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SBB工艺的机器视觉系统

随着硬盘生产工艺的不断进步，硬盘磁头越来越小，硬盘的体积也越来越小，容量却越来越大。硬盘磁头组装件生产工艺主要有GBB和SBB。GBB工艺由于无法适应小磁头生产而必将被依赖于机器视觉的SBB工艺所取代。因此开发SBB工艺的机器视觉系统已是迫在眉睫。这里研究了机器视觉原理及SBB工艺，开发出满足硬盘磁头组装件生产所需的机器视觉系统。     

基于机器视觉的水果分拣系统

近年来我国的水果产量增长迅猛,以往人工分拣的形式已经很难满足现代农业生产的需求.为了提高水果的分拣效率,达到现代农业生产的需求,提出以机器视觉代替人工对水果进行分拣.本系统以托盘传送装置为水果硬件部分,配合CCD面阵工业相机获取图像并传送至预先编写的图像处理程序中.在程序中对所获水果图像进行预处理、特征提取.将提取的特征值作为输入通过神经网络分类,预计分拣正确率在98%左右.     

基于机器视觉技术的叶面积测量系统实现

研究并实现了用于测量叶片面积的软硬件系统,并可进行叶片面积的统计.根据植物与土壤背景的颜色特征关系研究了提取叶片颜色特征将彩色图像转成灰度图像的算法,应用迭代求图像最佳分割阈值法进行图像二值化,中值滤波去除二值化图像的噪声干扰,Kirsch边缘算子进行叶面边缘轮廓的提取.     

于机器视觉的发动机厂视觉防错系统

在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度.而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术.在中国,这种应用也在逐渐被认知,且带来最直接的反应就是国内对于机器视觉的需求将越来越多.本文就针对汽车行业发动机生产线上的工件、活塞等进行检测识别进行讨论,并且对机器视觉未来在中国国内的发展进行展望.     

一种基于智能相机的机器视觉系统的设计

从传统机器视觉系统的概述入手,介绍了智能相机机器视觉系统的特点、组成,从硬件、软件两方面给出了智能相机机器视觉系统的开发思路;智能相机机器视觉系统的开发,主要利用实验室开发平台来仿真工业生产线,实现系统的各项功能;结果表明：该开发平台完全可以移植到工业生产线中,具有较强的实用价值。     

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.     

基于机器视觉的大型管道自动焊接系统

针对大型长输管道(直径≥1 200mm)现场施工条件下对接环形焊缝焊接精度要求高、作业环境恶劣等问题,采用机器视觉、弧压跟踪、倾角检测技术使焊接专用机器人自主跟踪并规划焊接路径,自动调整弧压、电流等焊接参数,实现大型长输管道环焊缝全位置自动焊接。经实际应用表明,可显著提高焊接质量和效率,减轻操作人员劳动强度,减少可能的事故性损失。     

基于机器视觉的远近光灯切换系统

针对汽车夜间行车时因远近光切换不及时而造成交通事故的问题,设计了一套基于OpenMV 机器视觉模块的汽车远近光灯切换系统。该系统使用Python 语言编程,采用Lab 颜色模型,对采集数据进行图像切割及色块识别,实现对图像的实时处理。场景测试实验证明,该系统具备良好的自适应能力,能实现对远近光灯智能化调节,从而提高驾驶员夜间行驶的安全系数。     

基于机器视觉的煤炭分拣技术研究

基于机器视觉的煤炭分拣的技术,分析提取的实时图像,判断传送带上是否有物料,如果有物料时,提取图像中物料轮廓,然后计算出轮廓中红色和蓝色颜色分量的平均值,与所设定的阈值进行比较,从而判断出物料的种类。该技术具有高效、可靠的特点,使用该技术将提高生产效率,进而降低煤炭企业的生产成本。     

基于机器视觉的零件自动装配系统

针对工业装配生产线的削刀架自动装配问题，基于机器视觉技术，构建了一套在线机器视觉系统．采用特征值方法识别零件，并通过质心法结合特征点及最小二阶矩进行定位．利用带有透镜径向一阶畸变的小孔摄像机模型，采用径向排列约束（RAC）2步标定法对摄像机进行了标定，并在线验证．实验结果表明，该方法可获得很好的识别效果，识别零件正确率100％，系统工作时间约300ms，满足装配作业的实时性和精度要求．     

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。     

一种基于机器视觉的图像采集系统设计

一种采用STC89C516和K9F2808UOC来实现基于机器视觉的图像采集系统改进存储算法,可以实现8Kbit/s的无错采集速率,成本低廉实用.     

基于机器视觉的整经机断纱检测系统

针对目前纺织行业整经机断纱检测可靠性低、灵敏度差等问题,开发了一款智能相机,实现了基于机器视觉的断纱自动检测系统.系统硬件结构以智能相机为核心,结合可编程逻辑控制器和触摸屏等设备实现机电一体化检测,提高了系统检测的灵敏度.视觉算法将复杂的二维信号转换为一维信号,从一维信号中自适应提取信号的极值,根据极值信号统计纱线根数,得到检测结果.针对现场图片存在噪声干扰的问题,提出基于局部信号相关性判断和极值点修正等信号极值选择方法,提高了系统检测的可靠性.实际应用表明,该断纱检测系统具有较好的检测灵敏度和可靠性,能够有效提高整经机的整经效率.     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

基于机器视觉技术的电梯空间超载检测方法

传统电梯轿厢通常采用称重式方法来检测其超载状况,导致电梯运行过程中存在不必要的停靠,从而增加电梯能耗及降低运行效率.基于机器视觉技术改进传统的电梯超载检测方法,提出了一种新型的空间超载检测方法.首先,采用中值滤波消除电梯视频图像噪声;然后,运用最大类间方差法(又称OTSU算法)进行图像前背景分离,并采用改良的形态学方法将其处理为二值图像;最后,计算空间占有率.通过仿真试验对所提方法进行验证,结果表明该方法能更准确地判断电梯是否超载,减少电梯不必要的停靠次数,进而节约能源及提高效率.     

基于机器视觉的除草机器人杂草识别

根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背帚中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G〉R且G〉嚣,则将该像素值置1（杂草）,否则为0（背景）,从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用VisualC＋＋开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然先变化。除草机器人机械臂能够准确定位,完成除草动作。     

微尺寸视觉精密检测系统设计

微小零件（微尺寸）几何量的精密测量，是当前精密加工、测量和装配中的一个难点。传统的接触式测量，极易破坏工件和改变零件的相互位置。基于机器视觉的高精度几何量测量系统，既具备了非接触式测量的优点，同时也有较高的性价比，是机器视觉技术在该领域中的一次成功应用。它采用在改进的Canny边缘的梯度图像上进行二次曲面拟合，获取零件精确边缘（轮廓）的方法，实现了对其相关几何量进行精密测量；同时，还解决了自动对焦，自动跟踪，数据自动“缝合”以及高精度和小视场之间的矛盾及光源等技术难题，达到了微米级的测量精度。