桥梁拉索表面缺陷的分布式机器视觉检测

介绍了一种桥梁拉索表面损伤缺陷的分布式视觉检测系统。系统以DSP(Digital Signal Processor)芯片TMS320DM642(简称DM642)为核心处理器,协同控制辅助机械装置,实现拉索表面缺陷检测。提出并采用改进的中值滤波对CCD采集到的拉索表面图像进行图像预处理,采用改进的Sobel边缘检测算法对缺陷进行边缘检测;对分割后的缺陷目标进行决策判别,实现桥梁拉索表面缺陷的智能检测。实验结果表明,系统可检测出桥梁拉索表面损伤面积大于1cm2的缺陷,处理速度达到了5cm/s,满足了快速有效的检测要求。     

基于机器视觉的发动机喷嘴检测系统的设计

以检测发动机喷嘴上几何尺寸为目的,设计了以TMS320DM642DSP为处理器,利用机器视觉技术进行检测的系统;通过CCD摄像机采集被测喷嘴的数字图像,在DSP中进行图像去噪、边缘检测、图像识别等图像处理过程,识别出被测尺寸并计算出值;阐述了该系统的工作原理和图像处理的算法,流程及实验结果。     

磁瓦表面缺陷的机器视觉检测方法

为了提高磁瓦表面缺陷在线检测准确率并降低检测时间,提出一种基于机器视觉的检测方法。离线训练时,对经过Gabor小波处理后的子图进行融合并提取纹理特征,使用改进的Relief算法提取与类别相关性强的特征子集,并去除冗余特征。为降低缺陷磁瓦的漏检率,先进行偏向性分类处理,再采用最小二乘支持向量机进行分类预测。实验表明,整体预测准确率96.89%,缺陷磁瓦分类准确率达到99.09%,且在线预测时间减少了近1/4,只需67.4ms。     

基于机器视觉的软包装边缘测量及纠偏系统

针对软包装带材在运动过程中易发生跑偏现象的工程背景,设计了一种自动测量与纠偏系统。介绍了系统组成和纠偏原理,系统采用机器视觉实时采集带材边缘图像,用直方图修正方法修正图象灰度,通过增强对比度突出图像中的带材边缘特征,用基于一阶微分的边缘检测方法实现边缘识别及判定边缘位置,运用FUZZY+PID相结合的控制模型实施纠偏控制;实验结果表明,采用LED光源和Microvision数字摄像机,在200 m/min中等车速和纠偏机构速度10 mm/s条件下,系统纠偏精度在±0～±1 mm之间,稳态误差小,相对误差小,能够满足软包装带材生产过程中的纠偏要求。     

基于机器视觉的雷达测角精度评估系统

利用光学成像原理,设计了基于机器视觉的雷达测角精度评估系统,主要包括光学部分(CCD相机)、图像采集部分和图像处理与目标角度信息提取部分等;机器视觉的定位成像和高精度测角,保证了该系统能在紧缩场中对雷达系统进行自动化、高精度、实时的角度测量校准和测量精度评估试验;理论分析和仿真结果表明,补偿由于雷达系统和机器视觉系统安装位置不同引起的角度测量偏差后,在正常的实验测量误差条件下,基于机器视觉的角度测量校准和评估系统能达到0.005°的校准和评估精度。     

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。     

基于机器视觉的轴偏角归一化检测系统

在复杂的测控、发射、跟踪等系统的制造和使用中，分系统或部件间的安装位置偏差会影响控制、跟踪、发射的精度和系统其他指标测量结果的准确性，因而需要进行测量和校正。提出了基于视觉图像定位光斑中心的轴偏角测量方法，并基于LABVIEW虚拟仪器平台构建了机器视觉测角系统。以某大型武器系统为测试平台，对不同属性的轴(如发射轴、瞄准轴、激光指示器轴、制导中的测量基线等)进行归一化测量和校准，得到了满意的效果。     

一种基于红外成像的强反射金属表面缺陷视觉检测方法

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点,提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法.利用CCD视觉传感器获取受检金属表面的红外影像资料,引入一阶Haar小波分解红外图像,抽取4个小波特性,然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性.最后根据统计值判别图像是...     

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法。首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置。本方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。     

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。     

A Study on Railway Surface Defects Detection Based on Machine Vision

The detection of rail surface defects is an important tool to ensure the safe operation of rail transit. Due to the complex diversity of track surface defect features and the small size of the defect area, it is difficult to obtain satisfying detection results by traditional machine vision methods. The existing deep learning-based methods have the problems of large model sizes, excessive parameters, low accuracy and slow speed. Therefore, this paper proposes a new method based on an improved YOLOv4 (You Only Look Once, YOLO) for railway surface defect detection. In this method, MobileNetv3 is used as the backbone network of YOLOv4 to extract image features, and at the same time, deep separable convolution is applied on the PANet layer in YOLOv4, which realizes the lightweight network and real-time detection of the railway surface. The test results show that, compared with YOLOv4, the study can reduce the amount of the parameters by 78.04%, speed up the detection by 10.36 frames per second and decrease the model volume by 78%. Compared with other methods, the proposed method can achieve a higher detection accuracy, making it suitable for the fast and accurate detection of railway surface defects.     

基于机器视觉的农田作物行检测

为了快速有效地提取作物行,提出了基于机器视觉的农田作物行检测方法.图像预处理过程中,用中心线检测算法代替垂直投影法获得作物行信息;直线检测中提出了一种基于随机方法的新算法.该算法首先在由图像定位点构成的数据空间中随机选取两个不同点,这两点决定一条直线;然后在一定的距离容忍度下,得到一个沿直线方向的条形区域,并在此区域内搜索定位点的个数;最后根据阈值规则,判断该直线的真实性.针对大量不同生长时期、不同光照条件下麦田图像的处理,结果表明,一幅图像的处理时间约为120 ms,能够快速准确地提取作物行.对比该算法与霍夫变换和随机霍夫变换,证实了它具有节省内存、速度快、抗干扰等优点.     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于机器视觉检测的大视场双远心光学系统设计

基于机器视觉的大视场非接触精密检测的需求,参照卡尔蔡司公司的TVM150／11／0．1远心镜头指标,设计了一款大视场双远心光学系统。采用了近对称的结构和半部设计的设计思路,较好地控制了畸变和倍率色差,实现了长工作距离（大于160mm）、大视场（物方视场达到西150mm）、低畸变（最大畸变小于1个像素）、高分辨（在2／3″CCD全视场200lp／mm处光学传函优于0．3）、宽景深（设计景深达到了±38mm）和双远心系统的设计要求。着重分析了系统各器件偏心对畸变的影响,通过对关键器件的偏心控制,有效地抑制了由于生产制造过程中的偏差产生的随机畸变对测量误差的影响,从而为实际生产提供了理论指导。     

基于机器视觉的高精度测量与装配系统设计

在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题。针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统。基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明：本系统的装配同轴度精度能达到0.05mm,零件尺寸测量标准差低于3.8μm,满足工业需求,可以解决工业实际问题。     

基于机器视觉的高精密轴承在线检测

高精密轴承是一种圆柱型零件,针对圆柱型零件高曲率表面缺陷及外形尺寸不能同时进行在线检测的问题,设计并实现了基于机器视觉的在线检测系统。检测时,为了解决金属件表面反光的问题,设计了专用的光源系统和照明方式,通过光学系统和机械旋转平台的配合,圆柱型零件在旋转的过程中被光学系统成像,从而可以采集到完整的圆柱面图像;经过快速的图像处理技术,可以检测到微米级的轴承表面缺陷及外形尺寸。检测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决高精密轴承表面缺陷及尺寸在线检测的问题。     

基于CiteSpace的内表面缺陷检测研究进展与趋势

为分析内表面缺陷检测的发展历程、趋势和研究动态,通过对WoS和CNKI数据库中该领域相关文献的检索,共搜集相关文献英文4 708篇,中文818篇,利用可视化分析软件CiteSpace对文献数据开展共现分析、聚类分析等知识图谱研究,分析内表面缺陷检测领域在国家、机构及研究人员层面的分布现状及合作情况,梳理研究热点和前沿趋势。研究发现内表面缺陷检测研究具有明显的多学科交叉属性,主要涉及分析化学、材料科学、光谱学、仪器仪表、机械工程和计算机等学科。近几年WoS数据库相关主题收录文献年增长率超过10%, CNKI年增长率超过20%,中美两国为本领域研究最为活跃的国家,两国发文量约占总发文量的40%,中国学者在无损检测、图像处理等领域的研究明显落后于国外学者,但在机器视觉和深度学习领域实现赶超。按照研究路线可将相关研究分为基于声光电热磁的检测和基于视觉成像的检测两类,其中前者包括采用不同技术手段获取光谱、超声和电磁图像并借助图像处理技术实现缺陷检测,而后者主要基于视觉图像进行缺陷识别和分类,目前已成为该领域主要的研究热点。内表面缺陷检测发展历程分为缺陷识别、缺陷分类、缺陷分析三个阶段,2000年...     

基于机器视觉的麻将包装识别系统设计

针对麻将包装在实际产线上出现的麻将牌错位、缺失、牌面翻转等问题,基于机器视觉检测技术设计了一套以DM6437处理器为硬件平台的麻将包装识别处理系统。该系统的硬件部分由摄像头板、核心板和接口板三个模块组成,配合机械传动系统来进行识别前后麻将包装的传输。系统的软件部分采用平板Pad对麻将包装进行模板录入,并设计了一套适应于不同机箱内部环境变化的背景剔除方法来完成模板整体分割,以及通过中值计算实现单目标的分离,最后还提出了一种简单高效的混合搜索方式来进行基于SAD的模板匹配。测试结果表明,识别算法对于麻将间有缝隙、麻将整体倾斜、个别或整体麻将翻转、个别麻将位置错乱等问题均能准确判别,模板匹配算法稳定性和适应性较好,识别准确率达95%以上,能满足包装流水线上的缺陷检测。     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于机器视觉的马体尺测量系统设计与研究

传统马体尺的人工测量方法工作量大且存在安全隐患,对此提出基于线性回归理论和机器视觉技术的马体尺测量方法,旨在测量马体的基本数据如体高、体长、胸围、管围;首先,在Matlab中利用图像腐蚀方法得到马体轮廓,并在2D图像上精确定位马体坐标,获得体高、体长指标;然后,自定义胸径、管径指标,代入线性回归方程预测胸围、管围;最后利用Matlab GUI工具设计系统可视化界面,并初步完成系统的仿真测试;仿真结果表明,利用线性相关及线性回归理论解决3D指标的预测问题,具备测量依据和借鉴意义。