航天器制造过程多余物控制机器视觉方法综述

多余物控制是航天产品智能制造过程中的最大难题之一,而多余物检测是控制的基础;由于航天产品结构复杂性和多余物特征的多样性,没有一个数据集基准,多余物的机器视觉在线检测仍面临着很多挑战;介绍了多余物产生的危害和检测的必要性,对多余物检测技术的国内外发展现状进行阐述,分析对比了各自优缺点,重点介绍视觉多余物检测,并综合分析了智能制造过程多余物机器视觉控制特点;对机器视觉多余物检测技术进行分类,从智能实验室的角度,提出了机器视觉多余物检测面临的难点和可能的解决方案。

金属表面缺陷的机器视觉检测方法研究与实现

随着信息化技术的飞速发展,视觉识别技术由此诞生,其相对比传统的人工识别来说,无论是识别检测的准确性还是效率,都有了较大程度的提升,尤其是在金属表面缺陷检测层面,机器识别检测技术的功能优势更加巨大,有利于提升产品生产加工质量。鉴于此,文章通过实验分析,重点就机器视觉检测在金属表面缺陷识别中的运用以及实现进行研究分析,以供业内人士参考和借鉴。

无缝线路钢轨爬行检测现状与展望

钢轨爬行检测是保障铁路安全运营的重要检测内容。本文调研钢轨爬行的管理规范要求和检测方法,阐述目前我国钢轨爬行检测过程中存在的主要问题,包括线路里程长、检测任务重、标记缺失、现场检测记录不准确等问题。钢轨爬行检测新技术研发势在必行,在新技术的应用研究中,机器视觉检测方法能够实现高精度(优于1 mm)、非接触式检测。搭载移动平台开发移动式智能钢轨爬行检测技术将替代人工巡检,成为未来主要的研究方向。结合信息化平台的数据收集、管理和分析,可实现线路状态全方位评估和预测,促进我国铁路智能化检测养护维修技术发展。

外槽轮排种器性能检测及分析

采用机器视觉方法,检测了外槽轮排种器的排种过程,以期对该排种器性能进行较精确地评价。小麦试验结果表明,排种量呈某种性质的离散分布,其条形图一般非对称,峰值偏左。排种器转速和槽轮工作长度愈大,则排种均匀性愈好,条形图趋于对称。两个参数对排种能力及排种均匀性均存在极为显著的影响,显著性检验尾概率的最大值分别达0 0007和0 0016,效应模型的决定系数最小值为0 9185。排种量的均值达17 0343粒/s～165 9395粒/s,标准差达13 6025粒/s～27 4819粒/s,变异系数达15 6797%～79 8534%。排种量的极差变化较小。槽轮工作长度值18mm可能处于排种量跃升的临界状态附近。

视觉机制研究对机器视觉的启发示例

研究灵长类的视觉系统机制并以此为基础设计机器视觉的算法已成为重要研究方向,并对机器视觉产生了重要的推动作用。本文从视觉机制和机器视觉方法的角度出发,分析了两大类视觉机制或模型,并列举受其影响和推动的多种重要机器视觉方法:1)合作学习和竞争学习机制,其中合作学习和竞争学习模型相关的机器视觉算法包括立体视觉算法、神经网络、稀疏编码;2)简单细胞和复杂细胞模型,相关的机器视觉算法包括HMAX特征、SIFT描述子和deep belief network。