线束端子角度姿态的视觉检测方法

端子作为线束生产的重要组件,利用视觉成像检测其姿态是汽车智能制造领域的研究课题之一。线束端子旋转角度自动检测设备通常利用机器视觉获取端子的姿态,提出一种线束端子角度姿态的视觉检测方法,利用电机将端子匀速旋转90°,并在旋转过程中连续采集图像,获得端子的旋转图像序列;根据端子旋转过程的成像特点,找到金属面正对的图像帧,并提取ROI图像;以该ROI图像为对象,利用端子模板库进行匹配,判断得到该金属面所属类别,从而计算出端子需要旋转的角度传输给电机。大量实验结果表明,所提出的方法可以有效地识别端子的角度姿态,并且快速准确地计算旋转角度,可以达到工业智能制造的要求。     

基于改进 YOLOv7 的线束缺陷检测研究

针对目前线束端子压接缺陷检测过程中存在检测效率低、误检率高等问题,提出一种基于改进YOLOv7的线束缺陷检测方法。为提高算法的检测精度,在YOLOv7主干网络中添加归一化注意力模块(NAM),加强对检测目标的定位和识别;在颈部构建多尺度的集中特征金字塔网络(CFP),以捕捉不同尺度下的目标信息,加深对图像深层特征的提取;使用SIoU Loss替换CIoU Loss优化训练模型,在加快模型收敛的同时提高预测框的回归精度。实验结果表明,改进后的YOLOv7网络模型准确率达95.8%,召回率达94.5%,均值平均精度达97.6%,与原模型相比分别提高了5.0%、4.8%和3.3%,模型大小90.5 MB,检测时间为48 ms,有效提高了模型的检测精度。最后,使用PyQt5开源框架设计了线束端子压接缺陷检测系统,实现了端子压接缺陷检测的自动化和可视化,提高了缺陷检测效率,可以满足生产企业的需求。     

电力架空线路巡检可见光图像智能处理研究综述

当前电力巡检工作中,有大量缺陷需要人工观测可见光图像进行检测,工作量大、效率低下且容易受工作人员技能水平影响使检测效果参差不齐。为了应对这一问题,人们进行了大量研究以求实现视觉检查的自动化,但远不能满足工程应用需要。首先介绍电力巡检可见光图像的来源,总结可见光巡检的内容及缺陷特点,将可见光图像视觉检查问题分解为2类问题:图像目标检测和图像测距;然后分别对2类问题的研究与应用现状进行综述,结合实验数据分析可见光巡检图像智能处理技术的发展趋势,探讨深度学习技术在该领域的应用前景;在此基础上,阐述进一步推进巡检图像智能处理所面临的挑战及可能的解决方案,并给出若干点建议。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。     

基于机器视觉的大幅面管板焊缝检测方法与系统设计

当前核电低压加热器等能源装备中大幅面管板焊缝的缺陷检测依靠人工，存在低效费力、评判一致性不佳、可能漏检和难以追溯等不足。本文提出一种基于2D视觉与3D视觉相融合的深度学习缺陷检测方法，对管板焊缝进行缺陷检测，经试验测试该方法能有效提高检测准确率，具有良好效果。最后面向车间生产的实际需求，设计了一套可在工厂应用的智能缺陷检测系统方案。     

关于空调器用线束生产过程质量管控的研究及推广

本文从空调线束的基本常识出发,简要阐述空调线束生产过程"压接异常"、"飞线"、"线序错"等故障及其危害,在现有质量控制手段的基础上,提出了"端子压接截面微观检测、压力传感实时监控及图谱辨色比对"等一系列空调线束生产过程中质量管控的新方法,有效降低空调线束生产过程质量问题,提高产品一次交检合格率及生产效率。     

全自动灯头质量机器视觉检测系统

为了克服灯头产品质量人工检验效率低、精度差等缺陷,将机器视觉检测技术引入灯头产品质量检验,实现了基于机器视觉技术的灯头产品质量全自动在线检测。检测系统由电机及传动模块、振动送料器、分拣执行机构、PC机、摄像头、光源、图像采集卡以及图像处理软件构成,针对灯头产品中存在的六种主要质量缺陷,根据其不同的图像特征设计了可靠有效的算法进行判别。实际应用表明,系统简单实用,能准确高效地识别出目前灯头产品中存在的六种主要质量缺陷,并能实时对缺陷产品进行分类剔除。     

基于改进局部阈值分割的绝缘毯表面微缺陷的无损智能评估方法北大核心CSCD

软质绝缘遮蔽用具的表面缺陷对其绝缘性能和使用寿命有重要影响,为解决人工检测漏检、误检率高的问题,文中提出基于机器视觉的绝缘毯表面微缺陷智能无损检测方法。针对不同环境下图像特点,选取改进Sauvola算法对图像进行局部阈值分割,结合形态学操作提取特征,实现表面微缺陷的识别;通过搭建沿面放电试验平台获取不同微缺陷对其沿面放电的影响,采用皮尔逊相关性系数分析了微缺陷的单个最大缺陷面积比和全部缺陷面积比与绝缘毯表面放电电压之间的相关性。结果表明:文中方法识别准确率95.3%,单次检测时间0.53 s,提升了检测准确性与效率;单个缺陷面积的大小与闪络电压呈负相关且为极强相关,单个缺陷越大沿面闪络电压下降越多,沿面闪络电压平均下降5%~22%,验证了识别结果的有效性,可为绝缘毯的现场外观检测提供依据。     

基于机器视觉的线扫描弹簧表面缺陷检测系统的研究与实现

针对传统的弹簧人工检测存在效率低、检测精度不高等缺点，本文通过对几种方案的对比论证，构建了一个基于机器视觉的线扫描弹簧缺陷自动检测系统，并在Visual C＋＋2005平台下开发了系统软件，对图像进行一系列的分析和处理，最终实现了对金属表面缺陷的自动检测识别，并还能够得到精确的尺寸测量结果。通过测试，结果表明系统能够实现既定的要求和目标。     

基于机器视觉的压缩机外观质量检测方法

压缩机装配制造完成后,需对其进行整体外观的检查,尤其是压缩机与空调系统连接的零部件,如果发生弯曲变形等缺陷,则会对后续生产工艺造成影响。目前生产线上主要采用人工目视检测,因其劳动强度大、效率低等缺点,无法满足大批量生产时稳定性和可靠性的要求。针对以上问题,本文使用机器视觉的方法实现对压缩机外观进行自动检测:针对压缩机上壳盖组件图像少的纹理特征及存在噪声的问题,使用图像增强算法对压缩机图像进行灰度拉伸与高斯滤波,提高压缩机图像质量;针对压缩机上壳盖缺陷不明显的特点,对图像进行阈值分割、边缘检测和霍夫变换等对图像进行特征处理;设计模板匹配方法进行目标的定位与识别,实现对三类质量缺陷的检测。最后,在VS2017软件平台下对本方法的检测精度和稳定性进行实验验证与误差分析。     

密封橡胶圈缺陷检测算法的研究

密封橡胶圈的缺陷检测主要是靠人工目测,不能满足现代制造业的要求。提出一种基于机器视觉的密封橡胶圈产品缺陷的检测方法。首先通过图像采集装置获取图像,然后利用改进中值滤波对图像去噪,再对滤波后的图像进行Canny边缘检测,最后应用数学形态学膨胀操作突显缺陷,使得缺陷更清晰突出。该方法相比较传统的检测方法,具有非接触、可在线、客观、自动化等突出优点,适合现代制造业的产品检测。     

智能电能表质量一致性检测系统设计

针对智能电能表质量一致性检测人工目测比对方法自动化程度低、劳动强度大、检测效率低等问题,基于机器视觉、自动控制、图像识别和组态软件等技术,研发了智能电能表质量一致性检测系统,实现对不同型号智能电能表的外观型式、硬件印刷电路板(PCB)和软件通信规约三方面的一体化一致性检测。本系统已应用在湖北省智能电能表发货前全性能试验和到货抽检试验的样品比对检测工作中,具有自动化程度高、检测准确度和效率高的优点。     

基于OpenCV的耐张线夹压接缺陷的X射线图像识别方法

线路耐张线夹压接质量影响着电网运行安全,但目前对耐张线夹压接质量的检测方法存在一定局限性.对此提出了基于 OpenCV 的耐张线夹 X射线图像检测方法.首先采集耐张线夹的 X 射线图像,并进行预处理.其次通过选取典型缺陷样本缺陷部分图像,使用 Python中 OpenCV-Python库部分语句实现快速识别检测其他 X 射线图片, 并对其他图片的缺陷部分进行标注.最后根据所标注的缺陷部位区域的灰度值分布的累计值图像确定是否为缺陷.通过该研究,可实现耐张线夹压接部位的 X 射线图像快速识别,对耐张线夹压接质量检测的工程应用具有重要的参考价值     

TFT-LCD缺陷检测系统的研究

随着TFT-LCD的技术飞速发展及广泛应用,人工检测良品率的方法已不能保证检测效率和检测精度。针对此问题,提出了一种基于机器视觉理论的TFT-LCD缺陷检测系统,用以满足工业自动化的需求。该系统搭建面阵CCD采集图像平台,检测算法包括提取图像的ROI区域、Gabor滤波、自适应二值化、连通域提取缺陷、计算缺陷的属性特征并标记轮廓线等步骤,最后得出结果。实验结果表明,检测系统对点缺陷、线缺陷的识别率非常高,Mura缺陷针对正视可见的效率良好。提出了一种耦合性好的检测方法,针对不同种类的缺陷采用同一种检测技术,简明、方便、准确地实现了缺陷检测,并可实际应用到工业自动化中。     

基于机器视觉的拆回旧电表参数信息检测技术研究

针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题,提出了一种基于机器视觉的参数信息检测方法,通过检测智能电能表的额定参数信息,完成电能表的分类回收工作。在以C#与Halcon为软件平台建立智能电能表图像检测系统的基础上,采用Blob分析算法,对图像进行ROI(感兴趣区域)提取,采用直方图均衡化对提取后的图像进行处理,以增强背景与目标区域之间的对比度,获取质量较高的电能表图片,通过OTSU算法对Canny边缘检测算法进行改进,提高图像阈值范围的自适应性,获取更完整的图像外观轮廓,最后对图像进行字符分割处理,得到电能表的额定参数信息。经过实验验证,该方法能够准确检测识别电能表铭牌的额定参数信息,实验数据显示检测准确率达99.5%,平均每台电能表检测耗时0.62 s,很大程度上节省了电能表分类工作的检定时间,提升了工作的效率与准确性。     

基于卷积神经网络的主变压器外观缺陷检测方法

主变压器是变电站中最重要的电气设备之一,其运行状况直接影响所连区域电网的安全可靠运行。为全面提升主变压器外观缺陷检出效率,提出了一种基于CNN(卷积神经网络)算法的主变压器外观缺陷机器视觉识别检测方法。针对海量设备图像,该方法中的SSD算法模块能够准确提取目标设备(主变压器), CNN算法模块可对图像中所含缺陷信息进行解析。为了提升检测方法的准确性,针对检测算法负样本不足的问题,利用VGG-Net的图像迁移算法对主变压器缺陷样本进行扩充,以提升整个算法模型的泛化能力。最后,利用实际运维检修工作中采集整理的主变压器图像样本集进行算法验证,结果表明该方法能较准确地识别出变压器外观缺陷,具有较高的有效性和可行性。     

基于图像处理的高压互感器自动化检定装置研究

随着各省市电力公司省级计量中心的自动化检定装置逐步投运,电能计量装置的智能化检定、配送水平不断提升,工作效率也得到提高,但由于高压互感器的自身特点,例如种类繁多、接线方式复杂、预防性实验要求高电压等情况,目前尚未有自动化检定装置建成使用,而人工检定是一种耗时费力高风险的工作。针对这一问题,本文提出基于图像处理的高压互感器自动化检定装置的研究,建立高压互感器的全自动化检定装置,降低人工作业的劳动强度和风险。本装置采用图像处理技术进行互感器外观检测,利用端子定位技术与自动压接系统相结合的原则进行高压互感器端子自动定位,解决了因器件表面的裂缝、铭牌残损、铭牌信息残缺和端子缺失等外观信息对自动化检定存在直接影响,实现高压互感器的全自动化检定过程。     

面向架空线路的无人机带电无损探伤系统的研究与应用

针对目前输电线路金具压接工艺、质量检测方法准确率低且特征分辨率弱,传统探伤技术受限于设备的体积、对碳纤维导线和钢芯铝绞线适用性等问题,研制一种基于无人机的架空线路 X 光带电无损探伤系统。对压接金具在服役过程中各类缺陷的形成机理进行分析,建立关键设备状态评价体系,在此基础上,提出无人机X光带电无损探伤检测模型,采用遥感图像采集技术实现探伤图像采集,对采集的架空线路线夹遥感图像进行高斯滤波降噪处理。基于边缘检测图像分割算法对降噪输出的探伤图像进行故障缺陷分区,实现缺陷精准识别、故障定位。实验结果表明,研制的无人机带电无损探伤系统损伤检测的特征分辨能力较强,同时具备主动减振、电磁防护特性,对架空线路本体及附属设备缺陷的精益化管控具有重要意义。     

基于机器视觉的网络变压器绕组绝缘缺陷检测系统

由于传统的变压器绕组绝缘缺陷检测方法的检测精度较低,影响了电力系统稳定运行,因此提出了基于机器视觉的网络变压器绕组绝缘缺陷检测系统。设计了NJG1144KA1低噪声增幅器与XC7Z100微处理器,初步提升了系统检测精准度。构建了网络变压器绕组绝缘缺陷检测系统软件框架,设计了软件整体结构;再利用机器视觉,设计了绕组绝缘缺陷检测算法,进一步提升检测精准度,进而实现了绕组绝缘缺陷的精准检测。采用系统测试的方式,验证了该系统的检测精准度更高,能保障电力系统的运行稳定性,极具推广价值。     

基于深度学习的输电线路视觉检测方法研究进展

输电线路巡检是电网持续稳定供电的保障,其目的是对电力线、绝缘子、电力杆塔、防振锤等线路设备进行状态检测和故障诊断,同时观测电力线周围潜在隐患。深度学习的发展为输电线路巡检提供了有效手段,与传统目标检测方法相比,深度学习方法能更有效地实现航拍图像中电力设备的识别及缺陷检测。该文综述近十年来基于深度学习的输电线路视觉检测方法的研究进展。首先,概述适用于输电线路巡检的深度卷积神经网络,包括分类网络、检测网络、语义分割网络,考虑到开发的深度学习网络模型便于在移动设备上应用,另外阐述轻量化网络;然后,重点阐述基于深度卷积神经网络的输电线路巡检图像数据目标检测;随后介绍7个电力设备数据集以及性能评价指标;最后,指出基于深度学习的输电线路巡检图像数据视觉检测方法目前存在的问题,并对进一步的工作进行展望。