基于边缘和水平集的复杂背景金属零件二维条码精确定位方法

针对由于背景复杂、光照不均等因素导致的复杂背景下金属零件上二维条码定位困难问题,提出一种基于边缘及水平集的复杂背景金属零件二维条码精确定位方法.首先,通过直线检测方法定位条码的L边;然后,采用一种改进的水平集图像分割方法对可能的条码区域进行图像分割,利用条码的边缘轮廓特征、灰度及梯度直方图双峰特征进行二维条码区域判断;最后,通过区域Hough变换精确定位二维条码区域.实验结果表明,所提出的方法平均定位准确率可达到95%,且其处理时间小于1s,适用于对大多数复杂背景下金属零件二维条码的定位.

污染及多视角下DataMatrix码精确定位

针对现有算法对同时存在污染与透视形变的DataMatrix(DM)码定位困难的问题,根据Hough域能够突显直线的特性,提出一种基于Hough变换域提取最佳边缘组合的算法.首先利用DM码的主方向性将目标边缘点从图像域快速变换到Hough域;然后基于先验规则滤除大部分非边界点,得到候选边界点并进行有效组合;最后建立多视角下DM码内部边缘在Hough域中分布模型并提取特征,将对应最大特征值的边界组合作为最终定位结果.实验结果证明,与传统的二维条码定位算法相比,文中算法对于遭受污染及存在透视形变DM码的精确定位具有更高的鲁棒性与适应性.

基于D-S证据理论的产品多信息融合标识失效补救方法

针对离散制造企业生产环境和工艺的复杂性容易引起Data Matrix二维符号标记的磨损、污染和腐蚀而发生标识失效的问题,提出一种基于D-S证据理论的产品多信息融合标识失效补救方法。分析了产品物理与制造过程中多源信息之间的关联和数据结构,建立了离散制造产品零散与不完整多源信息的数学模型;设计了改进的变异系数加权法,并采用基于类中心的变权欧式距离法对失效标识产品特征和历史数据库进行相似性测度计算;通过D-S证据理论对失效标识的产品特征层进行融合辨识。实验结果表明,该方法能够较好地恢复补救产品失效的标识。

基于制造历史数据的产品标识失效预测与补救方法

针对离散制造企业生产环境和工艺的复杂性容易引起产品标识由于磨损、污染等因素而不可识读的问题,提出一种基于制造历史数据的产品标识失效预测与补救方法。给出了基于直接标刻技术的产品制造历史信息模型,分析了标识失效的影响因素并对历史数据进行Z-score标准化,通过主成分分析方法优化提取的特征,建立了神经网络标识失效预测模型,结合神经网络预测结果和标识转移与继承方法进行了失效标识的恢复补救。实例结果表明,该方法能够较好地预测产品标识失效并进行补救。

防止追踪失效的同质化产品标识特征设计方法

针对产品间同质化严重的问题,尤其是同型号同批次的产品数量庞大且存在产品标识因磨损、污染等因素不可识读而造成产品之间特征差异小、无法辨识的问题,提出一种防止追踪失效的同质化产品标识特征设计方法。分析了特征强化的零件直接标识,提出基于标刻工艺方法和仿射变换的数据矩阵码特征设计,从源头增强了个体间的特征差异性,同时提出基于灰度共生矩阵的数据矩阵码纹理特征设计,建立了产品制造过程数据矩阵码纹理库。当标识发生失效时,采用汉明距方法和欧式距离法级联匹配目标特征和数据矩阵码标刻特征矩阵、制造过程纹理库的相似度。实例结果表明,该方法能够较好地防止同质化产品追踪失效。

二维条码识读中光照对图像质量的影响

为了达到自动控制光源、保障刀具柱面直接标刻二维条码识读的准确率高的目的,研究了二维条码识读系统中不同光源照明方式与照度对条码图像质量的影响规律,探明了图像质量与识读率的内在关系。通过实验,对不同照明方式下的图像质量评价系统进行了建模,并提出了一种评价图像质量的方法,即在组合照明方式下,以图像对比度为评价指标;在暗视场照明方式下,以图像低频分量比为评价指标,通过计算图像对比度和低频分量比是否达到一定阈值来评价图像质量,并以此控制光源照度,保证条码识读率在允许范围。

基于CPS的特殊阵列式元件配装

随着某些特殊阵列式器件精度要求的提高,其中单个元件的细小差异将对阵列整体性能带来极大的影响,使元件安装时不再具有互换性,因此需针对元件具体参数信息调整阵列分布。传统的生产方式,需通过手册查阅零件信息,不断的调试、组装,其过程过度依赖工人经验,错误率高,难以实现最优化配装。为此,提出了一种基于赛博物理系统(Cyber-Physical Systems,CPS)的阵列式器件配装辅助系统,将物理空间与信息空间相融合,使阵列式器件配装更加自动化和智能化,极大地提高了安装效率,降低了错误率。

金属零件微小数据矩阵码快速精定位

针对传统条码识读方法对微小数据矩阵(DM)码定位精度低、速度慢等问题,提出了以Harris角点作为高频特征,构建高斯金字塔过滤背景金属纹理角点,引入径向基函数平滑角点密度图,通过阈值分割以及区域生长粗定位候选区域,计算2步最小外接矩形并校正实现精定位,最后建立筛选模型选择适应值最大的候选区域为DM码区域.实验表明,提出的采用角点检测和区域生长定位检测算法对受到金属纹理、局部遮挡、磨损划痕以及光照不均等干扰的微小DM码具有很强的鲁棒性,精定位准确率高,仅耗时25ms,比传统方法提高了30倍.

基于标定的任意半径柱面上2维条形码畸变校正

目的 2维条形码在直接零件标识技术中应用越来越广泛,但对于标刻在柱形零件上的2维条形码,存在扭曲形变的问题。严重的扭曲形变将会改变2维条形码的本原模式,造成识读失效或困难,因此需要进行畸变校正以恢复其本原模式。该内容属于目标复原的主题范畴。方法为了校正这种畸变,首先分析了柱面2维条形码的畸变形成原理,然后基于标定的机器视觉装置与透视投影原理建立柱面上2维条形码畸变校正模型,最后在图像信息中推导出拟合椭圆与柱形零件的对应关系,通过拟合椭圆估计出柱形零件半径参数信息,并代入畸变校正模型得到最终的校正结果。结果实验选取两幅标刻在不同半径且采用不同视角获取的具有严重扭曲形变的2维条形码图像,根据预先标定好的机器视觉系统与该算法进行校正,实验结果表明,该方法能够有效地校正自由半径柱面上2维条形码的扭曲畸变,且算法时间控制在1 s之内。结论当前大多数已知文献仅研究标刻在平面上2维条形码的识别,而该方法扩展了2维条形码的应用范围,即不仅可以作为平面产品的标识,也可以作为柱面产品的标识。当然,根据本文提供的思路,可以将2维条形码的标识面范围扩展到任意已知曲面。