基于改进U-Net的小型机械零件识别与定位方法研究

针对基于机器视觉的小型机械零件识别速度慢、定位不精确等问题,文章提出一种改进UNet(improve U-Net,IU-Net)和最小外接矩阵(minimum bounding rectangle,MBR)结合的小型机械零件识别和定位方法(IU-Net-MBR)。首先,搭建视觉分拣试验平台,制作小型机械零件数据集;其次,为了提高特征提取效率,将U-Net的特征提取网络替换成轻量级MobilenetV2网络,降低模型的参数和计算量;然后,为了提高U-Net的分割精度和鲁棒性,在网络结构中引入SE(squeeze and excitation)注意力模块;最后,使用最小外接矩阵得到零件的长宽基本参数,实现零件的识别和定位。试验表明,IU-Net相对于U-Net在平均交并比Miou(mean intersection over union)和像素准确率PA(pixel accuracy)分别提高4.39%和3.82%。在处理图像时,IU-Net相对于U-Net速度提升76.92%。与主流分割模型相比,IU-Net实现了更好的分割效果,有效地提高了小型机械零件的分割精度。在抓取试验中,IU-Net-MBR在识别率和抓取率上分别达到了100%和96.67%。

基于多目标模板匹配的晶圆芯片检测方法

晶圆芯片检测在晶圆加工生产过程中起着至关重要的作用。针对工业生产过程中晶圆芯片检测耗时长、精度低的局限性,提出一种基于机器视觉的结合非极大值抑制算法的改进多目标模板匹配算法。该算法利用近邻外接矩形算法得到最贴合芯片的矩形轮廓,精准获取矩形芯片的模板;对于影响模板匹配的芯片表面污染,则采用结合形态学改进的灰度补偿方法,以降低污染区域灰度值对匹配结果的影响。实验结果表明,所提多目标模板匹配算法的识别率在95%以上,耗时不超过0.5 s;近邻外接矩形算法比传统的最小外接矩形算法更精准,为工业晶圆芯片检测提供可行方案。

基于OTSU-Graham改进算法的保护压板状态辨识研究

自动化与智能化技术在变电站中的推广应用为智能巡检奠定了基础,但是目前二次设备的保护硬压板仍然大多采用人工现场核对的方式,存在核对频次低、校对过程溯源性不足的问题。为此,文中提出了一种基于图像内容识别的压板运行状态智能识别方法。采用基于空间领域信息的OTSU算法进行阈值分割消除光照不均阴影区域的影响,在此基础上基于Graham的最小外接矩形算法检测压板开关的最小矩形面积,通过识别面积大小来判断压板是否投入。该方法能够有效减少阴影干扰的影响,准确辨识图像中压板的运行状态。

基于YOLOv3的定向目标检测算法

为解决YOLOv3目标检测算法中无法对旋转物体进行定向目标检测的问题,提出一种基于YOLOv3的定向目标检测算法。首先,使用多维坐标对训练集的图像进行定向标定,以适应网络训练;其次使用最小外接矩形对网络输出的矩形框进行修正优化,以获得更加准确贴合的检测框;然后对网络的损失函数进行改进,使其适应多维坐标的回归;最后,对改进后的网络进行训练。在UCAS-AOD数据集上的实验结果表明,目标检测的能力在改进后有了明显提升,比原始YOLOv3算法精确率提高了6.1%,召回率提高了3.2%。

基于机器视觉的激光熔覆熔池形貌监测

为了研究激光熔覆过程中熔池形貌的变化,搭建了激光熔覆熔池在线监测系统。采用COMS相机与激光设备同轴装配的方式获取熔池图像,在分析熔池灰度直方图分布的基础上,采用三角阈值分割的自适应阈值分割法对熔池图像进行二值化,通过Canny算子检索出熔池图像的边缘,利用最小外接矩形算法获取熔池区域的长和宽。以45钢为基体、420不锈钢为熔覆粉末进行9组单道熔覆正交实验。实验结果显示,在该监测系统下测得的熔池宽度与电子显微镜下测量的实际熔覆宽度平均误差为4.5%,验证了该视觉监测系统的有效性。对监测系统下得到的熔池宽度进行极差分析,结果表明:激光功率对熔池宽度的影响最大,其次是扫描速度,最后是送粉速率;熔池宽度随激光功率的增大而增大,随扫描速度和送粉速率增大而减小。利用该监测系统获取的熔池信息与变化规律可作为激光熔覆实时控制的参考变量,为激光熔覆实现闭环控制奠定基础。

钢球表面缺陷的图像差分检测算法

针对轴承钢球表面缺陷高精度高效率的检测要求,提出一种检测算法.首先提出一种圆形轮廓外接矩形重绘算法,将目标钢球区域与背景区域分离,获取感兴趣区域;然后利用图像差分法将待检钢球图像与标准图像相减,获取差值图像;最后对差值图像中钢球中间环带区域二值化处理并提取缺陷特征.基于VC++6.0开发环境、Open CV计算机视觉库实验验证并评价算法性能.结果表明:该算法适用于多种钢球缺陷,处理单幅图像的平均耗时小于30 ms,缺陷识别率超过97%,误检率小于3%,针对直径为5.953 mm钢球的检测效率可达12 000个/h,满足工业检测要求,具有良好的应用前景.

基于SPH法的二维矩形液舱晃荡研究

液体晃荡是一种复杂的流体运动现象,自由液面的存在使得该现象具有很强的非线性和随机性。针对二维矩形液舱在不同振幅水平激励下的纵荡问题,应用SPH法对其进行了数值研究。首先计算了小振幅激励下的纵荡,计算结果分别与线性理论解、文献VOF法结果及文献SPH法结果作了比较分析,以验证所建数值模型的合理性;然后计算了液舱在大振幅水平激励下的纵荡,着重分析了不同振幅下液体晃荡的速度向量图、液面波动时程、压强波动时程、动量波动时程以及波动的频谱图,并将计算所得液面波动结果与小振幅激励下的液面波动结果作了比较。分析结果表明,在大振幅水平激励下,液面波动的波峰值较小振幅下的结果有较为明显的增大,而波谷值则无过大的变化,总体波动幅值比小振幅下的结果大;随着激励幅值的增大,液面波动幅值呈现明显增大的趋势,压强的整体波动幅值也呈增大趋势,动量波动的均值亦有明显增大;波动能量随着激励幅值的增大而增大并向第一阶频率区域集中。SPH法对处理液体大幅晃荡这种具有自由表面大变形的问题有十分优越的特性。

基于Hough变换圆检测的人眼定位方法改进

对基于Hough变换圆检测的人眼定位方法进行了改进,借助积分投影定位人眼坐标时求得的灰度特征值,给出了一种快捷准确的眼睛定位方法。采用基于灰度积分投影的方法粗定位人眼,求得大致的虹膜半径、中心坐标和虹膜区域等;再采用"最小外接矩形法"估算待检测圆的圆心及半径,运用Hough变换检测圆的方法精确检测出虹膜。在VPM642实验平台上,使用C语言进行了编程实现。实验结果表明,该人眼定位方法有很好的检测效果,人眼定位精度达到93.5%。

基于机器视觉的工业机器人工件定位

机器人视觉技术与信息技术一样,在强化产业竞争力方面极为重要.同时,视觉技术与机器人的结合,会大大提高生产效率,最大限度的保证生产中的人身安全.因此,对工业机器人视觉技术的研究具有十分重要的意义.结合实际生产需求,为实现机器人利用视觉技术获取目标工件矢量数据信息,对比分析已有图像处理、轮廓检测、最小外接矩形检测等方法,并加以改进,提出一种较为准确高效的工件矢量数据数据获取方法.试验结果表明,本文方法能够准确快速的对目标工件进行定位,获取矢量数据信息.

基于车辆轮廓定位匹配的车型识别方法

采用背景减法提取运动车辆目标的轮廓,用外接矩形对目标轮廓进行定位,选取轿车、客车和货车3种车型的侧面轮廓作为标准样本,分别计算待识别车辆的侧面轮廓与3种标准样本的匹配程度系数,保留系数较小的两类标准样本,然后采用Hausdorff距离算法计算待识别车辆轮廓与剩余两类样本之间的匹配程度,认定Hausdorff距离较小的两者具有相同的车型.实验结果表明,该方法准确、有效且实时性较好,在高速公路收费站、自动收费停车场等场合具有较大的实用价值.

复杂码头环境下的船舶检测与跟踪算法

运动模板算法在复杂环境下无法准确提取运动目标区域,并且依赖帧间间隔的选取,无法对减速运动目标取得良好检测效果。针对该缺点,提出了一种改进的运动模版算法。首先,对输入的视频序列采用Canny算子结合轮廓信息提取水岸边界线;然后,将运动历史图沿着水岸边界线进行水岸分离,消除岸上运动目标的干扰;接着,对水面区域进行形态学处理,消除背景中水面上非目标运动对象;最后,对形态学处理后的结果进行船舶轮廓检测,计算最大轮廓外接矩形的宽和高,结合船舶当前位置的尾部坐标重建船舶轮廓外接矩形,以此实现实时的、高准确度的船舶检测与跟踪。实验结果表明,在复杂水面环境下,该方法能够实现实时、准确的船舶目标检测与跟踪。

基于区域外接矩形的自动化孔洞填充算法

基于图像进行船舶目标检测与识别时,船舶目标区域内部常出现孔洞,从而降低船舶目标检测与识别的准确率和稳定性。针对该问题,提出了一种用于二值图像的基于船舶目标区域外接矩形的内部孔洞自动填充算法。首先,寻找目标区域最小外接矩形,并进行标注;然后,引入边界限定算法对内部孔洞自动填充。该算法抗干扰能力强,不受船舶区域内部孔洞大小及数目的限制;同时,对于由船舶灰度不均导致图像分割时产生的船舶残缺具有修复作用。试验结果表明,该算法可以有效填充船舶目标区域内部孔洞,为准确提取船舶目标特征以及提高船舶目标检测与识别的准确率和稳定性提供支撑。

基于CAD平台的植被符号自动移位

在基于AutoCAD的地形图中,根据植被符号可以小范围移动的特点,对于遮挡地物的植被符号进行自动移位,从而避开地物,可以极大地提高工作效率和图面的美观性。

1973—2016年南黄海辐射沙脊群东沙动态演化分析

以江苏岸外辐射沙洲地区的东沙为例,基于1973—2016年长周期遥感影像,引入形态学中最小外接矩形与质心的概念,对沙洲整体运动趋势进行研究。通过ArcGIS10.2软件提取各时相的东沙滩最小外接矩形质心,对不同时期的质心进行比较,以确定东沙滩在不同时期的整体运动趋势,同时通过热带气旋与东沙滩紫菜养殖资料进一步分析东沙滩运动的影响因素。研究发现:东沙滩在43a间的总体运动方向为北东北,具体分为5个阶段,各阶段运动方向与速度有所不同;东沙滩运动对热带气旋的响应有越来越强的趋势;近期快速扩张的东沙滩紫菜养殖对东沙的泥沙沉积的影响还有待进一步研究。

混合高斯模型与三帧差分法相结合的建模新算法

针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。

电解电容视觉定位算法研究

工业电解电容的生产包装中,需要精确定位电容的位置和针脚朝向,视觉系统获取到电容的位置信息后,将其传递给机械手,抓取电容。根据此需求,提出基于图像二阶矩的图像识别算法,即采用一阶矩获取电容图像的质心,然后采用二阶矩获取电容图像的倾斜角度;利用电容图像的外接矩形获取电容的中心位置,通过外接矩形中心与电容图像质心的差,可以计算出电容针脚的朝向,从而确定电容的位姿。结合实验与仿真的数据,该算法的运行时间为748ms,识别准确度为100%,电容识别和抓取的平均用时为1s,满足工业要求。

基于最小外接矩形的遥感影像建筑物轮廓优化方法

深度学习提取高分辨率遥感影像中的建筑物信息容易受到物体周围的阴影、植被等噪声干扰而使结果存在边界锯齿化、建筑物整体不规整等问题。本文提出了利用符合建筑物边界轮廓的最小外接矩形最大限度地拟合建筑物轮廓的思路。首先利用深度学习和建筑物验证处理得到的建筑物信息,对建筑物边界利用垂距法进行多边形的拟合;然后对多边形的最小外接矩形进行筛选,选取最合适的最小外接矩形边线段作为新的边界轮廓,以提高提取的精度。对多幅遥感影像进行了实验,结果表明,本文所提出的方法提高了深度学习提取的建筑物边界轮廓准确性,能更逼近真实建筑物的边界轮廓。

一种数码显示数字识别算法

介绍了一种简易的LED数字识别的算法。与传统的数字识别方法相比较,识别精度较高。该算法对采集到的4个数字字符二值化后的图像用最近邻算法,并对最近邻得到的结果的置信度进行评估实现数字的识别。利用该方法时,通过对置信度的评估,只有4个数字都具有较高置信度的识别结果才能被接受,否则单独对某个字符重新细化处理,大大提高了识别的精度。减少因镜头模糊,倾斜,光照等因素而造成采集得到的图像的中字符发生的旋转,粘连,部分缺失而引起的误识。在以此算法为基础对256幅图片,每幅图片上4个字符的数字同时进行识别测试,正确识别率达到97.66%,误识率仅为2.34%。实验表明,该算法在识别精度、抗干扰性方面表现良好。

基于机器视觉的定子表面缺陷检测系统研究

为了解决定子人工检测效率、精度低的问题,设计了一套基于机器视觉的定子外观缺陷检测系统,该系统由硬件系统和软件系统两部分组成。针对定子表面图像背景复杂、内部干扰多等问题,使用最小二乘法提取圆形ROI,并提出一种基于连通域特征组合的干扰抑制算法,通过分析连通域最小外接矩形的形状和位置特征来抑制干扰;然后提出一种基于轮廓拓扑结构分析的掩模生成算法,并利用图像差分法提取缺陷进行分析判断。试验结果表明,该检测系统的稳定性和实时性良好,基本满足工业检测要求,具有很好的实用价值。

暗箱环境下数码管的自动快速检测

为了满足产品界面显示自动检测的要求,通过一种基于轮廓寻找和位置编码的识别方法对七段式数码管显示屏进行自动快速读数。根据数码管显示区域图像在暗箱环境下的字符特点,寻找字符轮廓外接矩形对字符区域进行定位,通过判断字符每段小矩形位置的方法对数字字符进行编码识别。实验结果表明,系统平均识别速度在0.05s以内,识别率高于基于支持向量机的识别算法,满足实际需求。