基于稳态智能卡尺算法的线径监测系统

根据电缆生产工艺需要,本文提出一种在线的电线电缆线径监测方法,该方法在生产工程中对电缆线径进行实时监测,根据监测到的数值控制挤出机或者牵引机,以便对线径进行控制,从而使生产的电缆线径满足标准要求。系统通过摄像机实时获取电缆图像,采用稳态图像智能卡尺(Stable Image Intelligent Caliper,SIIC)的算法计算电缆直径,并根据测量结果由该系统的变频器控制模块调整电缆生产线机头电机的速度及速度比,形成闭环控制。该在线监测系统具有非接触、精度高、结构简单、成本低廉、适合现场作业需求等特点,应用前景良好。

基于卡尺边缘检测算法的铆接孔径尺寸检测方法研究

提出了一种基于卡尺边缘检测算法的方法对飞机铆接孔径进行检测。对采集的孔径图进行图像增强,通过数学形态学的膨胀、腐蚀等运算提取锪窝孔外圆的圆环区域,利用卡尺边缘检测算法进行边缘检测,得到各边缘点及其坐标,最后结合RANSAC算法将检测到的边缘点进行圆拟合,产生圆轮廓并获取半径,完成拟合测量。经实验证明,该检测方法具备良好的抗噪性能与亚像素精确定位能力,正确率高,稳定性好,重复测量精度可达到±20μm。

基于机器视觉的工件Mark点快速提取方法研究

在现代化工业生产流程中,工件Mark点类型繁多且提取过程既复杂又低效。为解决这一问题,提出了一种基于机器视觉的工件Mark点快速提取的方法。首先,使用工业相机采集原始图像,然后对图像进行预处理以减少噪声和锯齿的影响。随后,针对目标边缘提取繁琐且不准确的问题,提出一种基于OpenCV的卡尺工具算法,该算法通过在检测边缘周围产生等大等距的测量矩形,利用亚像素图像及改进的Canny边缘检测算子获得测量矩形内的最佳边缘点,再利用基于梯度下降法的最小二乘法来进行直线或圆的拟合,通过该算法可以快速高效地获得工件的直线或圆边缘。最后,通过组合这些直线或圆边缘来获得所需的Mark点。实验证明,该方法可以快速而准确地拟合工件的直线边缘或圆边缘,并最终成功获取到相应的Mark点,定位精度可达到亚像素级,且具有较高的稳定性。

基于深度学习的热态环件轧制过程几何状态视觉测量方法

为解决高温、强光、汽雾以及氧化皮飞溅等恶劣工况下热态环件轧制过程几何状态的在线测量难题,提出了一种基于深度学习的热态环件轧制几何状态视觉测量方法。以深度学习为基础,结合热态环件轧制过程高温发亮的特点,利用YOLOv5算法的卷积神经网络进行训练,智能捕捉相机视野有效区域,大幅提高了图像处理算法的运算速度。为解决环件部分边缘被遮挡的问题,采用Linemod-2D算法,根据环件边缘梯度特征匹配外圆轮廓及位置状态,并基于卡尺工具边缘检测原理获取有效边缘特征点,利用迭代重加权最小二乘法进行拟合,得到了环件几何状态。实验结果表明,本方法鲁棒性较好,测量误差小于0.5 mm,算法平均耗时60 ms。