基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法研究

为解决药用玻璃瓶外轮廓在线检测的两大难题,即瓶体透明度高造成光电传感器测量失真,以及高速生产节拍下测量精度稳定性差的问题,本文提出了一种基于图像语义分割的药用玻璃瓶外轮廓尺寸检测方法。首先通过结合PP-Lite Seg图像语义分割算法与Canny边缘检测算法,实现透明玻璃瓶轮廓边缘区域的精准分割,来精确采集玻璃瓶各截面轮廓点云;再利用ICP算法配准点云数据、Kd树算法计算瓶体尺寸超差区域,来实现高透药用玻璃瓶高精度在线测量。使用采集数据与标准瓶尺寸进行对比实验,实验结果表明重构轮廓尺寸误差在0.054mm以内、扫描速度在1s以内,能够满足当前生产节拍对检测精度和速度的要求,为高透玻璃瓶在线检测系统提供技术支撑。     

基于图像处理技术的工件长度在线测量

针对轧钢厂加热钢锭传输线,提出了一种工件长度在线测量方法.利用CCD摄像机对生产线上工件的图像信息进行远距离采集.考虑到实时在线检测要求算法简单计算速度快,在对图像信息进行边缘噪声滤除的基础上,利用图像灰度的梯度算子提取工件边缘特征,并进行边缘识别,从而实现工件长度的在线测量.为补偿摄像镜头的非线性影响,进行了二次多项式拟合处理,以提高测量精度.同时,介绍了实时在线测长系统的组成和功能,并对其测量速度和精度进行了实际测试分析,结果表明,被测工件长度在400~1 200 mm之间,运行速度不高于5 m/s时,测量误差低于0.4%.     

基于机器视觉的纺织布品色差检测研究

纺织布品印染是纺织品生产过程的一个主要环节,色差则是纺织品印染质量好坏的重要因素.针对纺织布品染色过程中染色不匀,在线检测效率低等问题,提出一种新的检测方法.利用CCD工业相机进行图像采集,采用图像增强、颜色量化、开闭运算和双边滤波图像处理方法提取标准图像和待检测图像的颜色特征,用CIELAB色差公式计算色差.实验结果表明,该方法在图像处理中能够有效的去除图像中与颜色无关的像素特征,减少数据处理时间,检测精度能够达到87.5%以上.     

汽车伞齿轮多目视觉检测系统与算法

针对人工检测汽车伞齿轮表面缺陷与尺寸参数存在成本高、工作量大、检测速度慢且产品一致性差等问题,利用机器视觉技术进行研究,开发了一种集缺陷检测和尺寸测量于一体的伞齿轮多目视觉检测装置。通过构建的邻域均差缺陷提取、圆逼近和快速旋转定位3种高效图像处理算法,解决了伞齿轮齿面多、外形结构复杂、缺陷种类多样等复杂条件下的齿轮缺陷与尺寸检测难题。可检测缺陷包括磕碰伤、裂纹、充填不满、划痕、凹陷与凸起、麻点、花键重复拉削等,可检测最小缺陷尺寸为0.4mm×0.4mm,测量精度为40~50μm,单次检测耗时小于1.3s,检测精度与速度均满足伞齿轮高速自动化生产线的实时在线检测需求。     

基于机器视觉的继电器轭铁高精度测量方法

针对1/2晶体罩继电器电磁系统中轭铁零部件尺寸难以测量的问题,设计了一种基于虚拟仪器与机器视觉技术相结合的轭铁尺寸高精度自动检测系统以解决传统人工检测精度低的不足。该系统采用Lab VIEW平台开发了基于消息队列的图像采集系统以实现轭铁图像自动采集;此外,针对轭铁采用中值滤波、二值化等图像预处理技术过滤图像噪声和干扰,然后利用Hough变换进行轭铁轮廓特征提取,结合最小二乘算法进行轭铁尺寸高精度测量。最后,利用设计的系统对轭铁进行测量,测量结果显示轭铁尺寸误差在0. 000 1～0. 004 5 mm之间、可重复测量精度高,验证了系统的有效性。     

基于自适应形态学滤波器的布匹瑕疵检测算法

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择
定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。     

基于图像的驾驶员安全带自动检测系统

未系安全带行为可能在交通事故中给机动车驾驶员或者乘客带来严重的人员伤亡。现有的驾驶员安全带状态检测多依赖人工验证卡口图片,耗时低效。引入了基于中间件结构的驾驶员安全带自动检测系统,自动下载图像,并利用任务调度将图片分发至处理服务器。在处理服务器端,设计一种集合直线检测和HOG算子分类的多级安全带检测算法,自动检测卡口图像,并利用中间件将检测结果上传至指定的存储器。该系统扩展方便,可分布式部署,能对卡口图像进行大量、快速驾驶员安全带状态自动化检测。     

基于稀疏编码投影特征的布匹瑕疵检测

为了改善传统算法通用性不强、计算量较大的缺点,提出了基于稀疏编码投影特征的布匹瑕疵检测算法。采用稀疏编码来训练得到特征提取的过完全字典,使得不同种类布匹纹理的特征选取具有充分的灵活性。利用布匹图像在字典上的投影代替稀疏表达作为特征,提高了特征的鲁棒性,有效地减小了算法的计算量和时间复杂度。最后,根据待检测图像块特征和标准之间的距离,得出检测结果。对德国TILDA样本库的实验结果表明,该方法得到的特征更加的稳健,对不同种类布匹的适应能力更强,检测时间更短,对比其他算法的检测率也有明显优势。     

火车轮对表面缺陷检测

基于CCD图像采集测量和图像处理方法,设计实现了一种利用面阵CCD成像系统检测火车轮对表面剥离的非接触在线测量系统,着重讨论了系统中灯光、摄像机的安装位置对成像的影响,分析了轮对剥离图像的特征;并提出一种利用图像特征的剥离(金属表面脱落现象)检测方法和确定剥离尺寸大小的边界搜索方法．现场实验表明该方法具有较强的抗干扰能力,检测正确率达到90%,精度达到4mm．     

高精度大尺寸工件检测系统研究

针对现有的工件测量装置普遍存在精度低、范围小和效率低等问题,利用高精度图像采集模块,以机器视觉为核心,结合优化后的SURF特征点匹配和最小二乘法拟合等算法,提出可对大尺寸工件的孔洞和边线等参数进行高精度测量分析的系统.该系统可在35 s内对1 m大小的工件以微米级别的误差进行测量,相比传统检测方法,具有高精度和高效率的...     

基于机器视觉的经编机在线瑕疵检测技术

文中提出了一种离线学习、在线检测的经编机瑕疵检测方案。在离线情况下,利用小波参数方程构造完备的正交小波集,采用遗传算法寻优获取与待检布匹相匹配的最优小波;在线检测时,利用最优小波对待检图像进行单层分解,对瑕疵信息分布集中的高频分量进行子窗口分割,提取窗口内的灰度方差作为纹理特征描述,采用自适应双阈值分割方法自动检测瑕疵。实验表明,自适应小波方法对瑕疵信号有明显的增强作用,检测算法的准确率能够保持在98.5%以上。     

基于行向S变换的布匹图像疵点检测方法

受光照条件影响,实际生产车间采集的布匹图像中,其疵点和纹理背景差异不明显,现有的布匹疵点检测方法适应性较低.为提高疵点检测率,提出一种基于行向S变换的布匹疵点检测方法.首先,通过分析周期性纹理布匹图像在行方向上的S变换系数特点,确定布匹纹理频率,去除规则性纹理,只剩下疵点和干扰部分;然后,采用阈值分割,提取疵点信息;最后,根据疵点面积特性判断布匹是否存在疵点,得到最终检测结果.实验结果证明算法的可行性和有效性.     

基于FPGA与DSP的浮法玻璃缺陷在线检测技术研究

针对浮法玻璃缺陷在线检测系统实时性高、体积小和成本低的要求,提出一种基于嵌入式技术的玻璃缺陷在线检测方案,将FPGA和DSP应用于玻璃图像采集、处理和分析。通过分析玻璃图像的灰度分布特征,采用中值滤波、差影运算、大津阈值法和连通域分析技术,计算出缺陷的位置、面积和尺寸等特征参数。实验结果表明:检测速度满足设计要求,检测算法可靠性高,本文采用的方案是可行的。     

基于Android平台的障碍物检测系统的设计与实现

为了提高视觉导盲仪障碍物检测系统的便携性,建立了基于Android平台的障碍物检测系统。对该系统所采用的Android平台采集双目图像、路面平面提取和障碍物检测等算法进行研究。首先,根据Android平台的USB HOST API介绍了Android平台以非ROOT的方式采集双目图像数据;然后,提取并匹配双目图像的特征点得到稀疏的三维点云,在三维点云中用随机抽样一致性算法(random sample consensus,RANSAC)来提取路面平面;最后,在利用双目图像路面平面单应性来区分路面与障碍物的基础上,说明了采用半全局块匹配(semi-global block matching,SGBM)进行障碍物检测的算法。实验结果表明:系统5 m以内的障碍物检测准确率达到90%;检测时间达到1 s/帧。完全满足视觉导盲仪障碍物检测系统的检测准确率高、实时性高、易便携等要求。     

应用机器视觉技术检测电路板焊点

摘要在线检测技术在自动化生产中占有重要的地位,设计了一个图像处理系统,利用工业摄像镜头替代目视作为传感器,通过图像采集、图像处理、图像识别等一系列操作,达到在线对电路板焊点检测的目的。     

基于CCD的火车轮对智能测量系统

基于CCD图像测量技术,提出一种利用CCD成像系统检测火车轮对几何尺寸的非接触在线测量系统,给出了系统的结构及原理,并着重讨论了各个子系统的灯光,摄像机位置及图像处理方法。最后利用该系统进行了现场比对实验。     

空中侦查气球要害部位实时检测

针对算法同时兼顾准确性与实时性这一现有图像目标检测方法难以解决的问题,提出一种在极坐标系统下的基于曲率特征的气球要害部位检测算法.该算法首先对图像进行灰度投影及三阶向后差分计算;然后对气球进行极坐标转换,并提取气球边界;最后,根据气球边界的曲率特征确定要害部位的位置.该算法利用气球在极坐标系统下的曲率特征进行要害部位的快速识别.实验结果表明:该算法能够同时满足准确性和实时性的要求,在DSP(TMS320C6678)上可处理200帧/s的红外视频,且有较高的检测准确率,检测准确率高于94%.     

局部C V主动轮廓模型快速图像分割算法

经典的C V模型分割算法在处理较大尺寸图像时存在需多次迭代、运算时间长的缺点。在分析图像尺寸和初始逼近图像与获得稳定解的迭代次数与运算时间的关系的基础上,提出了一种改进的基于阈值分割及快速连通域标记算法的局部C V图像分割算法,对大尺寸图像进行处理。采用OTSU算法对图像进行初步的阈值分割,再利用快速非递归连通域标记算法进行连通域的标记及图像的局部分片。对分片后的小块图像以其阈值分割的结果作为初始逼近图像采用C V算法进行分割处理。算法分析及仿真结果证实,与经典C V算法相比较,改进的算法能够以很少的迭代次数和很短的运算时间达到稳定解,能够对含有丰富轮廓细节的大尺寸图像进行快速有效的处理。     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

基于CCD摄像机石材表面颜色识别方法

目的解决石材颜色识别中存在的人工检测效率低、识别结果受主观因素影响大的问题,实现石材表面色差自动识别,为实现石材表面质量检测的自动化奠定基础.方法基于HSV颜色模型根据人类视觉系统对颜色感知的经验值对图像的色调、亮度和饱和度进行均匀量化,并将量化后得到的72柄一维矢量进行计算.由CCD摄像机采集石材样板图像,通过MATLAB编程软件实现图像的提取、处理、分析等过程,完成石材表面颜色识别.结果通过实验与人眼识别的颜色对比,匹配值可达到0. 82以上,检测方案可行,基本可以完成石材抛光表面的颜色识别.结论该色差检测系统可实现石材表面颜色从模糊识别到数字化识别过程,量化识别与模糊识别的结果相近似,为石材表面色差自动化检测提供理论和实验基础.