玻璃质量在线视觉检测系统光源的设计

为了实现生产线上玻璃质量的自动检测,采用机器视觉的方法对生产线上的玻璃进行缺陷检测。采集图像过程中光照方式对图像质量影响很大,为了避免由光照效果不佳对玻璃质量判断造成的干扰,保证视觉检测系统可识别不同种类的裂痕,研究了机器视觉系统中光源系统相对于生产线上玻璃的位置和光强度,解决上述问题造成的影响。分析光源系统对拍摄玻璃图像中缺陷部分和质量合格部分的相关影响,提出了一种可以检测出不同种类裂痕的光源照射方式,使其能够拍摄满足条件的高质量玻璃图像。通过样本批量测试实验证明:该光源照射方式对玻璃质量在线检测的识别准确率均为90%以上,所采集图像质量满足要求,能够准确检测出不合格产品的缺陷位置、面积大小及缺陷深度。     

基于机器视觉的移动工件抓取和装配的研究

针对工业生产线上某产品上下盖自动装配的问题,运用运动控制理论与机器视觉相结合,搭建了一套模拟工业生产线产品装配系统。首先利用工业相机对进入视场的工件进行单帧图像采集,获取图像数据;然后利用OpenCV对数字图像进行处理,包括中值滤波、阈值分割、孔洞填充、边缘提取来获取数字图像的特征;之后通过质心法结合矩形拟合计算出工件的质心坐标和偏转角度;最后引导六轴机械臂抓取产品的时候能根据图像处理结果进行纠偏和补偿。该系统采用平面棋盘格标定板对工业相机进行了标定,并且在线进行了验证,实验结果表明,工件抓取和装配成功率为100%,满足工业现场的装配精度要求。     

冷冲压阀片表面压痕精确检测方法

亮光构件表面缺陷引起的微小形状突变能够通过反射条纹的畸变凸显,因此反射条纹技术可应用于反光物体的表面质量检测。提出了一种基于反射条纹图像的冷冲压阀片表面压痕机器视觉检测方法,通过该方法提取阀片的条纹图像信息,并进行缺陷特征的自动识别。采用滤波去噪和多尺度Retinex算法等系列预处理方法提高图像质量,通过条纹中心线、子窗口像素和及投影向量等特征参量的选择降低计算的复杂度,增加计算系统的稳健性。实验结果表明:基于反射条纹图像的阀片表面压痕检测方法具有高精度、高效率等特点,实现了阀片表面细微压痕的有效识别,识别精度可达0.1mm,检测效率(单张检测目标耗时2s)可以满足阀片生产线的实际在线检测需求。     

零件钢印号码自动识别预处理算法研究

在工业生产线上,一般运用人工方法识别零件钢印号码。这种识别方法既费工时、又易出错。故本文系统地提出了运用图像预处理来处理零件钢印号码,经过实验证明,运用这些方法能保证经过处理后的零件图像易于识别,为后续的识别工作奠定了基础。     

在线检测中改善对入射光强敏感性方法的研究

提出一种新的图象灰度均匀性算法,利用目标反射率是恒定因素,有效降低了入射光强变化对在线目标识别带来的不利影响.实践表明这一方法有效解决了工业在线检测中环境恶劣对入射光的影响问题.     

多光谱成像无损识别冻融猪肉中危害级碎骨

冻融猪肉作为肉制品加工原料,被广泛应用于无骨肉制品加工。该原料中的危害级碎骨（1～2.5 cm）对后期加工及食用安全均有较大风险。因此,开展多光谱成像技术（405～970 nm）快速无损识别冻融猪肉中碎骨的可行性研究十分必要。将195块肉片制备成65个无骨肉样、65个碎骨表面嵌入式肉样和65个碎骨内部嵌入式肉样,经冻融处理后采集其多光谱图像;再利用经典判别分析（CDA）进行图像分割,获得两类感兴趣区域（ROIs-1和ROIs-2）,并提取相应光谱和图像信息;最后运用支持向量机（SVM）和神经网络（NN）建立冻融猪肉危害级碎骨识别模型。结果显示：ROIs-2全光谱比ROIs-1全光谱有更好的识别能力,SVM和NN模型的精度均为100%,表明区域分割与模型精度密切相关。基于连续投影算法（SPA）筛选出六个关键波长（505,590,700,850,890和970 nm）,所提取的ROIs-2特征光谱可实现样品碎骨高精度识别,准确率为100%,进一步提升了识别效率。利用图像信息既能建立优越的SVM和NN碎骨识别模型,准确率分别为93.8%和93.33%,又能实现结果可视化,体现出优良的技术优势,但精度低于光谱识别模型。综上所述,多光谱成像技术可实现冻融猪肉危害级碎骨的高精度识别,为工业在线检测提供理论基础。     

应用于嵌入式图形处理器的实时目标检测方法

提出了一种应用于嵌入式图形处理器(GPU)的实时目标检测算法。针对嵌入式平台计算单元较少、处理速度较慢的现状,提出了一种基于YOLO-V3(You Only Look Once-Version 3)架构的改进的轻量目标检测模型,对汽车目标进行了离线训练,在嵌入式平台上部署训练好的模型,实现了在线检测。实验结果表明,在嵌入式平台上,所提方法对分辨率为640 pixel×480 pixel的视频图像的检测速度大于23 frame/s。     

基于ICT切片图像相邻层信息的缺陷自动识别方法

 现有的工业计算机断层成像（ICT）图像缺陷识方法中,多采用对单张图像进行孤立评判方法,此类方法未能考虑到单张图像在相邻层图像信息关联性,因而易将孤立的噪音视为缺陷,造成误判。为解决这一问题,提出一种基于序列ICT切片图像自动识别方法,该方法将识别过程分为两步：单张图像的潜在缺陷提取和相邻层图像缺陷的匹配。第一步运用传统方法识别出每张图像中所有潜在缺陷;第二步根据真缺陷在相邻层具有匹配关系而伪缺陷则相对孤立的特点,通过分步匹配的方法确定每张图像上所有潜在缺陷在相邻层图像上的匹配关系,区分出真伪缺陷。最后通过实例验证表明：利用该方法可以有效得提高真缺陷得识别率,降低误判率。     

面向嵌入式平台的轻量化神经网络手势识别方法

针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。     

基于小波变换和高斯拟合的在线谱图综合处理方法

微小型移动式现场在线检测技术是分析仪器发展的新领域。针对复杂工作环境中谱图存在强噪声干扰、谱峰重叠、不规则峰形等严重影响仪器的定性和定量准确度的瓶颈技术,提出了一种基于小波变换和高斯拟合相结合的谱图在线综合处理方法,用自研的仪器对甲苯和全氟三丁胺两种典型化合物的谱图进行了处理,并与实验室分析仪器普遍应用的算法进行了对比分析。结果表明,综合方法能够有效解决强噪声干扰、谱峰重叠、不规则峰形问题,提高仪器的定性和定量准确性,同时能够实现数据压缩,满足仪器的在线实时检测要求。综合方法处理甲苯特征峰的平均信噪比(SNR)较移动平滑方法提高了1.3倍,峰位误差ΔM降低了3.6倍,处理全氟三丁胺谱图的数据压缩比为197∶1。     

基于图像边缘信息和Fisher准则的钢板表面缺陷分割研究

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点,提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘,并对边缘检测所得的梯度图进行灰度拉伸,提高梯度图的对比度;然后利用Fisher准则寻找最佳阈值,分割出缺陷;最后运用数学形态学滤除噪声,实现了缺陷的自动分割和定位。实验证明,该方法不仅能够识别出弱小的缺陷,而且实现了在线实时检测。     

车载360°态势感知系统研究

为了适应复杂的战场空间,提高装甲车辆近距离防护能力和战场生存能力,提出一种车载360°态势感知系统。给出了系统的构成框架,并从总体设计、高吞吐嵌入式图像处理平台架构、实时全景拼接以及目标识别和威胁判断等关键技术进行了分析,提出了解决方法。设计的系统实现了多路高清图像拼接,延时优于190 ms,对于车辆的探测距离达到1 km,具有人员和车辆目标的检测和威胁提示能力,可显著提高装甲车辆近距离态势感知能力。     

智能化上料系统中工件视觉定位的研究

随着我国工业生产行业的快速发展,人工上料越来越难以适应,为解决工业生产线生产效率不高,人工成本过大,智能化不足等问题;基于国内外现有工件定位方法的研究,采用机器视觉对工件定位进行研究,利用工业相机采集图像信息,上传到PC端中 NI Vision软件进行图像预处理、边缘检测,并基于边缘检测结果提取质心点,然后利用坐标转换算法,获得对应世界坐标系下的坐标值,通过通信单元传送给机器人控制系统,控制机器手移动;经验证,算法不仅稳定可靠,而且易于修改,所得结果精度相对较高。     

批量高速二维码视觉检测识别系统

针对工业实际项目提出一种高效、准确的二维码识别方法,并开发了基于机器视觉的二维码高速、批量识别系统。首先根据被测二维码在目标子空间内的位置,提出利用几何关系定位每个二维码感兴趣区域并批量处理二维码的方法。在此基础上,采用添加高斯噪声的方式模拟生产实际中可能产生的噪声,评估系统抗噪能力。最后分析系统识别率与二维码运动速度的关系并比较实验结果。通过实验验证,在1800张的测试数据集中,二维码移动速度在296.8 mm/s情况下,无噪声图像中每个二维码定位识别平均时间为17.8 ms,有噪声图像为21.3 ms,识别率均为100%,该系统满足实时在线检测需求。     

透射和反射高光谱成像的马铃薯损伤检测比较研究

针对马铃薯损伤部位随机放置会影响检测精度的问题,提出从正对相机、背对相机及侧对相机三个方向,应用透射和反射高光谱成像技术采集马铃薯图像,进行透射和反射高光谱成像的马铃薯损伤检测比较研究。对透射和反射高光谱图像进行独立成分(IC)分析和特征提取,利用所得特征对反射图像进行二次IC分析,对透射和反射光谱进行变量选择,最终分别建立基于反射图像、反射光谱、透射光谱的马铃薯损伤定性识别模型;对识别准确率高的模型做进一步优化,采用子窗口排列分析(SPA)算法对透射光谱的特征做二次选择得到3个光谱变量,并建立任意放置的马铃薯损伤识别最优模型。试验结果表明,基于反射图像、反射光谱建立的模型识别准确率较低,其中基于反射图像的马铃薯碰伤,侧对相机识别准确率最低为43.10%;基于透射光谱信息建立的模型识别准确率较高,损伤部位正对、背对相机的识别准确率均为100%,侧对相机为99.53%;马铃薯损伤识别最优模型对任意放置的损伤识别准确率为97.39%。应用透射高光谱成像技术可以检测任意放置方向下的马铃薯损伤,该研究可为马铃薯综合品质的在线检测提供技术支持。     

基于机器视觉的高速带钢孔洞检测系统

针对宝钢冷轧1420酸轧联合机组带钢孔洞缺陷在线检测需求，结合机组现场条件，自主开发了恶劣危险环境下的高速带钢孔洞检测系统。该系统以机器视觉技术为基础，配置高性能透射式照明光源和高速线扫描CCD图像传感器，能够获得高质量的带钢图像；系统检测软件采用快速高效的目标识别和边缘检测算法，可在30ms内完成1幅图像的处理计算，实时判定孔洞的存在与否，并将检测结果发送至服务器。系统采用C/S模式作为网络架构，实现检测数据在客户端和服务器之间的可靠传递。系统两年多的上线运行证明：该系统在冷轧机出口十分恶劣的环境条件下，可长期连续工作，准确高效地检出带钢孔洞缺陷，具有卓越的检测性能和良好的稳定性。     

中药口服液中可见异物检测系统研究

针对目前生产线上中药口服液中可见异物检测系统存在的速度慢、精度低等问题,设计了一种可同时检测多个药瓶的基于机器视觉的异物快速检测系统。介绍了成像系统和机械系统。提出了一种基于边缘轮廓的图像配准算法,有效地消除了药瓶晃动的影响。提出了一种逐点阈值分割图像的二值化方法,能得到质量较好的二值化图像。实验结果表明,该系统能快速、有效地检测出可见异物,能较好地满足在线检测需求。     

基于ARM的嵌入式图像识别检测系统的设计

图像识别的主要目的是使用计算机作为工具对目标图像进行处理、解析与应用,通过数据分析检测出具有不同特征的目标和对象,发展至今其已成为了人工智能的基础。本文基于ARM嵌入式芯片提出了一种结合尺度不变特征变换匹配算法的图像识别检测系统,系统硬件部分采用模块化设计的思想以提高系统的兼容性,分为图像获取、数据采集、数据存储、图像识别等模块;软件部分采用斑点检测匹配匹配算法进行图像识别以提高图像识别速度与精度。实验结果表明所设计的系统具有识别速度快、精度高、可靠性高、故障少的特点。     

基于机器视觉的电机换向器质量在线检测系统开发

电机换向器质量检测是换向器生产线中的一个重要工序,但其仍采用人工方式,存在检测效率低、漏检率高等问题。针对此问题,本文运用图像处理和机器视觉技术,开发换向器质量在线视觉检测系统。该系统针对生产过程工艺多变,造成形状检测标准不一致问题,提出自适应学习模板方法;在轴孔孔径检测,提出基于Freeman链码改进的孔径快速检测算法;在端面缺陷中,提出基于改进视觉注意力模型的端面缺陷检测方法。实验结果表明,系统检测精度达到99.80%,漏检率为0%,F-measure值为99.89%。该系统能够快速有效检测换向器存在的外观质量问题,可满足换向器在线质量检测需求。     

一种机场目标检测与定位方法

针对机场目标检测定位时目标特征提取过于单一,识别结果不理想的问题,文章提出一种基于多源遥感图像的机场目标检测与定位方法;分别提取多光谱机场图像的跑道特征、纹理特征,以及相同区域SAR图像的后向散射特征,并将这些特征输入SVM分类器进行识别来判断候选区域是否包含机场,解决了目前特征单一、识别率较低等问题;实验结果表明该方法能更好地识别机场区域、提高识别率。