基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.     

机器视觉与钢板表面缺陷的无损检测

通过分析几种具有代表性的机器视觉检测系统的结构、原理和性能,论述了钢板表面缺陷的在线机器视觉检测技术的特点及现状,探讨了目前研究中的关键技术、难点及其解决方法,指出机器视觉检测技术必将在今后钢板表面质量控制系统的研究中发挥重大作用。     

基于机器视觉的接头组件表面缺陷检测系统研究

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。     

高精度机器视觉插件系统的研究与应用北大核心

针对目前国内自动化生产厂家对高精度、高性价比插件机的迫切需求,在分析了常见的插件机基本工作过程的基础上,利用机械手和视觉技术构建了基于机器视觉的高精度插件系统。在利用九点标定方法完成系统标定的基础上,采用移动相机和固定相机同时进行视觉定位,定位精度可达1μm,而且完全不受印刷电路板和元件本身旋转、偏移的影响。实验结果表明,该系统具有较高的稳定性和精度,可以很好地完成高精度插件作业要求。     

基于机器视觉的线缆表面缺陷快速检测算法研究

利用机器视觉技术检测线缆表面缺陷时,检测时间长、漏检率高。为此,提出一种基于机器视觉的线缆表面缺陷快速检测算法。通过引入CV-Kmeans区域分类算法建立自适应滤波窗口改进高斯滤波算法,在此基础上建立自适应模板,然后计算原图像与模板的Pearson(皮尔逊)相关系数快速判断图像是否含有缺陷。对含有缺陷的图像进行模板与原图差分,最后对差分所得到的图像用自适应阈值分割法提取缺陷。实验表明,算法可有效识别缺陷并减少检测时间,漏检率为3.22%,满足线缆生产需求。     

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.     

基于机器视觉的柱形电子元件表面缺陷检测

针对柱形电子元件经常出现的表面缺陷,设计一套基于机器视觉的在线检测系统。在Visual C++平台下,对采集到的图像进行预处理、二值化、位置和角度校正以及差影技术等一系列运算,达到高效地检测零件缺陷的目的。实验结果证明:该系统安全可靠,具有一定的经济效益和发展前景。     

基于机器视觉的铝包钢母线表面缺陷检测系统的研发和应用

在线缆生产中,铝包钢母线常出现露钢、包覆不圆、包覆外径波动大、氧化铝毛刺等缺陷,目前通常采用目测、触检、标记等方法检测这些缺陷,但准确度低。为此开发了基于机器视觉的铝包钢母线表面缺陷检测系统。该系统由机械传动、电气控制、图像智能采集、标识及外观缺陷软件算法组成。为实现铝包钢母线的无死角测量,以铝包钢线缆为圆心,将3台相机沿距圆心一定半径的圆周均匀布置;为解决因铝包钢表面缺陷多、难以检测和统一管理的难题,将母线缺陷分为边缘和非边缘缺陷;通过先确定母线上下边界区域,再采取四步图像测量来确保母线区域提取的完整性。该检测系统的在线检测准确率高达95%。     

基于机器视觉的飞机故障检查系统

针对当前飞机维修检查工作以人工目视检查为主、效率低且存在人为因素影响的情况,设计一套基于图像识别与机器深度学习的飞机部件表面无损检测系统。收集并整理了某航空公司一线飞机维修员拍摄的飞机机身及发动机部件图片,对图片集进行预处理,包括通道提取、Sobel滤波处理及二值化;最后用Blob分析对处理后的图像进行特征提取与系统分析。系统运行速度快、准确率高且可连续自动识别图像。利用机器视觉技术对飞机部件表面进行无损检测不仅可以提高生产效率,同时可以去除人为因素对航空器飞行安全的影响,使得飞机的飞行安全得到进一步提升。实践证明,该系统性能稳定可靠,具有极高的推广应用价值。     

基于机器视觉的四辊卷板机数控系统研究

分析某四辊卷板机的工作原理,针对板材加工的材料性能及形状各异的问题,设计了基于机器视觉的四辊卷板机的数控系统,能够在线检测卷制板材的曲率,和要求的形状进行比较,实时修正加工参数,解决了卷板加工中板材材料性能的差异带来的回弹系数变化的问题;能完成上辊和侧辊的联动,解决除圆形外其他如椭圆、抛物线等异性零件的卷制,实现卷板加工的数控化。     

微米级机器视觉系统中随机误差与系统误差的研究

为了实现机器视觉检测系统对零件尺寸的微米级自动测量,对随机误差和系统误差进行了研究.改进了双线性插值法,对像素进行细分,用canny算法检测出边缘,并用多项式拟合出轮廓.该轮廓存在随机误差和系统误差.根据轮廓的切向连续性,用期望值和实测值进行最优估计,消除随机误差的影响.分别用不同宽度的量块放在视场的四个象限,测得多组图像,提取轮廓点,结合畸变模型,对畸变进行校正并对系统进行标定.通过细分、卡尔曼滤波、畸变校正和标定,每个像素代表的实际尺寸为4.584μm,精度达到2.5μm.     

面向机器人激光增材制造的机器视觉系统标定算法

随着现代智能制造的快速发展,金属增材制造、绿色再制造、焊接等领域大量使用机器人等自动化装备,视觉传感是机器人智能制造的关键环节.针对上述需求设计了一套基于线结构光的视觉传感器,并对其进行标定,自主开发了用于机器人激光增材制造的机器视觉系统.该系统通过Matlab相机标定工具包实现相机的内外参数标定,利用Labview编...     

基于机器视觉的UVW定位系统

面向工业装备对高性能运动平台的需求,开发一套基于机器视觉的UVW定位系统。提出一种基于机器学习的视觉系统标定方法,利用平台运动学分析得到的平台坐标与图像坐标的方程,建立UVW平台的逆运动学图像求解关系,用于求解目标坐标的控制量。完成了定位系统的机器学习视觉标定和双目视觉定位控制实验,结果表明:设计的UVW平台视觉标定方法简单高效,运动平台具有较高的对位精度,可以满足工业应用需求。     

基于机器视觉的轴承字符识别技术的研究

针对轴承上字符的特点,提出了一种基于机器视觉的轴承字符自动识别方法,并利用C++和OpenCV计算机视觉库开发了识别软件。对轴承字符图像进行阈值分割,使用Sobel算子提取边缘轮廓,然后使用改进的圆检测算法定位环形字符区域,在经过极坐标变换后进行字符分割。最后提取改进的字符特征,使用支持向量机分类器进行字符识别。试验结果表明:该方法能有效识别轴承字符,而且识别率达到了95%以上,具有广阔的应用前景。     

基于机器视觉系统的自动检测系统设计与开发

以耳机孔壁弹性触点为研究对象，介绍并开发一种基于机器视觉的自动检测系统的原理及方法；利用CCD相机采集图像，经图像预处理、相关性搜索、特征边缘提取等算法处理完成弹性触点高度的测量，实现对耳机孔壁弹性触点高度的自动检测。测试结果表明：通过本套机器视觉系统实现对孔内壁弹性触点高度的精确快速检测，检测精度在±0．006 mm以内，这种新的检测方法对耳机孔壁弹性触点高度的检测精度和检测效率都有明显提高。     

基于机器视觉的手机镜头机器人装配应用研究

介绍了机器视觉在导引手机镜头(由LENS、BARREL部件构成)机器人装配中的应用,采用直角坐标型机器人设计成手机镜头机器人装配设备,进行手机镜头同一对位置下的镜头装配实验,获取手机镜头LENS、BARREL部件在各个位置下的图像,通过模板匹配的方法确定部件的坐标值,导引手机镜头机器人装配.实验表明:机器视觉方法具有实时、在线、非接触、重复误差小、精度高、自动化等特有的优点,在机器人装配中具有较好的应用前景;设计出手机镜头机器人装配设备已经成功运用于某公司,各项性能、效果良好,均满足客户要求.     

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。     

基于机器视觉的多类型工件测量系统研究

综合应用光电技术、数字图像处理技术和计算机技术,以薄片型机械零部件为主要测量对象,开发-套工件尺寸测量系统,主要包括照明系统、图像采集系统、图像处理系统和尺寸测量系统.根据检测要求,采用Canny算法进行边缘检测粗定位和8个方向模板的改进亚像素检测技术获得工件精确轮廓信息,再对轮廓进行分割和选择,采用Hough变换完成...