

介绍了机器视觉的概念及基于机器视觉技术的药片包装缺损检测系统，并给出了系统的硬件组成、控制系统软件模块结构及其工作过程。     

基于机器视觉的水果分级系统

目的:解决目前水果分级检测方法效率低、误检率高等问题。方法:以苹果为分拣对象,设计一个基于机器视觉的水果分级系统。对实时采集得到的苹果图像进行预处理,使用改进的Canny边缘检测算法进行边缘提取,通过最小外接圆法拟合边缘坐标得到苹果的横切面半径。将采集到的RGB图像转换为HSI图像,根据H分量范围计算红色区域比例,判断苹果的色泽度。统计区域像素点个数,分别求取苹果的面积和周长,计算出苹果的圆形度。结合苹果果径长度、色泽度和圆形度3个特征值对苹果进行综合分级。结果:50个苹果样本试验结果表明,水果分级系统和人工分拣测量的果径误差范围在±1.5 mm以内,样本颜色特征与苹果实际外观相符,圆度值的大小与实际形状优劣相符。结论:该系统满足实际生产中对于苹果分级的需求,有助于实现苹果品级的准确识别。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。     

应用机器视觉的织物表面绒毛率测试系统

目前织物表面绒毛含量大都采用人工方式检测,存在效率低、准确度不高等问题。为此,应用机器视觉和图像处理技术,研制了一套织物表面绒毛率测试系统。介绍了织物表面绒毛率测试原理,包括织物表面绒毛率检测数学模型、检测算法和阈值的确定方法,并介绍了织物表面绒毛率测试系统的软硬件组成。采用该测试系统检测了5种织物的表面绒毛率,并与人工检测结果进行了对比分析。结果表明：该测试系统能够高效地测定织物表面绒毛率,且与人工检测结果呈现高度正相关;系统重复检测偏差范围为1.18%～7.25%,可满足织物表面绒毛率的检测需求。