基于机器视觉的精密光学元件表面疵病识别初步研究

提出了一种基于机器视觉的表面疵病的检测方法,对获取的多幅图像进行了无缝拼接,并获得完整的表面 图像。在对图像去噪的同时,利用基于偏微分方程（PDE）的各项异性扩散算法能很好地保护图像的边缘特征。并 且在Perona&Malik算法的基础上引入了梯度阈值,对算法进行了改进;用zernike矩提取图像的边缘建立疵病模 型,选择模糊聚类神经网络构造分类器,将图像的每个象素的n维特征向量输入该分类器进行分类。实验表明,该 方法能有效地识别麻点、气泡和划痕。     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法。介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件。实验结果表明该软件能对螺纹进行实时、高速的检测。     

基于机器视觉的指针式仪表检测

本文提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加SPP（空间池化金字塔,Spatial Pyramid Pooling）模块融合多重感受野,使用GIoU（Generalized Intersection over Union）损失函数代替原有的损失函数。此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸。实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7%和45.8%。     

基于机器视觉的金刚线质量检测

针对电镀金刚线质量品控难度大、成本高等问题,首次研制了一种基于机器视觉的金刚线离线表面质量检测系统.文中介绍了金刚线质量检测系统的结构组成,对用于评价金刚线质量情况的常用性能指标的相关算法实现进行了详细描述,并以平铺图的方式在一定程度上不加以验证的还原了金刚线的三维表面形貌.最后,根据设计制作实物并进行测试,结果表明,出刃率计算精度达93.2%,出刃高度计算精度达92.9%,满足金刚线质量检测评价的要求,在提高检测效率的同时降低检测难度.     

基于机器视觉的太阳能电池缺陷检测实验设计

随着煤、石油等不可再生资源的过度消耗,人类面临着越来越严重的能源紧缺危机和环境问题。太阳能作为绿色、无污染的可再生能源受到日益广泛的关注与应用。太阳能电池是太阳能发电的关键,其质量的好坏直接影响了能量转换效率、使用寿命和器件稳定性。为了帮助学生理解太阳能电池制备工艺、缺陷、性能三者之间的关系,寻找改善太阳能电池性能的方法,该文设计了基于机器视觉的太阳能电池缺陷检测实验系统,介绍了电致发光缺陷检测方法、检测系统的构成及各模块之间的作用和相互联系。以单晶硅太阳能电池为例,对太阳能电池片的各种缺陷问题进行了检测研究,探讨了检测过程中的问题。实践表明,设计的实验系统加深了学生对太阳能电池相关理论知识的理解;培养了学生发现问题、解决问题的实践能力。     

基于机器视觉的玻璃磨边缺陷检测

玻璃边部的磨削质量的快速检测是保证玻璃品质的重要措施,本文对现有的玻璃磨边缺陷进行了分类与成因分析,选用了一套合理的玻璃磨边缺陷检测光源,设计了一套基于机器视觉的玻璃边部缺陷检测装置,提出一种结合了快速傅立叶变换、高斯滤波、亚像素边缘阈值分割、数学形态学运算、频域处理和最小二乘法的检测方法,实验证明所提出的检测方法能够快速有效地检测出亮斑、白线和爆边3种缺陷.     

基于机器视觉的电子元器件检测系统设计

近年来,随着信息技术的不断发展,电子产品更新速度大幅提升,各类电子元器更具集成化和微型化特点,进一步增加了电子元器件检测难度。在传统检测工作执行上,主要以目标检测手段应用为主,所得到的图像分辨率较低,信息量明显不足。为此,人们引进了基于机器视觉的电子元器件检测系统,对应的检测效率和质量大幅提升。该文以实际工作开展情况为基础,对基于机器视觉的电子元器件检测系统细节设计内容进行总结,论述了该检测系统的试验内容。     

基于机器视觉的电缆方位检测系统

为了提高线缆一线生产企业的工作效率以及生产流水线的自动化程度,研究了基于机器视觉的电缆方位检测系统。该系统通过机器视觉模块实时采集电缆图像,通过图像处理和机械臂旋转来检测和矫正电缆的方位,以达到目标位置。检测与矫正的精度,将影响后续电缆配件及插头的安装精度。通过试验及现场测试得出该系统具有良好的实际操作性能。     

基于机器视觉的刀具磨损检测技术

针对当前国内外刀具磨损检测的缺点和存在的问题,设计了基于机器视觉的刀具磨损检测方案,分析了刀具磨损检测的原理和识别过程,并结合图像处理的方法,采用自适应中值滤波对刀具图像进行平滑去噪,进一步得到刀具的二值化图像,再采用Canny边缘检测技术提取刀具轮廓信息.最后提出基于人工神经网络的刀具磨损检测算法.     

基于机器视觉的金手指外观缺陷检测

针对人工检测金手指缺陷的局限性,提出用图像处理技术进行金手指缺陷的自动检测。首先对采集到的待检金手指图像进行预处理,然后对增强后的图像进行缺陷提取和几何特性分析,实验证明了该算法的有效性。     

基于机器视觉的硅片检测分类系统设计

等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该工序后的表面破损检测和减反膜颜色的检测主要通过人工完成,存在不稳定、高碎片率和低速率等问题,需要利用机器视觉技术,开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备选型,利用“Visionpro”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明,该系统破损测量的精度在0．2mm以内,图像颜色检测满足实际应用需求。     

基于机器视觉的硬盘磁体检测系统设计

针对目前硬盘磁体人工检测速度慢、精度低等问题,采用了基于机器视觉的检测技术,设计了一套硬盘磁体检测系统。根据测试要求对工业相机、镜头、光源、图像采集卡等硬件进行了选型,对视觉图像处理、人机界面等软件进行了设计。最后通过实验验证,表明该系统可以满足实际检测应用要求。     

基于机器视觉的瓶装白酒杂质检测

介绍了一种基于机器视觉的瓶装白酒杂质检测方法.为了从复杂的视觉图像中提取出微小目标,设计了一种倒置翻转式的检测方式,通过高清数字摄像机获取瓶装酒液的视频序列,采用一种改进的二次差分方法,获取瓶装酒液内可能存在的运动目标.根据气泡和可见异物的形态特征进行分类,判断出酒液中是否含有杂质.实验验证了所提方法的有效性.     

基于机器视觉的电线电缆检测技术研究

本文列举了0.6/1kV挤包绝缘电力电缆的检验项目和检验方法,讨论了需要人眼参与识别的静态与动态的检验项目.针对绝缘和护套材料的断裂伸长率、热延伸和低温拉伸检验项目与机器视觉检测技术相结合进行了探究,提出将机器视觉检测技术应用到电线电缆检验中.对于运动过程中和非接触状态下的试样状态变化的捕捉,机器视觉检测技术具有优势.     

基于机器视觉的小齿轮质量检测研究

研究机器视觉检测系统小模数齿轮质量检测中的应用,着重于研究机器视觉检测系统设计即系统设计中各部件选型技巧,应用了HALCON软件进行图像分析处理,通过软硬件合理搭配使检测系统达到速度和精度上的要求。     

基于机器视觉的晶圆表面缺陷检测

为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。     

基于机器视觉的胶囊完整性检测系统研究

为提高胶囊完整性检测的正确率，提出一种基于机器视觉的检测方法。为避免二值化处理产生的错误分割，采用局部二值化方法，以边缘提取为基础，对投影和形态滤小确定的每个胶囊存在区域进行二值化处理，从而取得了良好的分割效果，设计了一台基于最小错误率的贝叶斯分类器，对胶囊进行分类，以判断药板是否缺损。大量实验表明，检测为合格品的正确识别率为99．95％，识别速率达200粒／s。     

基于机器视觉的化纤长丝断头检测算法

为实现化纤长丝断头自动化巡检,提高企业生产效率,提出一套基于机器视觉的化纤长丝断头检测系统。检测系统通过工业相机采集长丝图像,并采用小波去噪和阈值分割算法进行图像增强处理;利用霍夫变换实现长丝主体与断头部分的形状分割;基于提取的多个形状特征,建立和训练径向基函数神经网络模型,实现对化纤长丝断头的检测和分类。选取150 tex/36 f规格的POY(pre-oriented yarn)长丝进行试验,结果显示该算法断头识别率超过95%,断头识别时间由人工检测的10² s数量级提升到10^-1 s数量级。     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

基于机器视觉的芒果检测与分级研究

为了提高贵妃芒果检测与分级的准确率和效率,首先用标定好的工业相机对芒果进行拍照,然后使用HALCON对芒果图像进行灰度化和图像分割预处理,接着提取芒果面积、果形指数、成熟度、缺陷面积和缺陷个数5个特征参数并归一化,把它们分别作为GMM、MLP、SVM和KNN分类器的输入向量,并以芒果的4个等级作为分类器的输出向量,最后以每级120个训练样本,60个测试样本分别对4种分类器进行训练和测试。结果表明4种分类器的平均准确率依次为92.5%、93.75%、98.75%和98%,准确率较高,有一定的实际应用价值。