基于机器视觉的裂纹缺陷检测技术

介绍了一种机器视觉应用于某零件表面裂纹缺陷的自动检测技术。其搭建采集系统对待测零件进行图像采集,应用图像校准,图像比较和区域描述技术进行缺陷的识别和分析。实验证明该方法能很好地实现零件表面裂纹缺陷的自动判别和定量检测。     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于机器视觉技术的多余物控制方法综述

介绍了航天产品零部件制造过程中的多余物的危害和国内外多余物检测控制技术;阐述了将机器视觉控制技术运用到多余物控制上的难点并对对其解决方法进行了讨论,并详细讨论了机器视觉控制各环节关键技术及其存在的问题。     

机器视觉导引系统中摄像机的标定方法

针对无人机(UAV)自主起飞与着陆机器视觉导引系统中摄像机的标定问题,讨论了标定摄像机内参数的重要意义,选定了包含畸变因素的摄像机透视投影模型。采用改进两步法进行摄像机内参数标定,结果中主要参数相对误差均小于1%,位置误差小于0.2像素,证明了所选择模型和标定方法的合理性。分析并验证了影响标定精度的因素,包括模型选择、图像拍摄质量和标定靶精度。针对机器视觉导引的应用条件,基本解决了准确、快速标定摄像机内参数的实际问题。     

基于机器视觉的目标识别分类方法

工业现场生产的产品批量小、更新快、品种多,存在工作效率低、检测或识别质量得不到保证等问题。为了解决此问题,提出了一种基于机器视觉的目标识别分类方法。采用线阵相机,通过控制产品运动,获取产品表面完整的信息图像,利用多层感知器对图像拼接和处理后的字符进行识别,确定产品型号及批次,引导机器人完成产品的准确分类。实验结果表明,方法识别时间18 ms,识别准确率98%,可有效解决人工作业的各种问题。     

一种提高机器视觉检测精度的方法

本文提出一种提高机器视觉标定精度的方法。首先,设置标准参考点位置,对机器视觉系统进行标定获得初始标定矩阵;其次,对图像进行处理,视觉检测算法提取标准参考点的准确位置;最后,通过修改初始标定矩阵参数,使计算结果无限接近标准参考点,从而获得更高精度的标定矩阵。实验表明,该方法可提高狭缝测量和圆孔定位的检测精度,为实现高精度机器视觉检测提供了新途径。     

基于机器视觉的高精度螺孔定位方法研究

针对手工安装工件、劳动强度大以及效率低等问题,提出了一种基于机器视觉的螺孔定位检测方法.利用CCD摄像机实时采集局部待定位物图像,并对图像进行处理,提取螺孔坐标,然后通过物理坐标关系得到拍摄范围外的螺孔的坐标,最后经过eye-hand手眼标定转换到机器人坐标系下的坐标.该方法解决了受外界条件限制,对目标测量的过程不能一步完成的问题-实现了较大物件的自动、快速、准确定位功能.     

基于机器视觉的无接触快速尺寸测量方法

本文基于机器视觉技术提出了一种非接触式的零件尺寸快速测量方法。该方法同时可以做到以较快的速度和较低的成本对零件进行测量。经过大量实验测试,本文算法测量精度在±0.002mm以内,可以适用于大多数需要快速高精度测量工件的场合。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

舰载移动机械定位检测系统设计

阐述了用于输送弹药或补给物资的移动机械虽然功能构造简单,但它是整个舰艇不可或缺的一部分,应该用系统的观点来看它,有必要在指控室中对这些移动的机械进行监控定位。文中通过对现在常用定位技术的分析,提出了舰载移动机械视觉定位技术,并对其原理进行了介绍。     

基于机器视觉与UMAC的自动铺丝成型构件缺陷检测闭环控制系统

为保证自动铺丝成型构件的性能,实现对成型构件表面质量的高效检测,本文基于机器视觉检测技术,自行研发自动铺丝成型构件表面缺陷检测闭环控制系统,使自动铺丝过程中预浸纱之间的间隙或重叠在允许范围内,从而保证铺丝精度。研究主要分为三个部分:铺丝成型构件表面图像提取与缺陷检测,检测数据传输,运动轴反馈控制,实现在自动铺丝过程中对成型构件表面缺陷检测实时闭环控制。针对电荷耦合相机采集到的预浸纱图像存在运动模糊和信噪比低等问题,将图像预处理划分为图像复原和降噪两大功能,根据不同类型的噪声采用对应滤波法进行降噪处理,提高了图像的信噪比,为后续检测提供高质量图像;预浸纱缺陷主要由其边缘直线这一几何特征进行表征,因此通过对预浸纱边缘检测实现缺陷识别;利用工控机向图像采集控制器发送命令实现图像采集,同时通过工控机与运动控制器之间信息流和数据流的交换实现检测数据的传输。探讨模糊控制理论用于闭环控制的研究,在反模糊化环节后面,加入自适应参数调节,以适应加工过程的突变,并成功地应用到自动铺丝缺陷检测闭环控制系统中,提高了伺服跟踪精度和跟踪实时性,从而提高铺丝精度。     

基于双目视觉的多型号电连接器检测技术

通过双目视觉平台捕获图像反馈PC机,采用基于支持向量机（SVM）的机器学习方法对目标进行分类。判定型号并为每个型号加载图像处理检测方案及参数矩阵,实现电连接器针脚的柔性定位预处理,之后执行针顶轮廓的精确拟合算法,结合插针排列模版实现其三项检测工作。最后,通过实例验证与重复精度实验,结果表明本文方法具备面向多型号的柔性检测能力,并且稳定性,精度,效率满足低频连接器的检验要求。     

基于支持向量机的飞行控制系统辨识

以飞机为研究背景,基于系统辨识中的串-并联辨识模型,应用一种支持向量回归机的方法,对飞行控制系统模型进行了辨识。通过仿真,成功地得到了飞行控制系统的辨识模型。结果表明:该方法有很好的预测性能,具有很高的精度,同时也能很好地反映飞行控制系统的特性。     

基于直线成像特征的视觉测量系统综合标定方法

针对视觉测量系统存在复杂系统误差的特点,提出一种基于直线成像特征的系统综合标定方法,有效地保证了测量精度.该方法通过对1等量块的平行直线边缘提取,建立量块边缘空间物点位置和像点位置的原始对应关系,利用量块边缘的理想直线特征,通过统计计算对测量系统进行综合标定,建立描述空间物点位置和像点位置的相互对应关系的二元三次标定函数.对在测量范围内不同方位的量块进行多次测量,表明使用这种标定方法标定的视觉测量系统的测量精度能够达到.     

一种基于类间方差的地平线检测算法

 针对视觉导航中用于微型飞行器（MAV）稳定飞行控制的地平线提取问题,提出一种基于类间方差的地平线检测算法。该算法使用角度和距离两个变量进行图像中直线的穷举,选取像素的蓝色分量作为区分天地的特征,利用类间方差构造判别准则进行直线的最优选择,从而实现地平线的检测。实验结果表明：与基于色彩协方差矩阵的地平线检测算法相比,本文算法对地平线检测的平均角度误差减少1°,距离误差减少3个像素,角度和距离参数的检测正确率分别提高1.98%和4.95%,且具有良好的速度特性。     

变论域模糊控制在压铸机压力控制系统中的应用研究

针对压铸机压力系统具有的非线性、纯滞后的特点,提出了采用论域自调整模糊控制作为控制策略,并设计相应的模糊控制器,仿真结果表明,论域自调整模糊控制用较少的控制规则实现了精度较高的控制,算法简单,易于实现。该控制方案具有稳态精度高,鲁棒性强的特点,从而提高铸件质量,提供经济效益。     

基于厚壁工件X射线实时成像的焊缝缺陷自动检测

基于X射线成像的焊缝缺陷自动检测技术对提高工业射线检测的自动化水平具有重要意义。焊缝缺陷在线连续检测的实时性要求较高,随着工件厚度的增加,其焊缝X射线实时图像的信噪比变得很低,使得已有的处理算法难以满足实时性以及有效处理缺陷误检与漏检之间的矛盾。针对这些问题,在分析了传统方法在厚壁工件X射线图像焊缝缺陷自动检测中存在的问题基础上,对传统方法进行了改进,提出了双阈值背景消除法和平行焊接方向波形分析法,然后利用所提出算法之间的冗余性和互补性,融合多种分割结果以解决缺陷误检与漏检之间的矛盾。试验结果表明,所提出的缺陷自动检测方法能够在满足实时性要求的同时,实现缺陷检出,有效避免误检。     

面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值,学术界和工业界提出很多针对该问题的解决方案,但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先,给出了小样本学习的问题定义,列举其与其他一些经典的机器学习问题之间的联系,同时从理论上阐述小样本学习问题面临的挑战;接着,对基于小样本学习的图像分类进行了概述,并对其中代表性的工作进行介绍与分析;在此基础上,重点针对基于小样本学习的目标检测,特别是零样本条件下的目标检测问题,详细介绍和分析了现有的研究工作;最后,立足于现有方法的优缺点,从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望,期望为该领域后续的研究工作提供启示。