基于激光位移传感器的机器人动态平面跟踪控制方法

针对智能制造行业中存在的机器人动态平面跟踪效率低以及抗干扰性差等痛点问题,制造厂商通常会选择传统视觉方案来解决该问题,但该方法存在短距离范围出现图像畸变、位姿估计误差大等应用问题。因此,提出基于激光位移传感器的机器人动态平面跟踪方法。该方法采用机器人搭载激光位移传感器的组合方案,通过在机器人工具法兰末端装载多枚激光位移传感器,将传感器的高频、高精以及高抗干扰性融入到对机器人的位姿引导中,结合数据分析、数据处理、机器人运动模型以及平面跟踪算法,实现机器人对动态平面的实时跟踪。进行了水平面波动和垂直平面随机摇晃实验,结果表明:当机器人工具法兰末端搭载4枚激光位移传感器时,其综合跟踪效率可达到90%,有利于提高实际生产的智能化程度和效率。

基于机器视觉的瓶口缺陷检测方法研究

在基于机器视觉的啤酒瓶口质量检测过程中,由于部分瓶口图像中缺陷灰度值变化范围大、边缘区域的干扰多,传统方法难以实现瓶口缺陷快速、准确检测。为此,分析总结各类瓶口缺陷特征,提出基于随机圆评估的三圆周定位法,以提高抗干扰能力和定位精度,并提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法,克服灰度变化和瓶口缺失对检测结果的影响。对90幅图像测试,与5种瓶口缺陷检测法对比,结果显示:执行时间为117.33 ms,与效果最好的SVM算法相比,检测正确率提高了2.22%,可实现强干扰、大缺陷的瓶口图像中缺陷快速、准确定位和检测。

一种多次随机圆检测及拟合度评估的瓶口定位法

针对现有啤酒瓶口质量检测中的定位方法在瓶口严重破损或存在大量干扰时定位误差大的问题,提出一种多次随机圆检测及圆拟合度评估的瓶口定位算法。采用阈值分割、重心法和径向扫描获取边缘点,利用从边缘点中随机采样的3个点确定一个圆,定义各边缘点到圆距离小于给定阈值的边缘点的数目与边缘点总数的比值为圆拟合度,提出将圆拟合度作为评估标准搜索最优定位结果的方法,利用多次重复随机圆检测得到大量圆拟合结果并计算对应圆拟合度,以最大圆拟合度对应的圆拟合结果作为瓶口中心。与4种典型方法对比,实验结果表明:在瓶口图像不完整和存在大量干扰时,该方法可实现瓶口高速高精度定位。

基于机器视觉的注射液中不溶异物检测方法研究

为检测出注射液生产过程中混入的50μm以上微弱不溶解异物,提出了一种高速高精度的机器视觉检测方法。本文首先研究了注射液中各类异物的静态与动态成像特征,择优选择出"高速旋转-急停-序列图像采集"的运动成像方案,然后设计了光机电自动化运动系统,提出了基于快速傅里叶变换(FFT)相位相关性与BP神经网络的序列图像配准、微弱异物检测与分割算法,粗略提取异物位置,再通过PM扩散模型精确分割目标与背景,实现药液中微弱异物的高精度检测。最后,选择医药安瓿注射液作为对象进行批量化测试。实验表明:本文设计的检测系统能检测出各类不溶异物,检测精度50μm,异物检出率99.7%以上,完全满足药厂质检要求。

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。

基于神经网络的医药微弱异物视觉检测机器人

提出了一种基于神经网络的医药大输液中可见异物视觉检测方案。首选设计了视觉检测机器人的异物检测方案和光机电一体化系统,采用高速CCD传感器采集到图像序列;然后采用均值滤波方法对图像序列滤波,消除随机噪声;再通过快速傅里叶变换(FFT)相位相关算法实现图像序列的配准,弥补机械抖动引入的像素偏移;最后,通过BP神经网络完成微弱异物与瓶体背景的分割,并统计异物的大小与数量,完成医药输液中可见异物的高速高精度检测。实验结果表明,设计的方案异物检测精度达50μm,异物正确率达99.7%,满足高速医药生产线在线实时检测需求。

基于FPGA/DSP的数字芯片测试仪

提出了采用FPGA为核心器件设计数字芯片测试仪的设计思想,主要阐述了FPGA与DSP和数字芯片测试板之间的对地址/命令信号的译码和数据传输的实现。主要是通过DSP芯片对PC机测试命令的译码,并发送到FPGA芯片产生控制信号来控制数字芯片的测试,测试结果通过FPGA的现场采集发送到DSP芯片,再传送到上位PC机进行故障诊断。同时也介绍了采用单片机对FPGA进行配置,防止配置文件掉电丢失。测试表明:该系统具有很好的完整性,可靠性,准确性。

旋翼飞行机器人的行人视觉跟踪方法及系统

针对旋翼飞行机器人抖动造成运动图像模糊、行人跟踪时受部分遮挡等因素的影响,易出现行人目标丢失的问题,提出一种经过图像去模糊的图像帧序列的旋翼飞行机器人视觉跟踪方法。首先,为克服旋翼飞行机器人抖动造成运动图像模糊的问题,利用维纳滤波对运动图像帧序列进行去模糊处理;其次,为克服单一颜色描述子作为行人模型的缺陷,采取合适的权重融合行人的颜色和HOG描述子作为行人模型;考虑到Camshift算法能较好的跟踪无遮挡的行人目标,且实时性好,而粒子滤波(PF)算法对发生部分遮挡的行人目标的跟踪具有较强的鲁棒性,利用前后两帧图像的行人目标模型的相似度来实现Camshift算法和PF算法的切换,以保障算法实时准确的跟踪行人目标。利用维纳滤波对运动图像去模糊后,行人跟踪准确率从93%提升到100%;利用分段行人目标跟踪算法相比于Camshift算法更具鲁棒性,相比于PF算法,实时性提升26.45%,相比于跟踪学习检测(TLD)算法,实时性提升66%。行人发生部分遮挡时,旋翼飞行机器人跟踪行人的精度在50 cm以内,能够稳定跟踪行人目标。

基于轮廓曲率的PET瓶防盗环断裂检测

针对现有满瓶检测算法中缺乏聚对苯二甲酸乙二酯(polyethylene terephthalate,PET)瓶防盗环断裂检测算法的问题,提出一种基于轮廓曲率计算和角点检测的防盗环断裂检测算法。首先采用灰度投影法大致定位出瓶盖区域并将瓶盖所在的矩形区域设置为感兴趣区域(ROI),再利用梯度极大值抑制法获取瓶盖边缘点,并根据提出的等腰三角形法和最近点搜索法,拟合边缘点的亚像素坐标并连接瓶盖轮廓。然后利用边缘点的路程距离比(stretch to distance ratio,SDR)来近似表示轮廓曲率,再根据轮廓曲率极大值检测角点,并采用角点匹配法定位支撑环。最后根据支撑环和防盗环之间存在缝隙与否,来判断防盗环是否断裂。该算法检测正确率达到94.75%,可满足生产需要。

机器视觉技术在包装行业研究进展与应用综述

基于机器视觉的包装检测技术,通过视觉成像和计算机信息处理,完成包装的识别、检测和测量等任务,相比传统的人工检测方式,其具有执行速度快、精度高、重复性好等特点,可显著提高产品包装自动化程度,因而近年来广泛运用于食品饮料、医药、3C电子产品、物流和烟草等领域的包装检测。为进一步提高其在包装领域的实际应用效能,基于机器视觉的包装检测技术,亟待解决通用高质量视觉成像难、检测与识别算法开发效率低、人工智能应用推广慢、高复杂度任务应用难等突出问题。

基于I^2C总线和SD卡的火车轮轴承温度采集系统

针对火车轮轴承温度采集系统对温度的实时采集与温度数据大量存储的要求,提出了一种实时解决方案。该方案选用S3C2440高性能ARM9处理器作为主控制器,采用I2C总线对各节点温度传感器(DS18B20)数据进行采集,并使用SD卡存储各个测量点大量的温度信息,以方便数据的转出和分析;同时,采用DS1302时钟芯片提供时间信息。本系统可移植到很多实际的海量数据采集场合,具有较高的实用价值。

基于机器视觉的平板背板辅料检测系统

检测辅料是否贴装正确,是平板背板生产过程中的一道重要的工序。针对传统的人工肉眼检测平板背板辅料存在的效率低、准确率低、不能长时间作业等问题,开发了一套基于机器视觉技术的平板背板辅料自动检测系统,主要采用工业相机、镜头、工业光源、机械传动装置、图像采集卡、工控机和上位机软件等构成。研究设计了系统整体的机械结构方案;对系统的硬件进行选型,然后根据图像特点采用灰度变换和中值滤波算法增强对比度以及滤除噪声,ROI提取与阈值分割、连通域分析等算法进行检测;最后对系统检测软件进行设计。与传统的人工检测相比,采用本视觉系统进行检测能大大缩短检测时间,并能大幅度提高检测准确度。实验数据表明:开发的系统对每一个平板背板的检测时间大约为0.5 s,检测准确率能达到99.8%。

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。

基于迟滞阈值分割的瓶口缺陷检测方法

随着工业机器人和现代化工业的快速发展,人们对工业机器人的性能要求越来越高,为了提高工业生产的效率和产品的质量,智能、高速、高精度是工业机器人的必备要求。国内基于机器视觉的智能啤酒瓶口缺陷检测方法中,高速、高精度仍是一个亟待解决的问题。为此,提出了一种基于随机圆拟合评估的四圆周定位法,大大提高了瓶口检测区域的定位精度,并提出了基于投影特征的分区域磁滞阈值分割的智能瓶口缺陷检测方法。对采集的488幅灰度图像进行测试,检测正确率为99.4%,检测平均速度为38 ms,算法的检测速度快,检测精度高,可以很好地应用到高速、高精度的现代化工业机器人中。

中国象棋机器人棋子定位与识别方法

针对中国象棋机器人系统中棋子定位与识别问题,提出了一种基于最小外接圆二次定位的定位方法和一种旋转差分识别算法。首先,采用Hough圆检测进行粗定位获取棋子区域,并对棋子进行均值二值化处理。随后,对二值化图像进行形态学处理,提取最大面积轮廓,并利用其最小外接圆实现棋子二次精准定位。最后,对二次定位修正后的图像进行旋转差分识别。以直径为15 mm的棋子为测试对象,利用我们研制的象棋机器人采集图像进行测试,结果表明,棋子的定位精度为0.5 mm,平均定位时间为2.6 ms;在保证棋子识别正确率在98%以上的情况下,单个棋子平均全流程运算时间为10 ms,完全满足现有象棋机器人需求。

基于显著性检测的双目测距系统

为了提高双目视觉测距系统中图像匹配的实时性与测距的精度,提出一种将显著性检测与焦距拟合相结合的双目测距方法。首先对双目相机进行畸变矫正,并利用双目相机成像的特点拟合相机焦距与目标距离的关系,随后对所得图像进行显著性检测,并提取目标区域,最后,利用surf算子对提取出的区域进行特征匹配,将匹配点代入测距模型中得到目标物体的距离。结果表明:显著性检测方法明显提升算法执行速度,焦距拟合降低双目测距模型误差,明显提升双目测距精度。

基于灰度投影梯度扩散的PET满瓶快速检测

设计一种基于灰度投影梯度扩散的PET满瓶快速检测系统。开发了可以得到多角度液位图像的成像系统;提出了基于扩散灰度投影梯度的液位定位算法,对采集的图像二值化,对二值化后图像腐蚀并做垂直方向的灰度投影,根据液位的位置和灰度先验特性对灰度投影梯度进行扩散,最后用扩散后的梯度信息结合实际生产要求,采取双阈值决策算法对样品瓶子是否合格进行判定。选择500 ml的不透明饮料瓶为对象进行测试,实验结果表明算法能够快速准确定位液位,液位定位误差在0.68 mm内,对于1 296×700图像的平均检测时间为23.8 ms;系统的检测正确率达97.2%,速度高达36 000瓶/h。

基于POBT的空瓶规则纹路区域缺陷检测

现有的玻璃瓶瓶身质量检测方法中,缺乏对有纹理图案的玻璃瓶的缺陷检测,针对这一问题,提出一了种仅基于相位变换(phase only based transition,POBT)的玻璃瓶纹理区域缺陷检测算法。该算法采用基于灰度投影的方法求取玻璃瓶瓶身中心坐标,利用基于相位的变换方法,通过归一化过程去除玻璃瓶规则纹路区域的低频纹路分量,仅保留下缺陷图像,应用概率修正自适应阈值分割方法对经过POBT变换后去除纹理留下的缺陷的图像进行分割,提取缺陷,并将该分割方法与3种传统型的方法进行对比。实验结果表明,该方法可实现瓶身规则纹路区域的高速高精度缺陷检测。

基于机器视觉通信线缆接口检测

近年来机器视觉在智能化领域逐渐火热,目前已经广泛应用于各种智能化制造过程中。为解决受周边环境影响运行产生的抖动问题,以及产线上的相机拍摄光线不足出现噪声明显的问题,提出一种基于机器视觉的图像增强算法,使用基于双边滤波的图像增强算法突出图片的特点,利用灰度分布、阈值切割和均值滤波等方法,对抓取的图像进行处理,实验结果表明,通过改进算法处理后的图像效果有显著提高。同时,针对传统通信线缆接口检测产线工作台机动性差而导致机台间无法交替使用的问题,提出一种灵活的安装方法,该安装方法能够在各机台间交替稳定使用。

融合亚像素边缘检测的芯片载带测量系统

现有厚度测量方法(激光法、超声法、电容法)无法实现在线监控载带厚度。针对此问题提出了一种双工位的视觉测厚成像机构,低成本实现在线高速测量载带平面尺寸和厚度。针对载带高速运动下,型腔离焦成像、视差等因素导致的测量重复精度低的问题,提出了离焦补偿校正方法。首先引入基于局部区域面积效应的边缘定位算法实现高精度边缘检测,然后由所得关键点的几何关系计算出尺寸,最后基于离焦成像环境测量的F值和P2值的补偿校正方法,实现载带尺寸高精度测量。通过在实际载带生产线运行验证,该检测系统允许载带最大生产速度1800 m/h,重复精度为5μm;以人工测量均值为准确值时,测量系统精度为0.03 mm。