工业机械臂辅助机器视觉的工件识别与定位

传统的工业机器人系统由于缺乏感知判断能力,很难适应目标种类和位置的变化,而现代工业需要生产不同种类和规格的产品。为此,以多品种小批量生产的零件为背景提出了一种机械臂辅助机器视觉系统,该系统能够实现对工件的图像采集并进行预处理,通过改进的Canny轮廓的提取算法与基于Hausdorff距离的模版匹配完成对不同种类工件进行识别和定位。最后经实验的验证该系统的定位精度在0.35 mm内,基本满足了在实际生产中对小批量生产、不同形状且没有固定夹具的目标工件的抓取、搬运与检测等要求。

基于机器视觉的飞机故障检查系统

针对当前飞机维修检查工作以人工目视检查为主、效率低且存在人为因素影响的情况,设计一套基于图像识别与机器深度学习的飞机部件表面无损检测系统。收集并整理了某航空公司一线飞机维修员拍摄的飞机机身及发动机部件图片,对图片集进行预处理,包括通道提取、Sobel滤波处理及二值化;最后用Blob分析对处理后的图像进行特征提取与系统分析。系统运行速度快、准确率高且可连续自动识别图像。利用机器视觉技术对飞机部件表面进行无损检测不仅可以提高生产效率,同时可以去除人为因素对航空器飞行安全的影响,使得飞机的飞行安全得到进一步提升。实践证明,该系统性能稳定可靠,具有极高的推广应用价值。

基于深度学习与机器视觉的起重机吊装安全监测方法

随着我国经济的快速发展,各类大型工程层出不穷,对起重机吊装作业的需求不断增加。然而,吊装作业过程中依然存在众多的安全隐患,极易造成人员伤亡等安全事故。因此,该文提出一种基于深度学习和机器视觉的起重机吊装安全监测方法。将深度学习与机器视觉相结合对监控图像中的被吊物和工人进行识别和定位,同时可自主判断工人是否佩戴安全帽。根据监测模型的识别和定位信息,获得工人与被吊物之间的空间关系,为起重机吊装过程提供安全预警信息。为了提高所提方法的实用性和便携性,开发一个起重机吊装安全智能监测系统,不仅可以实时显示监控图像的识别结果,而且能够输出场景的语义描述、发出安全预警信号。

基于机器视觉与光谱融合的柑橘品质无损检测分级系统设计与试验

针对柑橘果径、着色率和内部糖度3项关键品质指标,基于双锥滚子式果杯传输线设计了一套柑橘综合品质无损检测分级系统,该系统主要包括喂料部分、机器视觉检测模块、近红外光谱检测模块和分级执行部分.机器视觉检测模块采用单相机拍摄不断翻滚的柑橘视频来获取大量不同姿态的柑橘图像,并进行轮廓提取,以单个柑橘所有帧图像的最小外接圆直径的平均值计算果径,以每一帧图像得到的其二维黄色占比的平均值作为全表面着色率.在近红外光谱检测模块中设计了透射式光路,采集柑橘透射率光谱,并按在线检测时柑橘出现的两种高频姿态建立了混合姿态糖度检测模型,对比不同预处理方法下的建模结果,选取应用效果较优的多元散射校正(MSC)后建立的偏最小二乘法(PLS)模型.在线试验结果表明:果径检测的最大绝对误差为-1.42 mm,着色率检测的最大绝对误差为0.048,糖度检测结果的相关系数为0.817,均方根误差为0.658%.内外品质的联合检测分级按判别树决策方法确定了3种品质的联合分级方式,在分选速度为5个/s时,综合分级的平均准确率可达到91.16%,该检测分级系统整体结构简单,对于类球形水果具有较强的适用性,在产业化应用上有很大的潜力.

机器视觉技术在奶牛精准化管理中的应用研究进展

近年来,随着我国奶牛养殖规模不断扩大,对奶牛场管理提出了更高的要求,通过传统的人工方式识别奶牛和统计奶牛数据已完全不能满足现代化、规模化牧场的需求。监测奶牛的行为变化有助于提高牧场的管理决策水平,而基于机器视觉技术可为奶牛养殖过程中的个体识别、健康监测、疾病预防等提供新的解决方案。本文主要从奶牛个体识别、体况评估、行为识别与监测3个方面进行综述,总结了目前机器视觉技术在奶牛精细化管理领域的研究成果以及存在的问题,旨在为现代化牧场的精准化管理和智能化发展提供新方法和新思路。

基于机器视觉的木窗双端铣削加工尺寸测量方法

木窗是一种以木材或木质复合材料为主要构件的门窗产品,具有良好的生态性能和美观效果,适用于多种建筑形式和风格,其中木窗尺寸是衡量木窗加工是否合格的重要指标。对于传统木窗双端铣削加工中人工测量尺寸方式存在的精度低、效率低等问题,提出一种基于机器视觉的木窗双端铣削加工尺寸测量方法,以期提高尺寸测量精度及加工效率。该方法针对木窗厚度引起的透视效应,提出一种物平面提升法,以消除透视投影带来的误差。首先对木窗图像采取灰度化、平滑去噪、图像增强及轮廓分割等举措,完成图像预处理,提取出木窗内外轮廓区域。对轮廓区域应用Canny算子获取木窗像素级轮廓。通过优化的Zernike矩亚像素边缘提取算法对木窗像素级边缘进行更精确的定位,得到亚像素级轮廓坐标。通过最小二乘法联合RANSAC算法对亚像素轮廓坐标进行拟合,得到拟合轮廓及角点坐标,并使用透视矫正模型计算出木窗尺寸。实验利用3种厚度规格相同但尺寸不同的松木材质矩形木窗,分别测量其内框和外框的边框尺寸及对角线尺寸,并与对应的实际物理尺寸对比,验证了所提木窗尺寸测量方法的检测精度。研究结果表明,所提方法与实际物理尺寸值相比,其绝对误差范围在±0.12 mm之内,相对误差在±0.1%之内,且效率及精度高,可以满足对木窗的在线尺寸检测。

基于机器视觉的变速器齿轮表面缺陷检测研究

针对人工检测变速器齿轮表面缺陷存在可靠性差、效率低、不能满足批量生产的问题,开展齿轮表面缺陷自动检测的研究。以汽车变速器齿轮为检测对象,首先搭建机器视觉齿轮表面缺陷检测系统,采集齿轮缺陷图像样本,对采集的齿轮图像进行去噪、增强等预处理;然后采用改进的Scharr边缘检测算法提取齿轮边缘;最后获取感兴趣区域的坐标信息,寻找齿轮外圆的边缘点,计算齿轮的边缘点之间的距离,从而实现齿轮缺陷的精确定位。实验结果表明:该系统可准确检测出齿轮表面缺陷所在位置,可靠性和稳定性良好,检测效率高,为机器视觉齿轮缺陷检测技术的应用提供了思路。

机器视觉技术在大坝表面变形监测中的适用性研究

针对大坝表面变形自动化监测中GNSS系统垂直位移监测精度低、费用昂贵和静力水准仪布设难度大、维修成本高等问题,利用机器视觉技术对大坝表面变形进行监测。室内试验结果表明,相机与标靶距离在100 m范围内,机器视觉的测量精度可达到亚毫米级,且水平和垂直变形位移精度相近。由误差分析可知,标靶与相机的距离与测量精度有明显的相关性,而环境因素是影响远距离监测精度的重要因素,并利用大坝视准线原理优化了机器视觉监测系统。最后以浙江省大力塘水库为试点,对大坝表面变形进行实时监测,结果表明,机器视觉技术完全可满足实际工程需求,且优化后的机器视觉测量技术可明显提高监测数据的精度和稳定性。

基于机器视觉的葡萄藤结构分割方法研究

葡萄藤结构的精确分割是推理与定位冬季剪枝点位置的重要前提。为精确分割葡萄藤结构,建立自然种植条件下的葡萄藤结构数据集,提出一种基于U-net模型的葡萄藤结构分割方法,通过主干特征提取网络和模型分割性能的对比试验,得出最优的U-net模型结构并验证其在不同疏密程度目标下的分割性能。结果表明,以VGG 16为主干特征提取网络的U-net模型准确率达93.55%、召回率为94.15%、类别平均像素准确率为94.15%、均交并比为88.65%,与传统图像分割方法和对照组模型分割效果相比,其能保证自然种植背景下葡萄藤各结构分割边缘完整,结构之间连接关系正确,可适用于植株间存在遮挡的葡萄藤结构分割任务,为实现智能化葡萄藤冬季剪枝作业奠定基础。

基于机器视觉的智能物流搬运机器人的设计与研究

第七届全国大学生工程训练综合能力竞赛智能+赛道基于机器视觉的智能物流搬运机器人,对OpenMV4视觉模块进行研究,应用该模块进行二维码、不同颜色物料等多种目标的识别,信息经过模块上STM32F427微控制器的处理,与Arduino Mega 2560板通信,机器人识别场地上的三个区域,用PID算法驱动麦克纳姆轮机器人的四个直流电机旋转并且定位机器人,通过PCA9685模块的I2C通信协议,发送PWM脉冲信号给机械臂上的四个关节舵机,使智能物流搬运机器人对场地上的物料进行自动搬运。实验证明其可以较为精确地完成各项搬运任务。

基于机器视觉的飞机电镀部件曲表面无损检测

[目的]为解决机器视觉在曲表面无损检测中算法复杂的问题,以及克服传统光源在曲表面检测中的局限性,开发了一套基于格栅光源的飞机电镀部件曲表面无损检测系统。[方法]该系统通过格栅光对电镀部件曲表面进行成像,随后进行图像分析,包括图像导入、预处理、Blob分析等步骤。[结果]该系统能够快速、准确地检测出电镀部件曲表面存在的缺陷,检测效率高且稳定可靠。[结论]该系统在飞机制造企业及航空公司飞机维护一线的初步工程应用中取得了良好效果,有望进一步推广。

注塑件机器视觉缺陷检测的几何矫正方法研究

针对多面体注塑零件在机器视觉缺陷检测中的零件图像几何形变问题,提出了基于几何光学原理的矫正算法。在拍摄定位误差不大于1 mm的条件下,所述方法矫正误差理论上<0.1 mm,可满足注塑零件机器视觉缺陷检测的需要。首先对采集的图像进行预处理获取图像边缘;接着将轮廓线交点确定为零件顶点;根据顶点位置分割零件的不同表面并将其映射在二维平面;然后根据几何光学计算图像中每一个像素点的偏移量;最后使用基于几何光学的方法对图像中的像素点进行逐点矫正。利用一组六面体零件模拟实际工况,在不同的拍摄定位误差状态下进行实验,使用Matlab对矫正算法进行验证。实验结果表明,所述方法误差在0.1 mm以内,与理论分析相吻合,满足注塑零件在机器视觉缺陷检测中零件图像几何矫正精度的需要。

基于LabVIEW虚拟仪器和机器视觉测量普朗克常量和光波波长

设计了基于LabVIEW虚拟仪器和机器视觉的普朗克常量和光波波长测量综合实验装置.该装置以发光二极管为测量对象,综合运用了基于机器视觉技术的NI Vision Builder AI,ImageJ以及科学数据绘图软件Origin测得普朗克常量,其大小与普朗克常量的公认值接近.另外,该装置为学生提供了测量普朗克常量新的思路和方法,可作为对传统光电效应法测量普朗克常量实验的补充,有利于学生创新能力的培养和提高.

基于机器视觉的镍板材表面缺陷检测研究

针对电解法提纯镍板材表面出现的质量缺陷,设计改进Canny的缺陷检测方法。利用双边滤波使图像去噪保边,研究一种增强梯度的掩模并融入Sobel中形成双层卷积核,增强缺陷边缘梯度,弱化缺陷内部及背景区域的梯度。采用分水岭算法代替非极大抑制与形态学边缘连接算法进行边缘细化。实验结果表明:本算法对镍板缺陷的检测效果优于经典算法和其他几种改进算法。

基于机器视觉和PLC的活体小龙虾分拣控制系统

针对目前小龙虾人工分拣精度不够,成本过高的问题,构建了一种基于视觉检测的小龙虾分拣系统,对小龙虾分拣系统的原理进行简要分析,完成了系统各部分的硬件选型,设计了基于Linux系统的上位机与PLC的通讯程序,采集小龙虾图片样本并识别小龙虾种类,编写PLC程序实现了对小龙虾种类的准确识别与快速分选。实验结果表明,该系统识别准确率高,自动化程度高,能节约大量的人力成本与时间成本。

大尺寸工件螺孔的机器视觉测量方法研究

基于3C产品外壳工件螺纹圆孔加工时通常采用角点定位的特点,利用线阵相机采集子图像的连续性,提出基于直线特征和圆特征定位的螺纹圆孔位置尺寸测量方法。基于拟合法改进的Hough直线定位方法和基于乘同余法改进Hough变换圆形检测方法,实现3C外壳工件图像边缘定位及螺纹圆孔的圆心坐标提取及直径尺寸测量;基于图像的连续性,采用子图像逐一检测,相邻子图像起始像素累加的方式,实现大尺寸图像螺纹圆孔尺寸全局检测。上述方法最终实现大尺寸3C外壳工件螺纹圆孔的位置尺寸测量精度为±0.2220mm和孔径大小测量±0.0904mm,单工件检测耗时为33.737s。

机器视觉技术在家禽产业中的应用与发展趋势

文章阐述了机器视觉技术在家禽领域的综合应用及潜在影响,介绍了机器视觉技术的基本原理以及在家禽业精准饲养、环境控制、产品监测和行为分析等方面的作用,探讨了机器视觉技术目前面临的挑战与局限,如环境适应性、数据处理能力、算法复杂性和成本问题,也展望了未来技术发展的趋势,包括降本增效、多模态感知、精准养殖业的普及、自决策机器人的发展、环境可持续性等方面。

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。

基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波(EKF)与机器视觉(VB)融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。

一种面向机器视觉感知的暗光图像增强网络

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合,构建了端到端的增强检测框架MVP-YOLO。MVP-Net采用了逆映射网络技术,将常规RGB图像转换为伪RAW图像特征空间,并提出了伪ISP增强网络DOISP进行图像增强。MVP-Net旨在发挥RAW图像在目标检测中的潜在优势,同时克服其在直接应用时所面临的限制。模型在多个真实场景暗光数据上取得了优于先前工作效果并且能够适应多种不同架构的检测器。其端到端检测框mAP(50%)指标达到了78.3%,比YOLO检测器提高了1.85%。