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.

基于深度学习的种子质量检测综述

“种优则粮丰,粮安则民安”。我国是粮食大国,为保障粮食安全,需要紧抓种子质量,健康的种子和适宜的品种可以显著提高农作物的产量和质量。因此实现快速、无损地检测种子质量的技术对于粮食生产具有重要的意义。近年来,机器视觉作为一种无损检测方法在粮食种子质检领域得到了广泛应用。通过对粮食种子图像数据进行训练,最终得到能够准确、快速识别种子外观品质的模型。重点从数据集角度出发,总结了基于深度学习算法在小麦、稻米、玉米等主要粮食种子的外观品质检测方面的研究进展,并根据这些研究存在的不足对该领域未来的研究方向进行了展望。

基于机器视觉的带钢板边浪平直度测量方法

针对带钢板在生产中存在的大边浪和碎浪检测的难点,提出一种基于机器视觉的边浪平直度测量方法。分别在带钢两侧使用高分辨率相机,完成对钢板两侧边浪图像信息的采集;使用辅助光源强化带钢板边浪特征,实现非接触式测量。基于轮廓提取的带钢钢板边浪平直度算法,使用改进K-means聚类图像分割算法对钢板完成分割;引入容差,计算统计平均值,对钢板边浪进行分割;最后对分割后的边浪进行自适应轮廓提取并计算平直度。通过平直度测量仪测量结果与该系统测量结果进行对比试验,结果表明,所提方法平直度测量相对偏差不超过0.25%,表明该算法在平直度测试中具有出色的表现。

基于改进ELM和计算机视觉的核桃缺陷检测

目的:解决现有食品生产企业在核桃缺陷检测中存在的准确性低和效率差等问题。方法:提出一种结合改进极限学习机和计算机视觉的核桃缺陷快速无损检测方法。通过计算机视觉采集核桃大部分表面图像信息,通过高斯滤波对图像进行预处理,通过迭代和保留信息变量法对颜色和纹理特征进行优化,最后,通过改进蝴蝶算法对极限学习机参数(随机权重和偏差)进行优化,实现核桃缺陷快速无损检测,并对所提缺陷检测方法的性能进行验证。结果:试验方法可以实现核桃多种缺陷的有效判别。与常规方法相比,试验方法在核桃缺陷检测中具有更优的检测准确率和效率,检测准确率>98.00%,平均检测时间<9.00 ms。结论:将智能算法和机器视觉技术相结合可以实现核桃缺陷的快速无损检测。

基于机器视觉的纱线非接触张力控制方法与试验验证

为避免传统接触式测量方法导致检测设备与纱线直接接触带来的摩擦损耗,提出了纱线张力非接触式测量方法,设计了基于机器视觉的纱线张力非接触测量系统。使用双目相机检测纱线末端的消耗速度,调控纱线另一端的主动式携纱器的收放速度,使纱线平稳运行,维持纱线张力稳定。研究表明,所设计基于机器视觉的纱线张力非接触式测量系统较常规接触式张力控制方法,控制纱线张力变化幅度降低到25%左右,具有较高的精度和可靠性,能实现三维编织纱线张力的主动控制,具有较强的应用潜力。

基于高速视觉的非接触式振动特性识别方法

针对传统视觉振动测量方法测量高频振动误差较大的问题,提出了采用高速相机搭建非接触测量系统的方法。首先,对高速相机采集图像进行预处理,降低噪声干扰;其次,通过ORB特征点检测方法检测出图像中的特征点,使用Harris评价准则代替原算法中的非极大值抑制方法,从中挑选本文算法提取出的特征点,并通过稀疏光流法对特征点的振动进行追踪,得到准确的特征点位移信息;再次,利用快速傅里叶变换计算出各特征点的振动频率;最后,以音叉和钢条为对象进行实验。实验结果表明,提出的方法在测量结果上与理论计算结果相近,最大误差仅为0.75%,运行速度较传统算法提高约33.22%。

基于网格的多目标模板匹配晶粒位置检测方法

针对传统方法中晶粒位置检测的耗时长、精度低等局限性,提出一种基于网格的多目标模板匹配晶粒位置检测方法。通过改进传统的模板匹配方法,结合非极大值抑制算法,将芯片晶粒的检测速度和精度提高。实验结果表明:该算法在单一同种晶粒的算法识别率能够达到97%以上,单张图像耗时<200 ms,能够克服明暗不同造成的检测困难,达到技术指标要求。

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。

农产品品质无损检测方法的研究进展

农产品品质检测是确保农产品质量安全的重要保障。用于检测农产品品质的常规方法是费力、耗时、繁琐并且具有破坏性的。农产品品质无损检测方法的广泛研究和应用,改善了常规评估技术的局限性,可以在不破坏样品的情况下获得定量和定性数据。农产品品质无损检测方法发展非常迅速,其中包括基于声学特性、基于光谱学特性、基于计算机视觉和基于生物传感器的检测技术,全文讨论和总结了农产品品质无损检测的典型技术,阐述了这些技术的最新进展,并阐明了使用无损检测方法评估农产品品质的未来趋势。

机器视觉技术在粗糙度检测中的应用及发展

表面粗糙度是最常用来衡量工件加工表面质量的指标,与工件的各种性能密切相关,并且直接影响着仪器的使用寿命,因此表面粗糙度检测在工业生产领域有着非常广泛的应用,尤其是在精密仪器的加工中。对表面粗糙度检测的发展历史和研究现状进行了分析,根据其检测原理,总结了几种主要的检测方法,并对这几种方法的基本原理、适用范围及优缺点等进行了总结,为表面粗糙度检测的研究提供有益的借鉴,其中基于机器视觉的粗糙度检测方法具有比较明显的优势,值得进行更为深入的研究。

非匀速条件下车辆底盘超近距成像测量方法

针对车辆非匀速条件下轴距视觉测量及轴型识别所面临的超近距、大幅面、低畸变成像及视觉测量问题,提出一种适用于非匀速条件下的车辆底盘结构超近距成像测量方法。利用鱼眼相机采集运动车辆底盘的超广角图像序列,通过一种改进的多采样点圆拟合方法实现图像感兴趣区域的提取。建立三维等距成像模型对鱼眼图像进行畸变校正。针对车辆非匀速行驶带来的视频帧重叠度差异,采用基于图像内容的重叠度分析技术,实现了多步分层的关键帧提取,有效避免了车速不稳定对车辆底盘结构测量的影响。现场实验结果表明:该方法可在非匀速条件下,以20~50 cm的成像距离获得清晰、低畸变的完整车辆底盘图像,车辆轴距测量误差均值约为5%。

基于机器视觉的裂纹鸡蛋分拣系统研究进展

随着人们生活水平日益提高,对鸡蛋的质量要求更高。在生产过程中受磕碰产生裂纹的鸡蛋容易滋生细菌,影响鸡蛋品质,且影响其他正常鸡蛋的传输和存储,需要进行分拣。对于裂纹鸡蛋,传统的人工分拣耗时、耗力且工人在长时间工作下容易视觉疲劳,从而导致分拣稳定性差,难以满足大规模的高质量鸡蛋产品生产需求。声学检测则容易造成新的裂纹,也对设备有较高的要求。对于裂纹鸡蛋的无损裂纹检测及分拣,研究者提出基于机器视觉技术的实现方法。文章综述了基于机器视觉的裂纹鸡蛋分拣系统的构成及研究现状,探讨机器视觉的裂纹鸡蛋分拣系统在应用时面临的问题,并对该分拣技术未来的提升与拓展提出展望,为机器视觉技术在家禽产业甚至是在农业生产领域的应用提供参考。

基于非局部注意力机制的在线多目标跟踪算法

针对多目标跟踪任务在人群拥挤场景存在目标漏检、遮挡等问题,在CenterTrack框架基础上引入非局部注意力机制以捕捉多个目标之间、目标与场景之间的非局部依赖关系,提出基于空间非局部注意力残差块的跟踪模型;并进一步扩展到时空域,建立基于时空关系非局部注意力模块的跟踪模型,同时实现检测和跟踪任务。在MOT17、MOT16、2D MOT15三个数据集的实验结果表明,提出的两种在线跟踪模型较CenterTrack算法有明显提升,且在MOT17中MOTA(Multiple Object Tracking Accuracy)指标达到了目前较为先进的水平,为62.4%和62.5%,验证了该算法的有效性。

视觉非接触在线自动检测装置的研制

针对目前批量工件多采用接触式测量方法存在测量精度差、效率低等缺点,该文综合运用机器视觉与自动检测技术原理,研制了一种视觉非接触在线自动检测装置。经图像预处理、特征提取、图像拟合及二维机械手精准定位,实现工件多参数同时精确测量。试验结果显示,系统测量精度优于3μm,测量重复性优于0.2%,测量不确定度为3.5μm(k=2)。

基于双目视觉的卫星太阳翼模态辨识方法

在解决卫星柔性太阳翼模态辨识问题时,传统接触式测量方法会对太阳翼本身动力学模型造成影响,附加测量靶标的方法,增加了额外的物理元器件和系统的复杂性,且不便于在轨实际应用。鉴于此,本文提出一种无接触、无标识点的光学测量方法。首先,用星载双目视觉系统采集柔性太阳翼振动图像,并提取太阳翼边缘角点作为特征点,测量这些特征点在时域下的位置变化情况和速度变化情况。然后,利用特征系统实现算法(ERA)来辨识太阳翼模态信息。最后,设计了物理模型试验。试验结果表明:本文提出的双目视觉测量方法装置简单,测量精度高,能够完成对太阳翼的模态辨识,模态辨识误差约为3.797%。本文所提出的基于双目相机的太阳翼模态辨识方法,为空间大挠性结构振动参数的在轨测量提供了参考。

基于智能识别的锅炉三维膨胀实时在线监测系统

火电机组通常采用机械膨胀指示器检测锅炉及管道启停炉阶段三维膨胀位移情况。通过人工巡检指示器刻度数据,可以发现锅炉及管道升温升压过程中的异常情况,防止发生泄露事故。针对人工巡检锅炉膨胀位移存在的普遍问题,文中提出了一种基于智能识别的锅炉三维膨胀实时在线监测方法,采用一台工业级相机获取一个膨胀测点三维膨胀数据,通过在锅炉现场环境下进行应用实测,验证了该系统数据采集的准确性、实时性和可靠性,用该方法取代原有的人工读数方法,能够有效提高电厂的智能化水平。

基于CNN-VIT模型的非接触式机械密封多源故障状态识别方法

针对非接触式机械密封多源故障信号频率高、识别难和易受干扰的难题,搭建密封试验台,模拟4种典型故障工况和正常运行工况,布置声发射(AE)测试系统测取10000个特征样本,将卷积神经网络(CNN)结构与Vision Transformer模型相结合,并在CNN输出数据中引入Patch概念构建了一种改进模型,随后应用于密封故障状态识别,提出了一种新型的非接触式机械密封状态智能识别方法,并分析了改进模型各层网络决策对密封AE数据的影响。结果表明,AE技术能够高效监测非接触式机械密封多源故障状态信号,该方法对密封状态识别的准确率最高可达99.42%;改进模型更加关注稳定运行状态信号中频率为0~50 kHz和100~150 kHz的噪声频带数据,动环表面剥落状态信号中频率为100~150 kHz的噪声频带数据和270±40 kHz的摩擦AE频带数据。研究结果可为机械密封的智能化、高可靠、长寿命发展提供理论基础。

基于轮廓匹配算法的非标准件在线检测系统研究

随着机器视觉在标准件检测中的应用,基于机器视觉的非标准件检测研究受到越来越多的关注。对符合非标准件在线检测要求的视觉检测方法进行了研究。利用视觉系统,采集非标准件的图像。通过轮廓提取算法,提取工件的轮廓和相应的计算机辅助设计(CAD)模型的轮廓。计算工件轮廓和相应CAD模型轮廓的图形不变矩。比较图像不变矩的近似程度并判断该工件是否符合造型要求。在验证试验中,随机选取19件冲压模具镶块进行了检测方法的检验并在各工件间进行交叉验证。试验结果表明,检测正确率为100%、平均检测用时为1.4 s/件。以CAD图形为基准进行检测,无需事先收集工件的图像。基于图形不变矩进行相似度匹配,对检测环境要求低,硬件的可配置性强。由于只匹配轮廓信息,检测效率高,能满足非标准件在线检测的多样化应用需求。

基于计算机视觉的输电塔位移监测ROI关键点法

为了实现输电塔远距离位移监测,同时满足低成本、无接触、易实施及精确度高等要求,结合输电塔的内轮廓特征和计算机视觉位移识别技术,提出感兴趣区域(region of interest,简称ROI)关键点法。首先,利用N近邻最小能量法进行ROI轮廓搜索提取,并与Harris角点检测算法相结合;其次,通过输电塔台架实验与灰度模板匹配法相比,ROI关键点法位移识别结果的平均误差、均方根误差分别降低了56%和45%,绝对误差小于5 mm和10 mm的准确率提高了61%和3%,计算效率提高了11倍,稳定性及抗噪性能较高;最后,在实验塔对比验证中,ROI关键点法的位移测量值与实际位移的差值百分比在0.0%~11.1%之间。结果表明,ROI关键点法在输电塔结构位移监测中具有较高的准确率、精细度、计算效率、稳定性及鲁棒性。

基于语义协同指导的小样本语义分割算法

针对单个或少量多个原型不足以表示整张图像中的目标信息,提出了一种基于语义协同指导的小样本语义分割算法。利用一组共享权重的特征提取器将图片映射到深度特征空间,并借助支持图片的真实掩码过滤掉目标的背景区域;利用Vision Transformer细粒度地将深度特征直接抽象为表示目标信息的多个原型,并在此基础上引入目标类的语义信息作为辅助学习任务;利用一种无参数的度量学习算法计算查询特征和原型之间的相似度值,根据计算结果逐像素地指导查询图片中未知新类的分割。在开源的PASCAL-5^(i)和COCO-20^(i)数据集上进行测试,所提模型在1-shot和5-shot任务上均取得了具有竞争力的分割结果,与当前主流算法相比,具有更好的分割性能。