特殊IC板引脚焊点缺陷检测中景深的研究

检测具有特殊空间结构的IC板引脚焊点缺陷时,相机镜头相对于引脚平面会有一定的倾斜角度,在特定的范围内获取图像清晰,超过此范围图像出现离焦模糊。针对此问题进行了研究,建立了景深的数学模型,推导出合理拍摄角度的公式,并通过实验进行了分析和验证。     

两关节压力驱动柔性仿生机器鱼的设计与仿真

为研究设计一种柔软度高、环境适应性强的新型仿生机器鱼,模仿鲨鱼外形及鲔科鱼类的游动姿态,设计了一种采用液压柔性驱动结构的仿生机器鱼.针对单关节液压驱动柔性机器鱼存在其C型摆动姿态不符合鲔科鱼类摆动规律的问题,采用两关节液压柔性驱动模拟鱼类S型摆动,并根据液压柔性驱动器原理设计仿生鱼的内部结构.依据理论波动方程确定机器鱼的摆动幅值,借助数值模拟计算施加在柔性驱动器内部的压强载荷大小,并分析计算液压柔性驱动器的驱动效率.应用有限元分析软件模拟仿生鱼在流体中的自主游动过程,并将两关节机器鱼与单关节机器鱼的自主巡游过程进行对比仿真,获得两种机器鱼在流体中自主巡游时的运动姿态、游动速度及流场情况.结果表明,在相同的频率与尾鳍摆幅下,两关节柔性机器鱼的巡游平均速度为0.29 BL/s(BL为鱼体体长),高于单关节机器鱼巡游平均速度0.15 BL/s,且由速度矢量图可得出两关节仿生鱼的S型摆动姿态更接近真实鱼类摆动规律,并在运动过程中会产生一系列离散的反向卡门涡街,推进效率高.     

基于机器视觉的刀具轮廓在线检测方法的研究

超精密单点金刚石车削过程中需要对刀具参数进行检测。基于机器视觉原理,采用新型的机械结构设计了新型刀具在线检测系统。通过垂直放置的两组由同轴远心镜头和CMOS相机组成的光学系统来获取车刀刀尖正面及侧面的图像,再经图像处理系统来获取刀具的轮廓及位置信息,完成对刀具轮廓及位置的在线检测,实验验证可实现测量的重复性定位精度达1μm。在线检测的方式借助了超精密车床自身的高精度和运动机构,可以保证相机焦点和机床主轴之间的相对位置关系,弥补了目前刀具检测系统稳定性差和重复性精度低的不足,提高了加工的整体效率。     

基于通道可靠性的多尺度背景感知相关滤波跟踪算法

针对现实场景中跟踪目标的光照变化、尺度变化、遮挡等问题,提出了一种基于通道可靠性的多尺度背景感知相关滤波跟踪算法。通过提取方向梯度直方图特征、灰度特征和颜色属性特征作为目标表观模型,提高了目标跟踪方法在复杂场景中的稳健性;独立训练每个通道的背景感知相关滤波器,采用通道可靠性系数衡量每个通道响应图的置信度;根据所有通道的响应图和可靠性系数,合成多通道背景感知相关滤波跟踪器的最终响应图,对目标进行精确定位;运用尺度池方法估计目标的最优位置和尺度。实验结果表明:与现有跟踪算法相比,所提算法可以有效地处理光照变化、尺度变化、遮挡等复杂因素的干扰,取得较高的跟踪精度和成功率,其整体性能优于其他算法。     

基于优化残差网络的复杂纹理表面缺陷检测

产品表面缺陷检测是工业自动化生产的重要环节,准确率是评价自动检测系统可靠性的主要指标。基于复杂纹理表面缺陷检测的特殊性以及对检测方法的实时性、通用性等要求,提出了优化骨干网络并使用迁移学习特征映射构建复杂纹理表面缺陷的检测方法。该方法通过优化残差网络模型并建立仿真数据集的方式进行迁移学习,以解决实际情况中复杂纹理表面产品数据集样本数量少、数据集制作困难、相似问题难以互相兼容等问题。实验结果表明,提出的方法可以准确地检测随机复杂纹理的人造木质板材表面缺陷,平均准确率可达99.6%。现有实验条件下单张人造木质板材的检测时间为305 ms,可以满足在线检测的实时性要求。研究结果可为基于深度学习的复杂纹理表面缺陷检测提供新的思路与理论参考。     

金属发动机叶片微小缺陷超分辨图像重建方法

针对金属发动机叶片细微缺陷边界对比度低、描述符不足等造成的检测困难问题,提出一种基于超分辨图像重建技术实现微小缺陷强化的方法。首先,为弥补固定分辨率常规图像量化能力不足的短板,设计基于光度立体的图像重建方法,在图像量化层面实现了叶片表面高对比度法向贴图重建;然后,针对微小缺陷采样描述符不足的问题,通过真实叶片图像来构建多角度、多姿态的数据集,采用基于像素损失的Charbonnier损失来改进超分模型的损失函数,从而实现图像的高分辨率重建,强化采样分辨率,最终实现量化以及采集两个层面的微小缺陷超分辨增强;最后,使用传统的Canny算子识别叶片表面缺陷边界。实验结果表明,所提方法可以免疫二维歧义性,相较于传统方法,最高可提升金属叶片表面微小缺陷检出率达24.3%。     

基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测

提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先,通过非负矩阵分解（NMF）建立红外缺陷数据集的目标域特征空间,以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本,对深度学习模型进行预训练,并将模型权重参数迁移至目标域,实现相似领域的知识迁移;然后,在YOLO v5算法基础上引入自适应空间特征融合（ASFF）模块,提高缺陷检测精度。实验结果表明：所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%,可实现不同长度裂纹的准确识别与定位。     

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。     

基于机器视觉的干涉条纹检测

基于机器视觉系统OpenMV,以迈克耳孙干涉仪干涉条纹为研究识别对象,根据光源相干性及干涉条纹动态特性,提出基于灰度采样统计的干涉条纹识别检测算法(干涉条纹同心形态搜索算法),运用MicroPython或Python语言编制实时检测程序,运行结果表明仿真和真实干涉条纹都得到了可靠的检测,精度为0.5个条纹,并且测量不确定度主要由算法制定的此条纹检测精度引起,证明了干涉条纹机器视觉检测方法和技术的有效性.