基于Halcon的钢尺端边测量系统设计

针对钢尺端边传统人工测量效率低、精度低等问题,提出一种基于机器视觉的测量思路,并设计出一整套的自动化识别、分类系统。该系统利用相机外部触发采集图片,利用机器视觉相关软件Halcon对目标图像进行识别和一维测量,通过C#设计出上位机界面并对测量的数据进行显示以及按照实际的生产要求进行分类,最后把分类的数据通过串口传递给下位机分类机构实现分类。试验结果表明:通过Halcon里的算法包能将端边长度为24～26mm之间的钢尺测量误差控制在0.1mm以内,并能实现快速分类。     

基于图像处理方法的纸币清分系统的研究与实现

纸币自动清分可以有效提高银行的工作效率,基于图像处理技术的纸币自动清分系统的识别准确率对于纸币自动清分系统非常关键.基于机器视觉知识与模式识别的理论,并结合纸质人民币的图像特点,提出了纸质人民币序列号图像识别处理算法、"奖惩"机制下的线性传感算法和序列号区域特征提取方法.对纸币图像进行倾斜校正、局部特点提取、灰度增强和图像分块等处理后,将上述方法运用于采用CIS传感器的纸币图像处理系统中.实验证明,该方法具有较高的识别准确率,取得了理想的纸币自动清分效果.     

基于机器视觉的钢板表面缺陷在线实时检测系统

钢板表面缺陷将对钢的耐磨性、抗腐蚀性等带来一定的影响,本文提出一种基于机器视觉的钢板表面缺陷检测系统。设计了光学成像子系统、图像实时采集子系统、图像准实时处理子系统及缺陷分类子系统。采用模块化设计方便系统在硬件和软件上的扩展,最后采用多分类器集成方法对图像缺陷进行自动分类识别。     

基于HALCON的PCB光学定位点的3种识别方法及比较

随着印刷电路板(PCB)的制造不断向着微型化方向发展,在其生产过程中,原有的人工检测形式逐渐被现代化的自动光学检测设备所代替。与此同时,在机器视觉代替人类视觉实现检测后,如何能快速识别并定位被检测PCB的光学定位点(Mark点)就成为整个检测过程中的一个重要问题,因为只有识别了光学定位点,才能进行后续的图像配准、匹配以及缺陷检测工作。HALCON作为一款功能强大的机器视觉软件,在工业图像处理方面有着不可替代的优势。笔者将HALCON软件应用到PCB的Mark点的识别过程中,创造出3种不同的定位算法,并对这3种算法的效率和应用范围进行了评价。     

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.     

基于嵌入式Linux系统的条码识别器的设计与实现

研制一款基于异构多核的图像型条码识读器,集成了光源、镜头、CCD图像采集、FPGA逻辑管理、ARM处理器、读码算法和通信等功能的嵌入式图像处理系统。通过图像采集装置采集复杂背景下的条码图像,然后利用嵌入式的机器视觉处理技术进行任意方向的多个条码区域自动定位和识别,具体包括图像预处理(含去噪、图像分割)、条码定位、条码旋转、条码解析等过程,有效提高条码读取效率。     

Halcon软件在机器视觉课程实验教学中的应用

针对高等院校机器视觉和数字图像处理等课程的特点,探讨了如何应用Halcon软件改进实验教学方式和教学手段,并结合实例说明Halcon在机器视觉图像处理等教学中的应用。教学实践表明,在机器视觉等课程的实验教学阶段引入Halcon软件,更有利于加强学生对技术的深入理解,提高学生的创新和实践能力,收到了良好的实验教学效果。     

基于机器视觉的车牌定位与字符识别实验设计

针对机器视觉课程理论内容抽象、理解难度大、相关实验教学装置欠缺的问题,基于机器视觉设计了一种车牌模型的定位与字符识别实验平台,平台由下位机控制系统和上位机软件组成。下位机由图像采集与传输系统、运动控制系统构成,上位机软件由人机交互界面、定位算法与字符识别算法组成,基于VS2019联合Halcon设计包括目标物体的定位与跟踪、MLP分类器训练、字符分割与识别等功能模块在内的控制软件,实现了车牌模型的定位跟踪与字符识别。实验设计具有实用性、趣味性和扩展性,可辅助学生理解机器视觉技术的真实应用场景,提高学生实践能力和创新能力。     

基于图像处理的烟叶叶片结构分类算法

针对采用传统工艺方法进行烟叶叶片结构检测和分类的缺点,介绍了图像处理和分析技术在烟叶叶片结构分类识别中的应用,讨论彩色图像分割、连通区域标记、面积的检测、识别和分类等主要的图像处理算法,提出一种动态的烟叶叶片面积大小分类的算法,它是基于类的分离度思想而提出的.该算法对于不同品质的烟叶图像具有自适应性,且计算准确、速度快,能满足实时性要求.此算法已有效地应用于烟叶叶片结构自动分类系统,并取得了令人满意的效果.     

基于灰度相关匹配的工业分拣系统实现

为解决使用传统示教或离线编程方式的工业机器人无法满足实时数据采集要求,以爱普生工业机器人与2D相机为硬件基础,搭建了一个基于机器视觉的自动分拣系统。先采用4点标定版在Halcon上实现手眼标定,再采用基于灰度相关的目标匹配算法,并用多阀值模板匹配和图像金字塔降低算法复杂度,实现对分拣对象的实时数据采集和快速识别分拣。实验结果表明：搭建的智能分拣系统运行稳定,满足对传送带上的物体进行自动分拣的精度要求,具有一定的工业应用价值。     

基于机器视觉的目标识别方法的研究进展

随着社会的不断发展,机器视觉系统在各行业已被广泛应用,基于目标检测与目标识别的图像处理方法在机器系统中有了主要的应用途径,总结近年来使用机器视觉研究中用到的目标识别方法,包括Blob分析法、模板匹配法、深度学习法,详细讨论这些目标识别方法的原理、优劣以及在各个领域中的应用。首先介绍了基于机器视觉的目标检测识别的任务、难点和发展现状,其次基于深度学习方法的目标检测识别算法,最后讨论当前实际应用中目标检测识别方法存在的问题和未来可能的发展方向。     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

基于HALCON的车牌识别技术研究

针对目前车牌识别速度较慢以及识别准确率较低的问题,以HALCON作为机器视觉和图像处理核心软件,将计算机视觉检测技术应用于车辆牌照的识别,实现了图像采集、预处理和检测.实验结果表明,白天车辆牌照识别准确率达到94.6%;相对于传统方法,识别速度也有所改进,每幅牌照的平均识别时间为40.3ms.     

基于机器视觉的桥梁裂缝检测应用及发展综述

桥梁裂缝是影响桥梁服役性能的关键因素之一,裂缝检测对桥梁养护至关重要。目前大部分检测为人工检测,检测人员通过目视检查裂缝,手动记录裂缝,检测的时间成本高昂。基于机器视觉的桥梁裂缝检测系统利用桥梁表面图像进行裂缝识别,近年来借助人工智能技术使裂缝自动化识别的精度和效率大大提升。详细介绍了基于机器视觉的桥梁裂缝检测系统及其应用,总结了该技术在桥梁裂缝检测中的优势及改进方向。     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

蔬菜穴盘健壮苗识别系统设计与试验

蔬菜工厂化育苗过程中,由于种子质量和育苗环境等条件制约造成的弱质苗问题,本文利用机构学、机器视觉、可编程逻辑控制(PLC)等技术,设计了一种蔬菜穴盘健壮苗识别系统。系统主要由穴盘输送机构、图像采集装置、检测与固定装置钵苗分拣剔除机构、自动控制系统和机架等组成。通过激光传感器获取各部件动作信息,实现各执行部件控制时序。基于机器视觉,利用上位机进行健壮苗判别。结合PLC串口通信技术,指示系统进行健壮苗识别与弱质苗剔除工作。试验结果表明:系统可实现穴盘健壮苗自动识别与弱质苗自动剔除,健壮苗识别成功率达到81.0%以上,弱质苗剔除成功率达到75.0%以上。     

基于视觉检测算法的浮球密封性检测系统

气密性是浮球最重要的性能指标,若浮球出现漏气将直接导致水位检测的失效。针对浮球密封性人工检测劳动强度大、效率低、容易漏检等问题,根据恒定水温下浮球密封检测过程中因泄漏而产生的气泡的数量和状态,搭建多工位视觉检测系统,实现浮球气密性的自动化检测。首先通过连续图像抓取获得气泡上升过程中形态实时变化情况,然后基于连续图像相减和形状滤波匹配算法完成气泡有无的判断,并建立气泡特征识别和统计的高斯混合模型以实现泄漏的定性分析和气泡数量的定量分析。经过现场试验,相比人工检测,浮球密封性视觉检测系统效率提高两倍左右,同时还可避免人工检测时因疲劳而产生的漏检风险。     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

基于小波变换和立体视觉的发动机内窥研究

提出一种基于小波变换及立体视觉技术相结合的发动机内窥检测系统。系统由平行光轴双CCD内窥镜及内窥图像处理系统两部分组成,内窥图像处理子系统接收平行光轴双CCD内窥镜采集到的航空发动机内表面图像,对可能存在的损伤缺陷进行识别,并计算出损伤长度、面积、深度等数据。内窥图像处理子系统中,针对发动机内窥图像特点,采用Gauss小波变换方法对图像进行特征提取、立体匹配：利用双目立体视觉技术,三维重建出损伤区域的原貌。本检测系统可以弥补传统检测系统的缺陷,提高检测精度,缩短检测时间,从而保障航空发动机的安全运行。实验结果表明,系统准确有效。     

零件的机器视觉自动识别检测系统

为了实现零件识别检测的自动化与零件生产的智能化,将机器视觉与运动控制理论结合,采用脉冲耦合式神经网络PCNN(pulse coupled neural network)边缘检测识别的方法,初步设计出一套机器视觉自动识别检测系统,对继电器盖等小型零件进行了检测识别实验。实验结果表明,该视觉检测识别自动化系统改善了零件检测自动化程度,提高了尺寸精度,优化了系统鲁棒性,最终实现了对零件实时筛选分类与零件的高效率生产。