采用神经网络算法的机器视觉成像器

长久以来,智能机器一直是人们梦寐以求的机器,如今,人们的幻想已成为现实。用机器视觉来识别图形不断变化的元件,这需要复杂的算法。神经网络能够模仿类似于人脑细胞的处理功能。由美国通用视觉公司和IBM公司发明的零指令集芯片使得Pulnix公司的ZiCam摄像机能够把图形分解成更小的组元,而神经网络中的分立神经细胞可独立地对这些组元进行建模。换句话说,一个神经细胞可接收有关物体形状的信息,而另一个神经细胞则可记录颜色信息。这些聚合数     

显微镜能帮助机器视觉系统检测精细的部位

许多制造工艺需要联的显微镜,它能为机器视学或进行其他分析产生足够清晰的图像。这些显微镜（其光学系统的放大率大于1）能对精密零件的自动测量装置进行对准、检测和引导。显微镜作为一种光学系统,与“标准的”摄像机（照相机）系统是安全不同的,为了对精细部件的成像提供所需的清晰度（分辨率）,显微镜必须要有相当大的数字光阑孔径（即光圈）。这就限制了显微镜的景深。放大率大于1也就意味着从透镜镜头到成像传感器的距离是大于其它系统的。机器视学显微镜的有效设计需要对这些差别进行深入的了解。最初在设计上进行理智的选择,会使成功的机会大大地增加。某些参数会对成本和复杂性起很大的作用;而其它参数则几科是“自由”的,它们不起什么作用,许多应用能用成本－有效光学来描述。成像的多路传输和自动聚焦能解决其它难以处理的问题。     

两台自私型机器上自私工件排序的PoA紧界

本文研究了两台自私型机器上有自私型工件的关于二元均衡的排序问题。对任意工件序列$L$, 证明了二元均衡排序的PoA的紧界为$\frac{8}{7}$。如果工件尺寸在区间$[1, r](r\ge1)$内, 得到了二元均衡排序的PoA的紧界为关于$r$的分段线性函数。     

基于机器视觉的终端通信数据传输系统设计

由于对传输数据的边缘界定较为模糊,导致通信数据传输系统在传输过程中的丢包率难以得到有效控制,为此,本文章基于机器视觉设计了终端通信数据传输系统。以基于SEMTECH射频集成芯片SX127X的射频模块LSD4RF-2F917N10为通信数据的收发装置,利用机器视觉对LSD4RF-2F917N10收发的通信数据信息边缘进行划分,将其作为数据传输的约束范围,将通信数据信息的波普频率变化情况看作是一维函数,根据多个传输信号在一阶导数相同位置上的斜率参量计算出其在通信空间不同方向上的梯度向量参数,利用梯度值变化程度划分信息边缘。在系统驱动设计阶段,根据机器视觉的划分结果分析数据大小,并适应性驱动不同效率的运行模态,以此实现对通信数据的有效传输。得到的运行测试结果表明,在不同传输环境下,设计系统的丢包率始终稳定在1.0%以内,具有良好的通信效果。     

基于十字激光的双目视觉钻铆孔质量检测

为了获得飞机蒙皮自动钻铆中锪孔的孔径尺寸和锪窝的深度信息,本团队搭建了一套基于双目视觉的检测系统。在立体匹配环节,该检测系统以十字激光在钻铆孔上的交点作为匹配基准,构建左右图像边界点的投影映射模型,同时采用基于模拟退火算法的多层感知器模型对脱离映射关系的边界点进行二次修正优化,解决了边界区域因亮暗变化差异微小导致的误匹配问题,保证了边界点的匹配精度;在双目视觉的三维重建中,以拟合空间曲线的方式建立钻铆孔的空间圆锥模型,从而得到钻铆孔的内孔孔径和锪窝深度。实验结果表明,基于十字激光匹配方法生成的点云数据的法向绝对偏差小于0.018 mm,而孔径测量误差以及锪窝深度测量误差均在0.04 mm以内,有效提高了钻铆孔的检测精度。     

基于机器视觉的柔性电路板智能检测控制系统设计

本文设计了基于机器视觉的智能检测控制系统,以PLC为控制核心,将机械臂、机器视觉系统和自动运输平台通过工业以太网相结合,解决在实际生产线上的PCB检测以及与MES系统通信的问题。依靠机械臂将刚生产好的PCB板抓取到自动运输平台上,平台自行移动到多个检测位置,同时机器视觉系统拍照,提取PCB的相关数据并进行缺陷检测,极大的提高了生产效率,并使得PCB缺陷、错漏插元件等漏检率降到0%,产品的效率和质量都得到极大的提高。     

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。     

Wavelet kernel Support Vector Machines for sparse approximation

Wavelet, a powerful tool for signal processing, can be used to approximate the target function. For enhancing the sparse property of wavelet approximation, a new algorithm was proposed by using wavelet kernel Support Vector Machines （SVM）, which can converge to minimum error with better sparsity. Here, wavelet functions would be firstly used to construct the admitted kernel for SVM according to Mercy theory; then new SVM with this kernel can be used to approximate the target funciton with better sparsity than wavelet approxiamtion itself. The results obtained by our simulation experiment show the feasibility and validity of wavelet kernel support vector machines.     

基于OpenCV的集成芯片基板定位技术

针对集成芯片制造中对定位、校准的高精度、实时性要求,提出了用机器视觉技术解决芯片基板定位的方法,通过对几种模板匹配算法的研究,采用基于OpenCV的图像分析技术实现了对集成芯片基板的准确定位,解决了传统机械定位精度低、速度慢的问题。     

融合自适应注意力机制的Faster R-CNN目标检测算法

针对Faster R-CNN目标检测算法存在的定位和检测精度问题,设计了一种可嵌入Faster R-CNN目标检测算法并进行端到端训练的可移动的注意力（MA）模型。首先,为了获取更加精确的空间位置信息,MA采用两个自适应最大池化分别基于输入特征图的水平和竖直两个方向进行特征聚合,生成两个独立的方向感知特征图;其次,为了防止模型过拟合,使用Sigmoid激活函数增加网络非线性;最后,为了充分利用已经得到的空间位置信息,将具有非线性的两个特征图与输入特征图依次相乘以增强输入特征图的表征能力。实验结果表明：基于MA改进的Faster R-CNN目标检测算法有效地提升了网络对感兴趣目标的定位能力,并且平均检测精度也得到了明显的提升。