基于改进的YOLOV5算法对ADB汽车大灯的外界环境检测

针对远光灯交汇会影响汽车驾驶员的视觉注意力,导致汽车驾驶员夜间行驶安全难以得到保障的问题,研究基于机器视觉及深度学习的ADB汽车大灯的外界环境检测方法;通过机器视觉的CCD相机采集ADB汽车大灯外界环境图像数据,利用数据筛选方法剔除采集到的图像数据中干扰光源数据,依据路况特征差异,划定ADB汽车大灯外界环境检测目标区域后,通过深度学习算法检测外界环境目标车灯光源,结合扩展卡尔曼预测各目标车灯光源轨迹,当车辆前方有车灯光源经过时,ADB系统及时调整汽车远光灯对应区域灯珠亮度,减少在高速行驶时因远光灯交汇对汽车驾驶员的视觉影响,保障汽车安全行驶;实验结果表明,该方法可有效剔除各类干扰光源,准确检测目标车灯光源,且目标车灯光源轨迹预测结果与真实结果非常接近,可精准完成ADB汽车大灯的外界环境检测。

基于机器视觉的隧道病害快速检测设备研究

为提升隧道检测效率以及安全性,文章设计开发了一种基于机器视觉的隧道病害快速检测设备,此设备将图像采集装置搭载于车辆上,实现快速、安全、稳定的隧道表观病害图像采集。另外,此设备通过图像采集单元、多传感器以及多动作机构,实现了图像采集单元位置及角度的灵活、快速调整,适用不同轮廓的隧道,有效提高了隧道检测设备的实用性及检测效率。

计算机视觉技术在钢结构桥梁安全检查中的应用综述

我国有巨大的桥梁运维需求,而传统的钢结构桥梁安全检查方式主要为人工巡检,其因存在效率低下、危险性高等问题已难以满足日益增长的桥梁运维需求。近年来,计算机视觉技术逐渐进入桥梁安全检查领域,其因具有成本低、效率高、智能化的特点得到了广泛应用。从计算机视觉技术的图像信息采集和病害识别两个方面入手,对近年来国内外的研究成果进行总结,包括不同的钢结构桥梁表面视觉信息获取方案和不同的裂缝识别算法,最后对计算机视觉技术在桥梁安全检查中的应用进行了总结与展望。

水果姿态图像自动采集训练检测仪设计

针对水果姿态识别深度神经模型训练中水果姿态图像数据采集工作量大、效率低的问题,设计一套自动化的多姿态水果图像采集训练检测仪器。仪器由PC机通过安装在SCARA机械臂末端的摄像头,与放置在可移动云台上的水果组合运动,实现多姿态水果图像的自动采集;同时,构建模块化的水果姿态采集训练检测模型程序,用于水果姿态训练识别。以龙眼为对象进行实验,结果显示检测装置在20 s内可完成一组56张姿态图像的采集标注,基于深度残差神经网络训练模型水果姿态图像检测准确率可达98.40%,表明装置可满足水果姿态图像的自动采集、训练、检测需求。

计算机视觉检测系统的设计方案

结合国内计算机视觉检测领域的发展现状,参考国外成熟视觉检测设备,提出计算机视觉检测系统的通用设计方案。重点阐述了系统中的关键技术及配置方法,并介绍了实际工业检测应用中的成功经验。

地铁隧道裂缝图像采集与智能识别方法研究

文章对盾构隧道表面图像采集系统进行设计,提出一种新颖的隧道裂缝图像智能识别方法。图像采集系统包括面阵相机及光源一体化模块、相机支架、工控机和供电系统,该系统可实现隧道表面图像多目相机同步采集,图像辨识精度达到0.2 mm。裂缝图像智能识别方法主要包括:基于边缘检测的深度卷积网络和基于图像后处理的裂缝识别算法,该图像识别算法可实现像素级的裂缝纹理检测以及精细化提取。通过现场实验和数据分析,文章提出的图像采集系统和智能识别方法可为实际隧道裂缝检测提供较好的技术支持。

基于机器视觉石英晶片外观的缺陷检测方法

针对石英晶片的外观缺陷检测技术的不足,提出一种基于机器视觉开发软件对石英晶片外观缺陷检测方法,对石英晶片生产过程中出现的外观缺陷进行了分析,提出了缺陷检测的流程,建立了基于几何特征的模板定位算法和基于Blob算法的缺陷分析算法,实现了对图像的获取、边缘检测、定位、识别和斑点分析,在C#环境下对其图像处理技术利用机器视觉软件进行了开发,搭建了石英晶片的外观缺陷检测实验平台,通过摄像机实现了石英晶片的外观图像的捕获,利用视觉软件获得石英晶片的外观质量,最后对此系统进行了测试。实验表明:该石英晶片外观缺陷检测方法具有检测速度快、精确度达到99.7%、匹配误差小于0.3等优点,可满足现场使用的要求。

基于两级图像采集的镜片疵病在线检测方法

根据树脂镜片在线检测的要求和特点,提出一种基于机器视觉的在线疵病检测方法。针对不同尺寸的疵病,设计了基于两级图像采集的在线检测系统,完成对镜片疵病的检测。利用第一级图像采集系统检测部分疵病,获得点杂质和气泡等疵病的详细特征,同时可以获取划痕和羽毛的长度、位置和数量等信息和包含划痕或羽毛的敏感区域的位置,并发送信号控制第二图像采集系统的工作。利用第二图像采集系统的传送带和一维导轨的移动对敏感区域定位,检测划痕和羽毛的直径。本文设计的方法解决了系统成本高、检测速度慢、数据量大等技术问题,满足在线检测的需要。实验表明:系统检测速度为每片1.5 s;与子孔径拼接技术相比,数据量最少减少约88%,最多减少约96%。

浅谈轴承套圈检测方法研究及设计

轴承套圈的加工过程中会出现一些不合格品,如何实现不合格品的自动分拣一直是一个值得研究的课题,论文从设计的角度提出机器视觉检测轴承套圈的过程及方法,为进一步实现机器视觉下的轴承套圈检测提供了技术方法的依据。

基于机器视觉的玻璃瓶在线检测系统研究与开发

玻璃瓶作为酒饮料的主要包装容器,其产品(特别是瓶口)质量直接影响酒的品质与安全。根据透明玻璃瓶在线检测中缺陷信息弱、生产线抖动等特点,研究与开发了一种基于机器视觉的在线检测系统,应用最大熵法实现瓶口图像的分割以及改进的Hough变换算法实现瓶口图像的定位。实际运行表明,系统动态图像采集效果良好,且图像处理算法快速准确,满足当今高速酒饮料灌装在线检测的要求。

工件表面裂纹机器视觉检测研究

工件表面裂纹检测是工业表面质量检测的重要部分,而表面质量的好坏又是影响工件整体质量的重要因素,因此工件表面质量检测不可或缺。基于工件表面图像特征,结合机器视觉硬件,基于美国NI公司研制的LabVIEW软件平台和NI Vision视觉工具包,研究了工件表面图像模板匹配、去噪、二次分割、裂纹识别的算法,设计了工件表面裂纹检测系统。采用基于灰度的模板匹配方法提取裂纹有效区,将潜在的裂纹区域与背景部分区分开;调用MATLAB script节点对裂纹图像小波去噪,使裂纹部分变得清晰易辨;结合最大类间方差法和形态学处理提取裂纹的连通域图像,成功将裂纹连通域从背景及干扰粒子中提取出来;最后通过计算连通域的圆形度和长宽比特征实现裂纹的存在判断。多个样本工件试验结果表明,该类工件表面裂纹检测系统的稳定性、准确性均优于传统的人工检测,很好地完成了裂纹检测任务。

基于机器视觉的玉米幼苗叶面积检测装置设计及试验

为了实现玉米幼苗叶面积的快速、无损、实时、高效检测,设计并搭建了基于机器视觉的玉米幼苗叶面积检测装置。该检测装置由框架、光源装置、顶升旋转系统、图像采集及分析系统、检测装置控制系统等部分组成,通过各部分协作完成玉米幼苗顶视图像与侧视图像的实时采集及分析处理,计算玉米幼苗的叶面积。以玉米幼苗为试验对象对装置性能进行测试,试验结果显示:在装置满载情况下,当相机在X方向和Y方向的移动速度分别为830、32 mm/s时,顶视图模式和侧视图模式下检测装置的平均运行时间分别为190、355 s,检测总耗时为545 s,单株玉米幼苗的平均用时为34 s,相机的平均定位准确率分别为92%和90%,相机定位精度较高;玉米幼苗顶视图、主视图和左视图叶面积与实际叶面积的Pearson相关系数分别为0.901、0.767和0.786,装置检测的玉米幼苗叶面积与实际叶面积相关性强,装置可以满足批量检测玉米幼苗叶面积的需要。

基于计算机视觉的啤酒瓶空瓶检测图像采集技术

针对传统的检测系统速度慢、效率低的缺点,论证基于计算机视觉的啤酒瓶空瓶检测图像采集技术实现的可行性,讨论了图像采集技术实现的方法,论述了系统的基本技术路线,建立了系统框架,并分析了研究中需要解决的主要问题。该技术对于克服当前人工检测的弊端、提高酒瓶空瓶检测效率有极大的推动作用。

基于机器视觉的斑点图谱法机油污染度检测

机油滤纸斑点图谱法是判断机油污染程度的一种常用方法,但这种方法带有一定的主观性。采用机器识别的方法来代替人的判断,则可避免受到主观因素的影响。设计的机油污染度识别系统基于图像检测原理,提取了油斑图像的R、G、B、Gray、a和b这6个颜色特征值,经相关性分析得出6个特征值与机油综合污染度呈中强程度相关,且相关性极显著。建立BP神经网络分类器识别系统,该系统能够根据采集到的油斑图片判断机油的污染程度,为汽车发动机的按质换油提供技术支持。

基于机器视觉的轮胎胎面检测系统设计与实现

为提高裁断橡胶轮胎长度的精确度,设计一种基于机器视觉技术的轮胎胎面检测系统。通过图像采集单元获取胎面图像,在上位机软件中,根据机器视觉和图像处理方法,对胎面图像的长度、倾斜角和字符进行检测,字符检测识别采用多层感知器方法,将检测结果保存到数据库,以备后期查询。现场检测结果表明,对于最复杂的胎面字符检测识别率达到97.1%,轮胎长度检测精度可以达到0.001mm,远高于现有的人工抽检测量的精度,轮胎胎面检测系统符合实际工业要求。

基于双目视觉的振动筛运行状态在线检测方法

针对现有振动筛运行状态检测方法仅能对振动筛局部运行状态进行检测,且存在精度低、时效性差等问题,提出了一种基于双目视觉的振动筛运行状态在线检测方法。首先通过双目视觉检测装置对振动筛的运动图像进行采集;然后对图像进行灰度化处理,利用多尺度Harris角点检测算法获取图像的特征点,引入图像金字塔理论改进Lucas-Kanade光流估计算法,提高图像特征点运动轨迹的在线追踪性能;最后设计BP神经网络分类器,完成对特征点运动轨迹的分析与辨识,实现对振动筛整体运行状态的检测。试验结果表明,该检测方法准确性高、时效性好,可对振动筛运动轨迹进行全方位、多角度的追踪和辨识,实现了振动筛整体运行状态的在线检测和分析。振动筛在停止、正常、疑似故障和故障4种状态下,该方法的准确率分别达到了97.917%、90.667%、96.431%和93.181%。

基于机器视觉的轮胎表面缺陷检测系统的研究与应用

在传统的轮胎表面缺陷依靠人工检测,存在劳动强度高、受人的主观影响大以及效率低下的问题。针对这一现象,研究了一种基于机器视觉的轮胎表面缺陷3D检测系统。该系统依靠机器视觉系统获取检测轮胎的表面图像,然后创建3D模型、判定缺陷类型,最终实现实时自动预警,为轮胎生产商提供一种自动化检测方案。系统集成了先进的技术、软件和工具,配套的信息管控系统可以对轮胎型号和生产数据进行采集、存储、分析,以便在生产过程中实现更高效、更可靠的质量控制,具有较高的实际应用推广价值。

基于手势识别的视力检测系统的设计

本设计实现了一个视力检测系统,该系统通过手势识别技术实现对人体视力检测。系统包括摄像头采集、数据存储与转换、手势识别和输出控制几个模块,外部连接摄像头、存储器、显示器和扬声器等几个部件。显示器显示视力图标"E",被测者看到显示的"E"开口方向直接用手势动作确定方向,系统通过摄像头采集图像后识别并判断手势方向,根据对比正确开口方向检测被测者视力值。显示器最后显示被测者的实际视力值。该系统省去常规医疗的人工检测,方便准确又节省人力,实现动态手势交互测视力,增添趣味性也易于推广。

智能视觉技术在铝挤压机上的应用研究

在铝挤压机自动循环挤压的过程中,采用基于CCD图像特征匹配的方法,在挤压杆的正上方2 m处安装CCD摄像机对挤压饼形态进行实时监控,当操作人员按下升料按钮时,CCD摄像机可实时采集铝棒、挤压饼、挤压杆三者的图像信息并进行智能识别,以确定挤压饼放置是否正确,主机可自动完成整套挤压动作及时调整,从而有效预防因挤压饼放置不当造成的不良后果。

用于制动梁检修的工业3D视觉检测系统设计

因制动梁形状不规则不便机具装夹,完全靠手工检修耗时耗力,为此设计用于制动梁检修的工业3D视觉检测系统。分析3D视觉系统检测原理,结合PC端数据存储以及故障检测功能,设计制动梁的新型3D视觉检测系统,在ASODVS(主动式3D视觉传感器)的实焦点和虚焦点连线中点处增添反光片,令成像位于实焦点处,获取制动梁几何信息,并选择红外滤光片作为二次反射镜,由ODVS(3D视觉传感器)获取制动梁纹理和色彩信息;将采集到的制动梁图像信息作为PC端卷积神经网络模型输入,输出制动梁检测结果,并通过页面展现详细检修结果。仿真结果表明:该方法采集制动梁图像质量高,使制动梁细节得以全方面呈现;能够精确地识别和定位制动梁故障,完成制动梁各项参数的检测;检测结果准确可靠,并支持制动梁检修车辆信息查询。