自动定位测量的L角间隙视觉检测方法

针对某型破甲弹摆帽安装L角间隙人工测量一致性差、效率低以及机器视觉测量精度低等问题,提出了基于支持向量机(SVM)的多特征融合模板匹配定位方法和利用NMS-OTSU非极小值抑制算法进行间隙边缘特征提取的机器视觉复合检测方法,实现了L角间隙的自动识别定位与精确测量。实验结果表明,该方法可精确定位到间隙区域,并可精准检测0.05~0.3mm的间隙宽度,测量误差小于0.02mm,可以实现复杂工况下L角间隙的精确测量,满足实际自动化装配生产需求。

基于纹理特征的可燃药筒缺陷检测方法研究

为了实现可燃药筒表面缺陷的智能检测,提出了一种基于灰度共生矩阵与卷积神经网络的视觉检测方法。该方法将可燃药筒表面图像分成若干个小样本,分别利用灰度共生矩阵的特征参数与卷积神经网络的卷积层、池化层表征可燃药筒表面纹理,再将灰度共生矩阵的特征参数与卷积神经网络的特征参数进行拼接生成一维特征向量,最后将一维向量作为全连接的输入训练神经网络。实验结果表明,该方法对可燃药筒表面的白斑、油渍和正常样本具有良好的分类能力,检测成功率可达95%。该方法解决了因可燃药筒表面纹理导致缺陷难以提取的技术难题,可满足产品质量检测的需要。