基于Halcon的水平仪气泡自动分类系统研究

为了实现生产过程中水平仪气泡实时快速分类而研发机器视觉水平仪气泡自动分类系统,这是水平仪生产机器换人的关键。研究了基于Halcon的图像处理与识别技术,结合Qt语言设计了自动分类系统软件。介绍了自动分类系统的硬件构成、工作原理,以及图像获取和识别水平仪气泡特定参数的方法。分析了自动分类过程中图像滤波、边缘检测、轮廓提取等图像处理技术,并进行了实验验证。结果表明,使用基于Halcon的机器视觉图像处理技术,能使水平仪的气泡分类速度更快、更准确,单张图像平均检测时间≤786 ms,长度检测平均误差≤0.02 mm,满足水平仪生产机器换人的需要。     

基于压电式压力传感器的压力容器气密性检测方法

针对低压条件下压力容器气密性检测中存在的微小泄漏检测易受环境噪声干扰、漏点定位困难、对气体介质具有选择性等问题,提出一种基于压电式压力传感器的压力容器气密性移动式检测方法。利用压电式压力传感器检测压力容器漏孔处产生的气体射流,克服了检测仪器对气体介质的选择性;采用气密性移动检测方式,利用检测用传感器可以接近压力容器器壁外表面的特点和仪表的实时计算能力,克服了环境噪声对检测结果的干扰,同时又提高了气密性检测的灵敏度和漏点定位精度,实现了低压条件下微小泄漏的检测。低压容器气密性检测的测试结果验证了所提方法的可行性和有效性,为压力容器的气密性检测提供了一种新的解决思路。     

基于机器视觉的安瓿瓶在线质量检测系统设计

针对药用玻璃安瓿瓶生产中人工检测存在的检测速度慢、效率低等问题,设计了一套基于机器视觉的在线质量检测系统。利用工业摄像机获取安瓿瓶图像信息,通过数字图像处理技术,实现对图像的预处理和边缘检测,进而判断瓶体是否有污渍和破损等缺陷,将不合格产品剔除,利用LabVIEW技术设计了人机交互界面,实时显示检测结果。实际测试表明,该系统能够实现安瓿瓶的实时检测,提高检测效率,能够满足实际生产的需求。     

血浆絮状物无损检测系统设计

检测血浆中是否含有絮状物是保证输血安全的重要措施。针对絮状物人工检测法的缺点,设计基于机器视觉技术和神经网络的血浆絮状物无损检测系统,并对系统设计的关键技术进行研究。基于MATLAB平台设计系统软件以实现图像采集,并采用剪切、反色、中值滤波、灰度切割对图像进行预处理;采用fisher判别方法,结合迭代阈值分割法和标注矩阵连通区域选择法,消除气泡干扰,提取絮状物。系统通过基于BP神经网络建立的识别模型,完成血浆絮状物的判别。临床对比实验结果表明,系统能有效地检测出血浆中是否含有絮状物,具有较好的检测重复性和准确性。每袋样品从图像采集、处理到最终给出检测结果的时间不超过1 min。     

机器视觉的电镀卫浴产品划痕检测系统

为解决人工检测电镀卫浴产品表面划痕存在的漏检、效率低等问题,提出基于机器视觉的电镀卫浴产品表面划痕检测系统。利用工业相机采集电镀卫浴产品缺陷图像,通过调整相机和产品的夹角并设计暗室照明环境解决电镀卫浴产品成像倒影、局部曝光问题;通过高斯滤波算法去除背景噪声,采用正弦带通滤波器和傅里叶变换将图像从空间域转换频域后经过阈值分割提取缺陷区域。实验结果表明,划痕检测系统能够检测出表面划痕长度在0.4 mm以上的缺陷,准确率达到96%,检测时间控制在350 ms左右,满足检测要求。     

气密性测试仪测试精度分析与改善

正气密性测试是保证产品质量的重要检验工序,气密性检测广泛地运用于汽车制造、卫浴五金、家用电器、医疗器械行业、制冷设备及阀门管道等领域,早期的测试方法是把测试件口部密封充入压缩空气浸入水中,人工观察是否有泄漏气泡冒来判定气密性,长时间肉眼观察容易疲劳,复杂结构产品里微小气泡容易附着在产品内壁不易     

安瓿瓶视觉检测关键技术研究与应用

目前我国药包生产企业普遍采用质检员抽检的方式对药品进行质量检测,人工抽检存在漏检、误检、效率低下等诸多弊端。本文提出采用基于机器视觉的检测技术对安瓿瓶的尺寸和缺陷进行在线全检,实验结果表明,该方法明显提高了检测效率和检测质量。     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

光纤缺陷实时检测与分类方法研究

针对人工检测高速运动光纤表面缺陷的效率低、准确性差、难以实时检测等问题,设计实现了一套基于机器视觉的快速光纤缺陷检测系统。定义光纤缺陷,建立分类数据库和分类标准;设计全方位数据采集系统自动连续获取光纤表面图像信息,输入工控机进行处理;提取光纤目标区域,获得光纤缺陷形态学特征数据;针对光纤缺陷特点和AdaBoost分类器的优缺点,设计了一种改进的基于形态特征的AdaBoost级联分类器用于光纤缺陷检测与分类,实现了光纤质量的实时监控。最后,将改进算法与标准AdaBoost算法在实际工业环境下进行对照实验,实验数据表明,改进算法的准确率达到99%以上,同时能大幅减少检测耗时,证明了所设计的检测系统具有很好的实时性和准确性。     

基于Curvelet变换的机器视觉流量检测系统中的应用

针对传统工业现场浮子流量计人工读取数据误差大、检测效率低的问题,研发一套基于机器视觉的浮子流量计检测系统。为使机器视觉系统在检测过程中稳定、准确读取刻度信息,将Curvelet变换算法用于增强流量计刻度线边缘,减少裂痕对水平刻度提取的影响,解决流量计刻度线边缘模糊的问题。同时算法采用IPP图像处理函数库优化算法提高处理速度。实验表明,该算法能够实时准确地读取流量计刻度信息,识别精度达99.97%,处理一帧图像时间为50 ms,满足工业现场要求。     

管道中液体泄漏的超声检测

本文研究了液体泄漏时的漩涡产生,气泡破灭对管道系统的影响,找到了特征频率,提出以液体泄漏时的超声波信号为特征参数可以对管道的微量泄漏进行有效地检测。并通过有关实验进行了验证。     

基于机器视觉的坯布疵点实时自动检测平台

为了克服人工检测坯布疵点过程中存在的低效率、高误检率、高漏检率等问题,设计并实现了一款能兼顾实时性和准确性要求的坯布自动检测平台.该平台包括织物传动系统、光源和成像系统、图像采集与处理系统、人机交互系统4个组成部分.在详细阐述了图像采集与处理系统的设计之后,结合AR谱算法对坯布自动检测平台进行了相关调试和试验验证,结果表明该平台已实现了预期的研发要求.     

灌装液体药品质量的机器视觉检测与识别

针对机器视觉检测灌装液体药品中存在的对噪声敏感、难以区分杂质和气泡的问题,提出多帧序列图像检测与识别杂质的方法.在获取灌装液体药品连续序列图像的基础上,采取以最不相邻图像差分来获取瓶内液体图像中变动区域;选取多帧序列图像中运动对象建立目标链,从而提取可能是杂质的运动对象在多帧序列图像中的特征.运用具有较强推广能力的支持向量机对提取特征进行分类识别.实验结果表明:采用该方法可识别灌装液体药品的杂质,选取合适的支持向量机惩罚参数和核参数,其识别准确率可达95%,可以区分杂质和气泡等,可提高检测灌装液体药品质量的准确性.     

基于改进的RetinaNet医药空瓶表面气泡检测

医药空瓶在生产过程中瓶身表面会产生大量的气泡缺陷,但现有的方法对医药空瓶表面气泡检测存在各种问题,例如对复杂场景变化的鲁棒性不强,抗噪声干扰能力弱等.针对现有医药空瓶表面的气泡缺陷,提出了一种改进的深度学习目标检测算法RetinaNet对瓶身气泡进行检测.对原始RetinaNet算法中的特征金字塔网络结构进行了优化,在特征融合过程中引入了特征增强模块,用来提高网路对图像语义特征的提取,增强网络特征提取能力.为了减少模型的参数数目和计算时间,考虑到空瓶表面气泡均为小目标缺陷,去掉原始特征金字塔网络中用于检测大目标的网络结构,提高了算法检测速度.通过对标准的ResNet50网络进行重新组合,并引进了膨胀卷积模块,扩大特征图感受野,提高了模型检测的精度.通过在注塑空瓶数据集上对本文的方法进行了验证,其准确率为99.72%,漏检率为0.12%,误检率为016%,mAP为99.49%,相比原始的RetinaNet的mAP提高了接近2.4%.     

基于YOLO v3的自动餐具分拣检测

当今餐饮行业中餐具的使用愈发频繁,而现有的人工餐具分拣方法效率低、安全性差且成本过高.为此,设计了一套基于YOLO v3的自动餐具分拣系统,包括硬件数据采集、图像识别及分拣执行三部分.其中,基于机器视觉的采集系统利用摄像头将餐具图像传入计算机,并在摄像头背面配上小夜视灯以实现补光.再引入Gamma校正进行图像预处理,同时基于YOLO v3实现对餐具的识别与定位.最后通过串口传递信息以控制机械臂实现分拣.实验结果表明,利用YOLO v3能够达到较好的餐具检测效果.     

基于Sobel边缘检测的圆周Harris角点检测算法

特征点的选取是视觉研究的基础,其选取的精确度直接影响到视觉信息处理的准确性与可靠性。传统Harris角点检测方法具有计算简单、易于实现的优点,但该算法效率低下、检测精度较低、抗噪性差、存在角点簇。提出一种基于Sobel边缘检测的圆周Harris角点检测算法:首先采用Sobel边缘检测进行角点预筛选,本质上提高检测效率;随后采用圆周窗口模板对筛选后的角点进行非极大值抑制,减少漏检点与伪角点的个数;最后采用临近点剔除法,保留非极值最大点作为角点,解决角点簇问题。实验结果表明,文中角点检测算法运行效率得到了极大提高,减低漏检率的同时,旋转不变性亦得到了改善。     

柱塞式汽车制动器总泵活塞表面缺陷视觉检测的光源优化

分析了柱塞式汽车制动器总泵活塞表面的缺陷特点及其视觉成像难点,设计并优化了适用于柱塞式活塞表面缺陷机器视觉检测的立体组合光源,通过柔和光线设计减少了检测图像的噪点.同时,建立了光线发射-反射-成像全过程的光强度折损数学模型,对光源和镜头采用偏振光滤除技术,通过合理选择偏振片的透振方向,达到了减弱无缺陷位置亮度、减小反光带宽度和增强图像对比度的效果,通过光源优化,对活塞表面缺陷进行了图像采集,并建立了表面缺陷类型数据库.经样本数量为300的随机抽样实验结果表明,优化光源系统后的视觉检测无漏检现象发生,误检率不大于2%,达到了预期效果.     

干涉滤光片在PCB机器视觉检测中的应用研究

分析了干涉滤光片的特性和不同波长的入射光在特定印制电路板(简称PCB)中的光谱响应,提出一种利用干涉滤光片提高PCB机器视觉检测效率的方法;该方法具有可以明显提高图像的清晰度,简化图像处理的复杂程度,减小检测误判和降低漏检率等优点。     

改进YOLOv3的桥梁表观病害检测识别

针对基于目标检测方法的桥梁表观病害检测存在检测精度低、误检率和漏检率高的问题,提出一种改进YOLOv3的高准确率桥梁表观病害检测识别方法。为实现局部特征和全局特征有效融合,在YOLOv3的检测层中添加固定分块大小的池化模块,并在YOLOv3的特征提取网络中引入了DenseNet密集型连接网络结构以增强桥梁病害特征在网络中的传播和利用效率,提高检测效率,采用数据增强技术来扩充样本图像以解决现有桥梁病害数据集样本数量不足的问题。实验结果表明,改进后的YOLOv3在桥梁表观病害检测上的平均准确率比原YOLOv3提高了3.0%,且模型训练时间减少了33.2%,同时降低了对桥梁表观病害检测的误检率和漏检率。     

基于改进Mask R-CNN的可见光图像中舰船目标检测方法

针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN （mask region-based convolution neural networks）的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.