基于计算机视觉的车间生产行为智能管控及其应用

人是智能制造系统中能动性和自由度最高的要素之一,高效、准确地实现车间工作人员生产行为的智能管控对于智能制造系统的稳定运行有着重要的应用价值。本文首先以宏观管控、微观管控两个层次讨论了车间生产行为智能管控的核心需求;再从感知、处理、响应三个层面介绍了基于计算机视觉技术的车间生产行为智能管控系统的整体架构;接着结合科研项目实践,给出了将计算机视觉与车间生产行为智能管控相结合的应用重点案例;最后从行为预测以及数字孪生技术的角度探讨了车间生产行为智能管控技术未来的发展趋势。

高精度夹芯阀外径动态视觉测量系统

为了解决人工测量夹芯阀外径效率低、精度低的问题,本文设计了一套高精度夹芯阀外径动态视觉测量系统,该视觉检测系统能够处理带有毛刺干扰的夹芯阀图像,从而以实现夹芯阀凸台外径的高精度测量。首先,针对上料装置的定位偏差,提出一种基于连通域分析的夹芯阀轮廓动态跟踪方法,能够快速动态跟踪夹芯阀轮廓ROI;针对夹芯阀的复杂外形,提出一种鲁棒的去除毛刺干扰的算法,能够剔除掉偏差较大的坏点,再对正常轮廓点使用最小二乘算子实现外径测量。试验结果表明,该测量系统能够准确地测量出Ф16mm、Ф33.5mm、Ф38mm三种规格的夹芯阀的外径值,重复精度分别能够达到0.003 mm、0.005 mm和0.006 mm,完全满足夹芯阀的检测要求,在实际工业应用中具有良好的可行性。

基于改进HU不变矩的快速图像匹配算法

为了解决当前HU不变矩匹配算法计算量大、无法快速匹配,以及对大幅度旋转和尺度变化匹配精度低的问题,提出了一种基于改进HU不变矩的快速图像匹配算法。利用金字塔模型,成比例降低模板图像和待匹配图像的分辨率,并提出了一种改进的匹配搜索策略,优化起始匹配位置和搜索路径,减少模板遍历计算量。提出了一种构造多尺度模板的方法,并利用相似度度量和连通域算法最终实现目标准确定位与标记。实验结果表明:所提算法对灰度变化、平移、大幅度旋转和缩放具有一定的不变性,且对大分辨率图像,匹配速度大大提高,取得了良好的匹配效果。

基于改进高斯混合模型的运动目标分割算法

针对运动目标分割中出现的孔洞等问题,课题组提出了一种基于改进高斯混合模型(Gaussian mixture model, GMM)的运动目标分割算法;针对运动目标分割中出现的阴影和鬼影等问题,提出了一种基于位置约束和加权HSV(hue saturation value, HSV)的阴影检测算法。首先,将运动目标在相邻2帧之间移动的速度作为像素速度,根据像素速度来动态调整每个像素点的学习率,实现背景模型的动态更新,从而有效避免前景中出现孔洞等干扰;其次,提出一种基于位置约束和加权HSV颜色模型的特征向量构建方法,使用余弦相似性进行相关性分析,避免了分割过程中出现阴影干扰的现象。实验结果表明:该算法能够准确地分割出运动目标,目标完整率、阴影检测率和判别率分别达到95.11%、96.18%和96.45%。与其他方法相比,运动目标分割的准确率提高了2.09%,运动目标分割性能良好。