基于机器视觉的弯曲角度检测

针对全自动冲压生产线中弯曲回弹角度人工检测困难的问题,提出一种基于机器视觉的检测方法。介绍了弯曲角度检测系统的设计方案,通过相机标定确定相机的内外参数,用以校正采集图像提高检测准确度,基于Halcon视觉算法对图像进行处理,识别出弯曲角度两边目标线段,计算由每个弯曲角的内外边界所组成的内角和外角的平均值,最终得到检测弯曲角度。其中,图像处理算法包括:BLOB分析将弯曲件从背景中分离出来;形态学处理得到弯曲件的内外边界;提取亚像素边缘;直线段的分割和拟合得到检测目标。该方法实现了非接触式亚像素精度检测弯曲角度,为弯曲件的质量检测提供判断依据。     

基于机器视觉的曲轴圆度误差评定

针对曲轴圆度测量效率低、稳定性差等现状,提出一种基于机器视觉的测量方法。首先,搭建视觉平台采集图像;其次,进行预图像处理并运用亚像素手段提高边缘精度,经三维重构复现圆周;然后,提出曲轴圆度误差视觉评定方案,并通过倾斜校正和回转误差补偿提高测量精度;最后,进行曲轴圆度误差测量对比实验。结果表明：视觉评定结果与三坐标测量机测量结果相比均值误差为6 μm,可实现曲轴圆度误差测量,且更加稳定。     

基于机器视觉的柴油机缸套尺寸测量

为满足柴油机对缸套尺寸的高精度需求,提出了一种基于RANSAC(随机抽样一致性)拟合缸套亚像素轮廓的内外径尺寸检测方法。根据生产线上工业相机获取的CCD图像结构和灰度的信息特征,该测量方法先采用双边滤波和形态学梯度算法对图像预处理,去除噪声提高对比度;然后在用大律算法(QTSU)和Canny边缘检测算子获取图像边缘的像素级坐标;通过双线性插值算法对像素级坐标进行亚像素的重新定位,获取边缘亚像素坐标;最后采用RANSAC拟合算法对缸套内外径进行尺寸测量。通过仿真与实际尺寸对比,该方法具有更好的定位精度和抗噪性,相比最小二乘法RANSAC检测更可靠。     

基于机器视觉的轴承尺寸检测

本文采用机器视觉和图象处理技术，利用CCD摄象机、图象采集卡、运动控制卡、计算机等组成一针对轴承外形尺寸的视觉检测系统，介绍了系统的组成和图象处理方法，并给出了系统的硬件和软件设计。     

基于机器视觉的板料弯曲角实时识别系统研究

对基于机器视觉的板料弯曲角实时识别系统进行研究。采用面阵CCD获取弯曲板料截面图像,利用中值滤波、灰度线性变换、图像二值化、小面积区域消除及边界识别等图像处理技术,得到了板料截面几何形状的二值化图像。基于Hough变换原理,粗识别出二值化图像中的直线段数量及其参数方程,并设定距离阈值,将粗识别直线附近的点集进行归类,剔除干扰点和噪声;利用最小二乘法对归类后的点集进行直线拟合,获得精确的直线参量,从而实现板料弯曲角的识别。实验结果表明,该系统弯曲角识别精度达到0.5°,平均每个弯曲角识别时间为3s,具有非接触、实时、精度高等优点。     

基于机器视觉的工件的在线检测

利用HALCON软件提供的算子对摄像机内、外参数和机器人"手眼"系统进行标定,在此基础上结合视觉检测技术提出了一种工件在线缺陷检测的方法。该方法是根据触发时刻的空间位置来确定抓取时刻工件位置的一种空间相量平移方法,接着利用图像处理软件发出的电信号来控制机械手来完成缺陷工件的动态抓取工作。最后利用C++完成人机界面的设计,经调试可完成实时在线检测、可达到生产要求精度。     

基于机器视觉的在线轴承检测系统

文章在分析机器视觉系统应用的基础上,利用CCD摄像头、图像采集卡,运动控制卡,运动平台,计算机等组成在线轴承尺寸检测系统.介绍了系统的工作原理、软硬件的设计、实现.     

基于机器视觉的液晶面板质量检测系统设计

随着科技的发展,液晶面板应用越来越广泛,传统的人工检测方式已无法适应现代化工业生产高质量、高效率的需求。针对液晶面板检测项目多、检测精度要求高的难题,研发出一种基于机器视觉的液晶面板检测系统。给出了液晶面板AOI检测系统设计的整体方案、结构组成、视觉系统的功能及控制流程中产品的高精度检测,极大地提高了检测效率,有效地降低了废品率,保证了液晶屏的生产质量。     

基于机器视觉的滚动轴承滚动体检测

针对滚动轴承滚动体检测的研究较为匮乏且精度较低的问题,文章提出一种将机器视觉应用于轴承滚动体数目和尺寸检测的检测方法。利用小波降噪的方法对相机采集到的图像进行优化,再使用最大类间方差法计算得出适用于降噪后图片的最佳阈值来进行二值化处理,采用形态学运算强化滚动体特征,最后为了消除最小二乘法拟合结果的偏差,利用迭代法改进最小二乘法得出滚动体的数目及准确尺寸。实验结果表明,该检测方法的检测准确性和精度符合工业检测的要求。     

基于机器视觉的尼龙齿轮检测研究

针对综合验光仪中的尼龙齿轮的工业检测精度和效率要求,应用一种新的齿轮实际分度圆直径获取方法,设计基于视觉技术的尼龙齿轮检测系统。利用CCD相机采集齿轮图像,通过Halcon软件对图像进行预处理,以计算分度圆直径作为基准圆,然后往大、往小每隔0.1个像素生成一个新的圆,共计51个圆,由此计算出每个圆上的齿厚和齿槽宽,获得每组数据的方差,将所有圆的方差建立数组,方差最小的圆即为实际分度圆。从而获得实际分度圆直径。齿轮实际分度圆直径获取方法具备较好的准确率和稳定性。设计的基于视觉技术的齿轮检测系统能够满足工业的生产需求。     

基于机器视觉的热转印胶片缺陷检测

为了解决热转印胶片在生产中存在的若干种缺陷问题,并替换当前较为低效且可靠性低的人工检测方法,提出了一种基于机器视觉的热转印胶片的缺陷检测方法。首先介绍缺陷检测系统的整体构成,然后重点研究了其中的视觉算法流程,包括了通过仿射变换、图像配准等方式进行的目标区域定位,通过改进的ViBe算法、形态学处理等方法进行的图像缺陷检测。最后用包含了合格品胶片与各种缺陷的不合格品胶片样本集合进行实验检测,实验表明,算法缺陷检测能力良好,达到0.5%的漏检率和0.6%的误检率,平均检测耗时为663ms,满足检测速度需求。     

基于机器视觉的电枢缺陷检测系统

为解决现阶段依靠肉眼进行电枢缺陷检测的效率低下和因为判断标准具有很大的主观性导致判别结果不稳定等问题,研究出了一种基于机器视觉的电枢缺陷检测系统.该系统可以采集到电枢不同角度的图像,并根据检测难度把每张电枢图像分为三个区域,分别由传统机器视觉算法、MobileNet-V3以及DenseNet神经网络模型对不同类型的缺陷...     

基于机器视觉的压铸模缺陷检测概述

首先介绍了压铸模较为常见的缺陷,即凹陷、型芯塑性变形、磨损、断裂、热疲劳裂纹、粘模和溶蚀缺陷等,其次对机器视觉技术在模具缺陷检测与应用方面进行了介绍,并从定义、结构、用途等方面对机器视觉技术中用于缺陷检测的常用基本算法进行了阐述,最后对基于机器视觉的压铸模缺陷检测与应用研究前景进行了总结与展望。     

基于机器视觉的滑动轴承缺陷检测系统设计

针对滑动轴承生产过程中存在的检测速度慢、自动化水平低、检测精度低等问题,提出一种基于机器视觉的滑动轴承内表面缺陷检测系统的设计方案,实现了轴承体的自动检测功能。首先设计了一种实验检测平台用于获取滑动轴承内表面的图像;通过基于形状的模板匹配算法对预处理后的图像进行匹配,实现对目标物体与缺陷区域的快速定位;为了实现对缺陷的提取,提出了一种基于区域灰度值的图像分割方法与基于区域形态学处理的特征提取方法。实验表明,系统的检测效果与传统的检测方法相比,具有明显的优越性,为滑动轴承内表面检测提供了新的方法。     

基于虚拟仪器的在线机器视觉检测系统

介绍了机器视觉的基本原理与虚拟仪器的设计思想,指出二者结合的优势。由此,构建一种基于虚拟仪器的在线机器视觉检测系统,该系统利用机器视觉实现检测的自动化,利用虚拟仪器降低系统成本,同时提高系统的可扩展性,利用DataSocket技术实现被测数据在网络中的传输。实验证明：该系统测量精度满足工程要求,数据传输速率也能满足实际生产需要,系统是可行和有效的。     

基于机器视觉的喷丝头微孔检测方法

针对化纤喷丝头微孔,提出一种基于机器视觉的检测方法并进行了验证。首先采用高分辨率工业相机对化纤喷丝头微孔进行实时图像采集,对图像进行灰度变换后,利用高斯-拉普拉斯算子增强图像边缘并通过Canny算子提取边缘信息,然后对微孔边缘进行圆拟合,从而检测出微孔的孔径和孔数。基于该方法,设计和开发了化纤喷丝头微孔检测系统,该系统由图像采像装置、喷丝头传送装置及检测软件组成。系统测试结果表明：该方法可以实现喷丝头微孔的非接触连续检测,检测精度可以达到微米级别。     

基于机器视觉的金刚石原石检测系统

为了降低检测成本及避免人为误差,开发了一种基于机器视觉的金刚石原石检测系统。通过图像处理检测金刚石的尺寸、形态与颜色信息,并生成可以自由视角显示的金刚石原石三维模型。结果表明:本系统对原石形态与颜色的检测操作简单,尺寸检测的比例尺精度为0.5 μm,图元的测量精度在微米级,并可减少检测成本和人为误差。      

基于机器视觉的钢拱架定位检测方法

针对岩石隧道掘进机(TBM)钢拱架拼接施工过程中的定位问题,提出一种基于机器视觉的钢拱架铰接孔定位检测方法。根据钢拱架拼接的现场环境,设计图像采集系统;使用具有旋转不变性的归一化的互相关值(NCC)模板匹配算法,可快速匹配钢拱架铰接孔所在的感兴趣区域;基于一维像素序列上的灰度梯度确定铰接孔外轮廓边缘点,并使用基于随机抽样一致性(RANSAC)算法的椭圆拟合方法确定钢拱架铰接孔圆心,实现钢拱架定位,为钢拱架拼接提供位姿信息。结果表明：该方法可实现钢拱架铰接孔的高效率、高精度定位检测。     

基于机器视觉的PET瓶口快速缺陷检测

为提高PET瓶口缺陷检测精度和检测速度,提出了一种基于机器视觉的PET瓶口自模板快速缺陷检测法。首先在全局阈值分割的基础上,对ROI区域(瓶口端面)构造自模板圆环,并且确保自模板图像和阈值分割图像坐标的对应关系不变。然后在ROI区域上,将自模板图像和阈值分割图像灰度做差进行缺陷检测,避免图像定位和缺陷定位对检测带来的大量复杂计算。通过实验验证,该方法缺陷检测精度达到99.9%,检测时间在50ms以内,有效提高了PET瓶口缺陷检测精度和速度,可以满足工业生产线上对PET瓶口缺陷检测准确性和实时性的要求。     

基于机器视觉的冲裁断面质量检测

针对当前冲裁断面质量检测中出现的检测手段少、检测速度低和误检率高等问题,提出了基于机器视觉的冲裁断面质量检测新方法。该方法以Lab VIEW软件为平台、以图像处理技术为核心针对冲裁断面尺寸进行检测。阐述了检测系统的组成原理、机器视觉硬件设计和检测算法研究。在光源和镜头的配合下,利用USB工业相机采集断面图像,再利用Lab VIEW的Vision模块进行图像处理,最终得到冲裁断面的分区尺寸,从而判断冲裁断面质量是否合格。实验结果表明,基于机器视觉的冲裁断面质量检测能够快速准确的判断冲裁断面的断面特征,可以满足断面质量检测的要求。