机器视觉在标签检测中的应用

iLabel是一款光学自动检测设备,用于校验商品包装上标签的位置及粘贴质量。该设备配置简单、易用,既可以在线检测,也可以脱线检测。iLabel采用专用的技术“show and learn”,可通过观测物体样品自动提取合格标签,并根据生产过程或实际生产环境的不同进行检验,经判断模式检测后判定标签是否合格。iLabel同时具有阅读条形码、判断标签相对位置等功能。     

机器视觉在产品和部件检测中的应用--iCheck

iCheck是一个光学检测设备，主要用于对工业生产线上的生产部件和产品的正确性进行检测。利用iCheck光学检测设备和以太网设备可远距离观察生产线上的产品，同时具有配置简单和易用等特点，可迅速、广泛地应用于各种工业产品部件的检测。     

机器视觉在焊点检测中的应用

阐述了利用图像处理的一些算法对半导体封装过程中的焊点进行检测,主要包括图像预处理、自动阈值图像分割、图像膨胀、空洞填充、图像连通、区域开圆运算、形状检测、计算区域特征等算法,并通过大量实验确定了参数,得到一种确实可行的应用方法完成焊点的检测。     

机器视觉在PCB缺陷检测中的应用

PCB是电子产品的载体,PCB表面的缺陷是影响整个产品质量的主要因素,直接关系到产品的性能和可靠性。为了实现PCB生产过程中缺陷检测的自动化,研究了用机器视觉检测技术检测PCB表面缺陷的方法。在检测中采用了4K灰度线阵CCD和高精度光学驱动平台构建的检测系统,获得了满意的效果。     

基于HALCON的标签模切缺陷的检测

针对标签模切的凸起缺陷,采用模板对比检测方法中存在的误报和漏报的问题,文章提出了利用图像形态学处理的方法和通过提取轮廓的方法对现有的视觉检测算子改进以提升检测效果。使用HALCON软件实现模板比对、形态学和提取亚像素轮廓的三种检测的方法,并进行误报、漏报和算子处理速度进行比较。通过样本标签测试结果说明,针对样本中的凸起缺陷,改进后的方法误报和漏报为0,正确率较高。此方法对于规则物体边缘凸起缺陷的检测有较高的参考价值。     

机器视觉在光纤端面缺陷检测中的应用

传统的光纤端面缺陷检测用的是人工检测方式,这种检测方式效率很低,检测结果的主观性很强。对光纤端面缺陷使用机器视觉检测,能极大地提高检测效率和检测准确性。首先将采集到的图像通过图像处理二值化,接着对纤芯中心进行定位,然后以纤芯中心为圆心对光纤端面进行不同的圆环检测区域划分。由于光纤端面上的缺陷有可能是暗色的或者是亮色的,因此为了区分二者,对每个区域检测时需要做不同的二值处理。如果有任意一个区域的检测不能通过,则这个光纤端面就是不符合要求的。结果显示,利用机器视觉进行光纤端面检测能够快速、精确地检测出缺陷所在位置及其大小。     

机器视觉技术在烟箱缺条检测中的应用

在卷烟生产过程中,自动装箱是一道重要的工序,在装箱过程中可能产生漏装导致缺条、缺排现象,造成严重的质量问题。目前比较成熟的检测方法有涡流、称重和射线检测等,但都存在不同程度的缺陷。机器视觉检测技术在现代卷烟生产过程中具有日益广泛的应用,其具有费用低、检测技术成熟、适用性强等优点。在此将机器视觉技术应用到装箱机缺条检测中,对于消除产品质量隐患、提高生产可靠性和维护企业信誉具有十分重要的意义。依据现有的生产机械设备和技术手段,成功开发了卷烟生产过程中的烟箱缺条检测系统,并在生产实践中检验了其可靠性。     

在禽群病死个体检测中的应用机器视觉技术的探讨

随着信息时代的到来,信息技术的应用和推广,古老的家禽养殖方式发生了翻天覆地的变化,目前的农场中,环境温度、风量、禽蛋、禽粪、食物和水的供给,都已完成自动控制,但是对于农场中的死禽,并无达到自动监测和控制的目的,只能通过人工不断的巡查和发现,同时人工检测效率并不高,并且实时性很差,不能第一时间清除,死禽如果长时间置于农场中,不仅造成农场环境污染, 同时巡检员的身体健康也会受到影响。针对上述死禽巡查检测中的各种缺陷,本文以养鸡场为研究对象,给出基于机器视觉技术的死鸡检测方法。该方法首先对养鸡场内中心区域位置的变化,采用逻辑与操作排除活鸡存在的部分;其次,提取出鸡的各个重要特征,以这些特征的变化量作为特征向量,判断死鸡和活鸡。通过实验结果可得,本文的图像识别方法能够能有效的提升检测死鸡的精度。     

机器视觉及其在制造业中的应用分析

机器视觉技术在我国制造业、食品安全检测、太阳能和交通监控等领域广泛应用.传统的制造业正面临着全新的颠覆,同时也为我国自动化、智能化的变革提供有利的技术支持,目前机器视觉被视为自动化技术领域中最先进的智能化技术,被各个领域不断开发和利用,该技术具有很大的市场发展前景.本篇论文主要针对制造业中机器视觉技术的具体应用进行分析.     

机器视觉技术在检测告警中的应用

介绍一种机器视觉告警系统，利用多媒体计算机自动对摄像机预置画面预定区域的颜色判定，获得告警信号。详细描述了区域图像数据的获得，分析判决方法，以及预置方法。     

机器视觉在TFT-LCD点缺陷检测系统中的应用

针对TFT-LCD点缺陷的特征和检测方法,介绍了机器视觉系统的基本构成,提出了一种基于Visual C＋＋6.0集成开发环境,以EURESYS的eVision作为机器视觉和图像处理核心软件的TFT-LCD点缺陷检测方法。实验结果表明,该方法能够快速高效地实现点缺陷的自动检测功能,具有良好的鲁棒性,并为后续复杂缺陷的检测应用提供了一条参考思路。     

集成电路粘片机视觉检测技术

集成电路粘片机是将半导体晶圆上微芯片贴装到引线基架的半导体后工序关键性生产设备。基于视觉检测的全自动集成电路粘片机，其视觉检测技术是关键及核心技术。伴随机器视觉和计算机控制这两个关键技术的进步，使粘片机自动化程度不断提高，同时带动着粘片机向高速度、高精度、智能化、多功能方向发展，所以全自动集成电路粘片机视觉检测技术的研究对加快半导体工业发展具有重要意义。     

基于机器视觉的电机端盖检测技术应用

随着技术的不断完善,机器视觉检测的可靠性也获得了认可,机器视觉技术的应用可有效提升生产效率和产品质量。本文以工业机器人应用编程“1+X”考核设备为基础,以电机模型为检测对象,利用Vision Master平台设计了电机端盖的检测方案。结果表明机器视觉技术在电机端盖检测项目中能够满足需要。     

基于arm-linux机器视觉的图像特征点快速检测方法北大核心CSCD

针对传统的检测方法一直存在噪声影响严重,导致检测结果不准确的问题.提出基于arm-linux机器视觉的图像特征点快速检测方法,首先利用机器视觉技术拍摄目标图像信息,通过arm-linux系统对目标图像信息进行特征点分析提取、小波去噪等进一步处理;再依据图像处理结果建立Facet模型,计算求解图像特征点二阶方向导数,获取图像特征点二阶方向导数极小值小于零的像素点作为提取的图像特征点,通过对极大值的归一化和图像局部非极大值抑制完成对图像特征点的快速检测.实验结果分析证明,所提方法可以降低图像特征点的检测成本,减小噪声影响且稳定性强,适用性范围广,安全性高.     

单目视觉引导机器人在视觉检测中的应用

提出一种基于单目视觉引导的机器人工件表面缺陷检测系统。结合标定后的相机参数与物体成像以及物体虚拟投影建立的形状模板初步估计物体的位置姿态,物体的三维点云模型以一定位置姿态参数在虚拟空间的投影匹配零件真实位置姿态提升定位精度。定位完成后获取待检测位置的点云坐标及其法线方向经过坐标转换后提供给六轴机器人进行路径规划及机器人姿态控制,从而实现机器人辅助检测。     

机器视觉技术在防凌破冰中的应用

介绍了机器视觉技术及其应用的发展概况。讨论了机器视觉技术在生产生活中的典型应用、机器视觉技术的原理和常用图像处理技术等内容。详细阐述了机器视觉技术在防凌破冰中的应用,说明如何在防凌破冰系统中利用航拍摄像机采集河面上的图像,经过一系列图像处理后,检测出面积较大的冰块,并进行危险因素分级,指挥中心据此指导飞机对危险等级较高的冰块进行爆破,消除隐患。在防凌破冰中采用机器视觉技术替代人工肉眼的观察,大大提高了工作效率和测量结果的准确性。最后指出了机器视觉系统的发展方向。     

基于AI机器视觉的图像稽核研究与应用

本文通过研发基于AI机器视觉的智慧化图像稽核模型,结合1:1人脸生物识别技术,将风险判别规则嵌入模型,实现AI智能稽核模型无感知融入代维服务管控流程。通过人工智能图像识别技术开展对网络代维维护现场质量、代维人员身份和人员资质合规性的智能核验,分类实现网络代维服务现场图片的AI智能质检,解决人工质检量大、主观差异性、人证不一致带来的效率低下和风险问题,实现代维维护服务的标准化、精细化管理,创新人工智能在代维管理领域的典型场景应用。     

SMT产品质量机器视觉检测中的机器学习

SMT产品机器视觉检测AOI中,对具体产品样本进行机器学习时,难以得到被检测产品的多种缺陷样本,合格产品样本也需要减少学习样本数量,以提高检测速度,减少人工检测。文中研究了SMT产品的机器视觉图象特征及分布,结合快速分层的并行检测方法,提出了针对大量产品正、负类样本学习建立检测经验参数,针对具体产品负类学习建立模板的学习方法。并在具体产品样本学习中采取动态阈值,以减少人工检测确立学习样本的数量。多个生产线的产品检测实验表明本方法可以速有效地建立AOI检测模板参数。     

基于立体视觉的杂质检测方法设计

为了实时检测瓶内杂质,设计了一套用于灌装线瓶内产品质量检测的视觉系统。基于几何成像原理建立双CCD立体视觉的数学模型,推导出从2张投影图像中得到杂质实际空间位置的公式;利用形态小波简化图像、综合自适应阈值法和边界检测算子进行图像分割,从而提取出杂质特性,最后采用特性向量进行2图的特征匹配。当检测精度为4pixel／mm时,每个瓶子的判断时间小于200ms,准确率近98％。