DIP外观缺陷机器视觉检测系统

设计简单光学成像系统实现单个面阵CCD的三维机器视觉检测,利用图像顺序形态学以及基于知识的阈值选择算法对双列直插式芯片DIP（Dual Inl i ne Package）管脚图像进行预处理,检测过程引入质量控制图方法分析系统误差对系统稳定性的影响,采用时间序列建模预测系统检测误差并调整检测结果.实验结果表明系统检测精度高,实时性好,满足多种DIP在线检测的要求.     

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。     

基于机器视觉的齿轮产品外观缺陷检测

提出应用机器视觉技术对齿轮外观缺陷进行检测.首先对齿轮产品实物图像进行预处理,提取齿轮边缘图像,对其实物图像和设计图像进行分割和缩放处理,得到相同大小的实物;其次,采用互信息方法对两幅图像进行配准,通过不断旋转实物图像,计算它与设计图像的互信息,找出实物图像的最佳旋转配准角度;在此基础上将两幅图像进行小波融合,即自动对齐叠加在一起,根据重合效果,检测人员可以判断生产出的齿轮产品是否合格.通过实例验证了该方法的可行性和有效性,检测效果直观.     

基于机器视觉的O型密封圈外观缺陷检测

针对O型密封圈表面细微缺陷检测困难的问题,提出了一种基于6光度立体法和图像综合特征分析的密封圈缺陷检测方法。首先采集6个不同光源角度的图片,利用光度立体法重构表面梯度图和反射率图。然后将表面梯度图先转化为平均曲率和高斯曲率图像,再转化为灰度图并使用固定阈值分割出缺陷区域。将反射率图经高斯滤波后,采用局部的均值和方差阈值分割缺陷区域。最后,对得到的缺陷区域连通域特征分析并准确选择出缺陷。实验测试结果表明,该方法对密封圈表面存在熔痕、凹凸、流痕等细微缺陷有较好的效果。在所设计的密封圈质量检测系统的应用中,检测准确度大于98.4%,能解决目前工业中存在的密封圈缺陷检测识别率不高的问题。     

机器视觉技术在烟草异物剔除系统中的应用

作为工业自动化、智能化的一个核心技术领域,机器视觉技术在工业应用中的作用日趋突出.烟草异物剔除系统是根据烟叶的色度来识别和剔除异物的.在实际应用中,由于纸箱板、麻绳等的颜色和烟叶颜色极其相似,想剔除这类杂物是很困难的.就此问题文中给出了一种有效的过滤方法.该方法使纸箱板、麻绳等的剔除率得到了很大提高.     

基于机器视觉的食品缺陷检测系统研究

为解决食品生产过程中产品残缺问题,研究了一种基于机器视觉的缺陷检测方法,以饼干为样本进行了实验分析。首先构建实验系统,对单目摄像机进行标定,利用标定所得参数对图像进行畸变校正;然后对校正后所得图像进行图像分析处理;最后对处理完成图像进行区域检测,得到检测结果。实验结果表明:以该方法进行饼干缺陷检测成功率可达98.67%,并满足高精度、实时性的要求,为今后食品缺陷检测提供一定的参考方向。     

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。     

基于机器视觉的首饰识别

为了实现首饰的自动识别,设计了一套基于机器视觉的首饰识别系统,并提出相应的算法。采用8种首饰作为试验样本,利用G+R分量和的颜色阈值分割法,并用27×27的模板对二值化图像进行滤波,采用2×2窗口内像素灰度值之和并结合阈值的边缘提取方法。提取面积特征和图像形心到边缘的距离特征。对面积判断其大小在设定数值范围内,对距离特征采用互相关算法处理。实验结果表明,该方法的识别准确率达100%,识别一个首饰所用时间约3秒,满足在实际中应用的要求。     

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。     

基于机器视觉的答题卡识别系统设计

为降低成本与实现答题卡的自动化识别,设计了基于机器视觉的答题卡识别系统,对图像提取、区域划分及识别算法分别进行研究。通过形态学操作、轮廓检测、仿射变换等技术,实现对答题卡图像的提取;基于最大矩形框检测算法,实现答题卡的区域划分;利用透明通道(Alpha通道)对标准答案与待识别答案填涂区域进行抠图,将处理后的图像匹配叠加;利用叠加图像的RGBA颜色空间特性、同步头的灰度投影结果与指针算法共同完成答题卡的识别。试验结果表明,系统的使用与维护成本低、操作方便且具有较好识别效果。     

基于机器视觉的交通标志识别系统设计

以MATLAB的Simulink和计算机视觉工具箱为基础,分析了其在交通标志识别中的应用。交通标志识别系统采用Simulink模块进行搭建。系统由视频输入、检测识别和视频显示模块构成。视频输入模块对采集视频中的视频帧进行颜色空间转换,检测识别模块通过函数编写来实现当前图像与模板库标志对比来识别交通标志。为验证系统的有效性,通过对行车记录仪视频进行实验,实验结果表明,系统可以对交通标志进行有效识别,实时性和鲁棒性较好。     

基于机器视觉的交通标志识别系统设计

以MATLAB的Simulink和计算机视觉工具箱为基础,分析了其在交通标志识别中的应用。交通标志识别系统采用Simulink模块进行搭建。系统由视频输入、检测识别和视频显示模块构成。视频输入模块对采集视频中的视频帧进行颜色空间转换,检测识别模块通过函数编写来实现当前图像与模板库标志对比来识别交通标志。为验证系统的有效性,通过对行车记录仪视频进行实验,实验结果表明,系统可以对交通标志进行有效识别,实时性和鲁棒性较好。     

基于机器视觉的颗粒识别计数

针对检测种子千粒重时种子图像在不同光照条件下的分割问题,研究了RGB空间以及HSV空间的颜色特征,并对其进行了分析对比,然后引入像素灰度级和邻域灰度级构成的二维直方图,提出了一种基于种子色调特征的自动分割算法。由于基于二维直方图的分割算法增加了各个像素点的邻域信息,从而增强了抗干扰能力,提高了分割的准确性,进而再结合极限腐蚀的方法实现对种子的计数。实验结果表明:采用本文的算法可对不同光照强度下的种子图像进行有效的分割及识别计数。     

基于机器视觉识别的智能垃圾分类系统的设计与实现

随着经济的迅猛发展和人们对工业产品需求的急速增加,生活垃圾规模急剧扩大,因此,垃圾处理已经成为现有城市管理中不可或缺的组成部分.为解决现阶段传统垃圾分类方式带来的劳动力和其他社会资源浪费问题,本文设计了基于计算机视觉识别的智能化垃圾识别分类系统.该系统通过带有垃圾识别算法的上位机和带喷气头的分拣传送带两部分所实现.     

机器视觉系统的设计

介绍了机器视觉系统的概念,提出了机器视觉系统的典型组成,在进行用户需求分析的基础上,详细讨论了如何利用光源、光学镜头、摄像机、图像采集卡以及图像处理软件等主要部件来设计开发一个焊缝机器视觉应用系统的关键技术.最后给出了一个焊缝检测应用实例.     

重轨表面缺陷机器视觉检测的关键技术

针对重轨生产线中重轨表面缺陷在线检测的困难,提出了基于机器视觉检测的系列关键技术,包括缺陷成像机理、多CCD组合采集器、图像处理技术、基于多空间的缺陷参数提取等.通过图像校正、基于支持向量机(SVM)的直线(面)边缘搜索算法和缺陷特征参数提取等核心技术,可获得完整的重轨全表面的图像,其提纯的缺陷特征参数可以进行模式识别.实验验证表明,采用上述关键技术对重轨表面常见的缺陷识别,正确率在80%以上,达到了工程检测的需要.     

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。     

金属表面缺陷的机器视觉检测方法研究与实现

针对人工检查方式存在效率低、安全性差及劳动强度大的问题,提出了一种机器视觉检测金属表面缺陷的方法.利用SIFT特征提取并对金属表面缺陷分类,分类正确率达到96%.分类后利用k-means聚类方法和高斯拉普拉斯算子斑点检测对金属表面进行缺陷识别.结果表明,各类方法的综合应用具有较高的识别精度,能有效地识别多个不同种类的金属表面缺陷,符合对金属加工制造的品质控制的特性,对实现金属表面缺陷的高效检测有着重要意义.     

机器视觉玻壳缺陷检测方法的研究

研究了利用机器视觉检测技术识别玻壳缺陷的方法.针对玻壳图像中缺陷的特征,采用Kirsch梯度算子法对图像进行处理,取得了理想的效果,可识别出玻壳缺陷.