基于Hu不变矩和BP神经网络的木材缺陷检测

采用X射线作为检测手段,对木材进行无损检测,通过检测透过木材的射线强度来断定检测木材是否存在缺陷.对得到的木材缺陷进行图像处理,将木材缺陷图像转化为灰度图像,再把灰度图像转换为二值图像.根据经验选择相应的阈值,提取出清晰的木材缺陷边缘,把木材缺陷部位从背景中分离出来,完成木材缺陷图像分割.对Hu提出的区域不变矩进行扩展,得到一组新的描述形状特征的参数,这些参数具有平移、缩放和旋转不变性,并且具有较低的计算复杂性.将这些特征参数预处理后输入BP神经网络,对木材缺陷进行检测,检测准确率达到86%以上,试验结果表明此方法的可行性,为实现木材缺陷的自动检测提供了新的途径.     

汽车连杆硬度检测及质量监控的研究

针对汽车连杆硬度质量控制的要求，研制了一台基于涡流法原理的汽车连杆硬度检测仪，利用傅里叶系数作出决策－分类图，仪器测量和测量精度都有很大提高、其误判率汀于５％，且合格品内无误判。     

肤色检测和Hu矩在安全帽识别中的应用

安全帽在工业生产中的应用非常广泛,为了防止事故发生,确保生产安全,建立对安全帽的自动检测及报警系统变得越来越迫切。主要对安全帽的识别算法进行了研究,采用肤色检测的方法定位到人脸区域,并以此获得脸部以上的区域图像,将Hu矩作为图像的特征向量,分别比较神经网络和支持向量机(SVM)两种分类模型。实验结果表明:SVM对安全帽的识别有很好的效果,将会对监控系统实现智能化提供有力的支持和实际的指导意义。     

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。     

一种新的轨迹机构综合方法

提出了一种新的轨迹机构综合方法，该方法对利用连杆角曲线综合轨迹机构方法和了较大的改进，提出了基于连杆转角曲线不变矩的轨迹机构综合的神经网络方法，该方法利用了基于网络的模式区配技术，为实现机构自动化提供一条可行的途径，且可应用到函数机构综合，可望成为机的综合方法的统一形式。     

一种基于改进的BP神经网络的入侵检测方法

针对普通BP神经网络算法学习收敛速度慢、易造成局部极小的问题,提出一种改进的BP神经网络入侵检测方法,其采用拟牛顿的方法进行学习,即对目标矩阵求二阶导数.运用该方法能够有效提高学习速度,消除局部极小.仿真结果表明,改进的BP神经网络入侵检测方法收敛速度快,比标准的BP入侵检测方法误检率低,能够很好地提高学习效率,更加有效地检测攻击行为.     

基于机器视觉汽车扶手箱卡簧装配质量检测系统的研究

给出了一种基于机器视觉的全自动汽车扶手箱卡簧装配质量检测系统。利用由工业摄像机和光源组成的视觉系统采集汽车扶手箱装配部位的结构图像并对其进行分析处理。通过对图像进行去除噪声、模板匹配定位、目标区域图像分割等过程得到待检测部件的相对位置信息。运用软件来测量各个区域特征间的位置关系和面积大小并与标准值进行比较来判断装配质量的好坏,从而实现汽车扶手箱卡簧装配质量检测过程的完全自动化操作。     

高速在线机器视觉检测系统边缘检测算法研究

随着工业自动化生产的发展,产品质量检测成为生产过程的一个关键环节,高速在线机器视觉检测系统是解决这个问题的首选方案.本文主要研究了基于该系统的边缘检测算法,分析了被检对象的特性,总结了常用算法的特点,提出了适于该系统的高速实时在线检测算法.并且有效的保证了图像质量,为该系统后续检测环节的实现提供了良好的保障.     

一种有效的图像目标识别算法

通过提取图像7个不变矩,结合神经网络(BP)对图像目标进行识别计算.结果表明,该算法具有很好的识别效果,可以应用于图像小目标的识别.     

一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

一种基于视觉的三维轮廓检测系统

设计了一套基于机器视觉的三维轮廓检测系统,用于生产线上零件三维轮廓的在线检测.该系统主要由基于CCD的激光三角法数据采集模块、基于FPGA的嵌入式数据处理模块、基于USB总线的数据传输模块和基于OpenGL的图形显示模块组成.该系统结构紧凑,对于生产线上的高速运动物体,也能获得较高的分辨率.数据处理模块也允许多种算法在该平台上运行,便于实际应用中选择最优算法.通用的USB数据传输接口能提供较快的数据传输速度,允许在开机状态下插拔设备,避免了PCI等插槽式数据传输方式需要打开机箱的缺点.基于VC的显示模块,将检测结果以图形方式显示出来,更加直观,并且方便实现人机交互.     

基于机器视觉的汽车纵梁工艺孔在线检测方法

提出了汽车车架大梁工艺孔的在线检测方法,通过机器视觉技术检测方法来实现,由CDD摄像机采集到的多幅图画进行处理和分析.最终完成了对汽车大梁工艺孔的自动检测.应用机器视觉技术实现了载重汽车车架纵梁装配孔加工质量的在线检测,所研究开发的检测系统样机具有较高的检测精度.     

基于放电检测和机器视觉技术的火花塞缺陷检测系统

为了减少传统人眼目测检测造成的误差,提高火花塞的缺陷检测效率,设计了1种基于放电检测技术和机器视觉技术的火花塞缺陷检测系统.火花塞缺陷检测系统由工控机、NI DAQ数据采集卡、IGBT驱动板、IGBT模块、点火线圈、分压模块和工业相机构成.利用脉宽调制技术和电磁感应原理,对火花塞施加电压,通过抓拍点火线圈电压输出下火花...     

Multi-objective dynamic detection of seeds based on machine vision

An approach to inspecting massive numbers of moving seeds was studied based on the techniques of dynamic inspection and machine vision. A progressive scanning CCD camera with external trigger function was used for real-time capture of dynamic images of seeds. The methods based on R channel of RGB (Red, Green and Blue) and region-dependent segmentation were adopted to reduce the data size of image processing and improve the efficiency of seeds inspection. All the seeds were sorted into four grades according to their morphological characteristics, such as surface area, perimeter, major axis, minor axis, circularity and eccentricity. The detection experiments indicated that the eligible ratio of the classifications was about 81.90% by this real-time inspection system.     

Multi-objective dynamic detection of seeds based on machine vision

An approach to inspecting massive numbers of moving seeds was studied based on the techniques of dynamic inspection and machine vision. A progressive scanning CCD camera with external trigger function was used for real-time capture of dynamic images of seeds. The methods based on R channel of RGB (Red, Green and Blue) and region-dependent segmentation were adopted to reduce the data size of image processing and improve the efficiency of seeds inspection. All the seeds were sorted into four grades according to their morphological characteristics, such as surface area, perimeter, major axis, minor axis, circularity and eccentricity. The detection experiments indicated that the eligible ratio of the classifications was about 81.90% by this real-time inspection system.     

机器视觉技术远程煤尘颗粒在线检测

采取有效措施防治煤尘,保证煤矿井下安全生产,运用了直观、智能、易与其他系统集成的机器视觉新技术,搭建了煤矿井下粉尘的远程在线监测系统.该系统包括下位机的图像采集和上位机图像分析两部分.通过下位机系统实现样本采集、图像采集和图像传输的功能,通过上位机系统实现处理和分析图像的功能,总结煤尘颗粒分析的报告.仿真实验模拟系统来验证检测结果的准确率和重复率.依据煤尘变化的检测结果,指导煤矿井下作业环境中的抑尘、防尘、降尘和除尘.研究结果突破了传统定时定点的煤尘检测局限,实现了长期、多点、非接触测量,具有重要的理论意义和应用价值.     

基于机器视觉缺陷检测的实践教学平台研究

目的构建一个能够模拟工业现实环境的机器视觉缺陷检测软件平台,用于工业自动化和计算机图像学的教学工作,便于学生掌握工业机器视觉系统的基本原理及处理流程,掌握数字图像的各种算法及其应用场景。方法在对机器视觉缺陷检测系统需求进行分析的基础上,使用Python 2.75和Opencv 2.4构建系统的软件模块。结果与结论该平台能够实现相机配制、图像获取、图像标定、图像处理、分析统计等工业缺陷检测全过程,并将计算机图像的相关理论教学融于实践教学过程,对于提高学生课堂的互动性、激发学习兴趣、掌握各种图像处理算法有着重要意义。     

基于机器视觉的车道偏离报警系统

为了提高基于机器视觉车道偏离报警系统的可靠性和实用性,对基于视觉的车道偏离报警系统各个环节的优化做了研究.介绍了基于视觉的车道偏离报警系统的构成和工作原理,提出了各个环节的实现方法.通过选择直线车道数学模型和限定车道提取的感兴趣区域(ROI)以简化系统复杂度和提高检测精度.首先使用方向可调滤波器进行图像预处理,然后使用Kalman预测器和距离判别法得到车道线有效点集,最后采用抗干扰能力强的Hough变换得出车道线参数.研究并采纳了一种无需对摄像头标定的车道偏离决策方法,通过综合道路图像中2条车道线的斜率值来判断车辆偏离车道的程度.实验表明,该系统具有良好的车道识别能力以及准确的偏离决策能力,能够满足高速公路环境车道偏离报警要求.     

基于DM642的双目视觉系统和角点检测算法研究

本文分析了平行双目视觉测量技术中的角点检测算法,针对DM642嵌入式平台进行了相应改进.为了提高算法的简便性,减少人工干预,提出了自适应的Harris角点检测阈值设定算法,并针对DM642在算法实现时做了优化.经过实验,该方法可以准确地自动提取角点,比传统Harris角点检测算法更加适合嵌入式平台应用.