关于固定场景中交通工具图像的识别方法

在分析固定场景中车辆图片结构特征的基础上,提出了从遥感图中检测车辆的方法,具体介绍了将遥感灰度图像转换为二值图像,并进一步阐述了边缘检测(轮廓的跟踪)、图像分割、模式识别、机器视觉等作用.     

在线漏油检测系统的设计与实现

提出了一种通过机器视觉,运用数字图像处理技术来检测冷却水漏油情况的方法.将现场水体的原始图像转化成256色的灰度图像,突出油滴的边缘,进行必要的图像增强,为了便于统一处理,将图像调整到统一大小.在采用经典的边缘检测算子描绘出油滴的边缘后,将物体和背景分割出来,形成对比鲜明的二值图像.分割后的二值图像具有面积、周长等明显特征,利用简单的类内鉴别达到识别的目的.另外,通过模板匹配的方法扫描整幅图像以判断相似度,并采用了多识别器综合的方法识别10 mg/L的漏油,以提高识别的可靠性.     

基于机器视觉的光纤倒像器缺陷检测系统

设计了基于机器视觉的光纤倒像器缺陷检测系统,通过对成像系统的机理研究并结合光纤倒像器缺陷特点,选用远心工业镜头配合千万像素的工业相机,实现了光纤倒像器表面缺陷的一次性成像,并保证了足够的分辨率。在检测算法上利用形态学运算中的膨胀和腐蚀运算得到其边缘轮廓,通过求取边缘像素的加权平均灰度值作为原图像的分割阈值。仿真结果表明,该算法能够准确、有效地实现缺陷分割。同时,该系统与人工检测相比效率提高近2倍,速度可达2 s/个,重复精度大于98.8%,整体系统运行稳定,能够满足市场需求。     

基于机器视觉的板材表面缺陷检测方法

基于机器视觉技术对板材表面缺陷检测进行研究,设计了在线检测的硬件系统和软件处理流程,介绍了图像预处理、图像分割和目标提取等处理方法并对缺陷图像进行相应处理。利用C#软件对板材缺陷在线检测进行人机交互界面设计和在线调试及在线检测。实验结果表明,本检测方法可行,误检率低,可很好地应用于木材自动化生产过程的在线检测。     

基于HALCON的票据字符提取系统设计与实现

票据特殊字符提取识别工作量大、效率低。针对该问题,以HALCON作为机器视觉和图像处理核心软件,将计算机视觉检测技术应用于票据的特定字符识别,包括阈值分割、填充缝隙与滤波、图像分割和ORC图像处理等图像处理关键技术,实现图像采集、预处理和检测识别。     

基于机器视觉的数码管显示单元缺陷检测系统

介绍了通过机器视觉和OCR识别方法来判断测温仪上LED数码管的工作状态的缺陷检测系统,以提高产品的质量,减轻质检人员负担.系统主要采用机器视觉识别出的LED字符与系统发出的命令字相对照的方法实现缺陷检测.首先通过CRC-16算法生成各个仪器的命令字,然后通过RS485总线分别向仪器发送显示字符命令,通过红色滤光片采用机器视觉采集LED图像,并对图像进行二值法处理、“闭”运算、腐蚀运算.在OCR识别中使用扩大训练字符集及大范围识别参数调整的方法,解决了LED数码管在OCR识别过程中遇到的断码、小数点误判及字符变形、变小问题.系统在投运后运行可靠,稳定,OCR识别误码率小于万分之五.     

基于机器视觉的O型圈质量检测智能系统开发

针对人工检测耗时多、误差率大的问题,设计了O型圈图像处理步骤,在半径检测、侧面厚度检测、缺陷检测时分别进行了图像分割,并设计出一套基于机器视觉的O型圈智能分拣系统。实验表明,该系统能对不同规格O型圈的尺寸以及表面缺陷进行全面检测,最终实现高效率的检验及分拣。     

CCD机器视觉在缺陷检测中的关键技术研究

随着人工智能和机器视觉技术的发展,利用机器视觉技术对精密工件表面的缺陷检测也就成为了必然。采用计算机视觉技术和人工智能的方法将会极大地提高检测精度和效率。本课题主要研究基于CCD工业相机的机器视觉技术在精密机械缺陷检测中的关键技术,期望能够实现利用计算机来对精密机械的缺陷进行高质量的自动检测。     

基于OpenCV的图像采集和处理

OpenCV是近年来新出现的并逐渐普及的计算机视觉研究工具,利用面向对象的vc.net2003编程工具,实现了基于OpenCV的图像采集、图像存储、图像加载、图像灰度化、图像滤波、阈值分割、边缘检测等功能,并给出了实现代码。     

基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展,实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此,设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块;提出自拟合亮度调整算法完成像素值统计,得到清晰的缺陷特征图像;用750组数据训练网络权值,实现缺陷分类预测;经过数据分析和误差评估,识别准确率在90%以上,相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明,所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。     

基于机器视觉的软包锂电池表面缺陷检测

针对软包锂电池表面缺陷检测,基于机器视觉技术提出了一种改进的自动检测方法。 对图像进行预处理后,将Canny 算子检测法和Close_Edges 算子检测法相结合,分割出软包锂电池表面的缺陷?最后以最小外接矩形法计算出划痕的长度和宽度,以累加法计算出针孔的直径。 实验结果表明该方法能够有效分割出软包锂电池表面的划痕和针孔,缺陷尺寸计算的误差低于5%。     

基于机器视觉的轨道道岔密贴检测方法

当今轨道交通迅猛发展,安全高效的列车运转是其重要的前提条件.全方位智能技术的出现,为轨道交通运行中原有的各种人工检测方法提供了技术支撑.提出一种利用道岔边缘特征提取和参数空间精确计算的实时机器视觉检测方法,针对轨道交通中的道岔转换过程中道岔的密贴程度,采用机器视觉技术进行检测.该方法主要包括4个方面:通过预处理抑制图像...     

一种基于边缘流的图像分割算法及其应用

基于边缘流的图像分割算法以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阙值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,将其应用于昆虫图像的分割.实验结果表明:基于边缘流的算法不仅能够有效地分割出图像中的昆虫对象,而且对昆虫对象的各个部分还能进行较为有效地分割.与传统的基于闽值分割算法相比是更好的图像分割算法,促进了计算机视觉技术在农林业领域的应用,促进了计算机视觉技术在农林业领域的应用.     

基于虚拟仪器的焊接缺陷自动检测系统

针对复杂环境下焊接缺陷的自动检测需求,提出了一种逐层分割的自动检测方法.本方法利用形态学灰度重建对图像进行前景和背景的初次分割,然后利用轮廓的差分特性得到待检测对象的边缘以进行二次分割,进而对获取到的检测对象通过均值偏离法得到种子点,并在种子点上利用区域生长法最终得到弱小缺陷目标.最后通过实验验证了本文提出的检测系统对于焊接缺陷检测是有效的.     

基于改进Canny法的在线轴承尺寸视觉检测系统

开发了适应在线检测需要的轴承尺寸机器视觉检测系统.对图像进行了二次滤波预处理后,采用改进的Canny边缘检测算法,使系统达到了较高的检测精度.检测结果表明,系统具有非接触、速度快、精度高、现场抗干扰能力强等优点.     

脑脊液图像序列的分割及三维重建

脑脊液三维重建设计是以DICOM脑部MRI图像序列为研究对象,首先为了保持图像边缘的对比度算法采用各项异向性扩散滤波器来去除原始图像中的噪声干扰,然后使用高斯滤波来平衡边缘检测中平滑和边缘模糊之间的矛盾,进而运用映射滤波器来提高边缘像素点间的对比度.在此基础上研究和分析了水平集算法的一种改进算法--快速步进分割算法,实现脑脊液的快速准确分割.在分割后,使用移动立方体实现图像的三维重建,建立了脑脊液的三维形态模型.     

基于K-means聚类的磁瓦缺陷图像分割方法

为了实现磁瓦图像中缺陷的准确检测,以分割磁瓦端面崩块缺陷为目的提出一种基于K-means聚类的分割方法。磁瓦图像采集的关键技术是光源选用,分析传统的磁瓦图像分割方法——阈值分割,并以迭代选择阈值算法作为对比算法进行介绍;着重剖析K-means算法的基本聚类原理,并引出其算法实现流程。采用两种算法对磁瓦端面图像进行分割。结果表明,基于K-means聚类算法对磁瓦图像进行分割,能够正确分割出磁瓦端面的崩块缺陷。     

自适应核回归和粗糙集的焊接X射线图像分割研究

针对焊接缺陷智能化无损检测问题,提出了自适应核回归和粗糙集的焊接构件X射线图像分割方法.首先,利用图像的直方图和Histon构造粗糙集模型的上下近似集.其次,提出了自适应核回归函数平滑图像的直方图和Histon,并构造粗糙度函数.最后,根据粗糙度函数的局部最小值实现多阈值图像分割.实验结果表明,该方法能有效分割焊接图像的缺陷,减少粗糙度函数的"伪"局部最小值,避免过分割问题.     

一种基于机器视觉和深度残差收缩网络的智能制造缺陷检测方法

针对基于显性知识的智能制造缺陷检测机制在工程实践中日益凸显的若干缺陷,提出了一种基于机器视觉和深度残差收缩网络(deep residual shrinkage networks, D-RSN)的智能制造缺陷检测方法,并进行了先验环境下的仿真验证。首先利用互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)相机集群搭建快速机器视觉图像获取装置,形成融合前置训练集和后置测试集的图像特征数据池;然后利用D-RSN对数据池前置训练集进行图像缺陷特征隐性知识学习辨识,构建时间正序下的图像缺陷特征全息感知机制;最后利用深度长短期记忆(deep long short-term memory, D-LSTM)神经网络对数据池后置测试集进行图像缺陷自主检测,借助图像缺陷定位及分类函数输出检测结果。选取某医用外科口罩智能制造生产线为工程实践验证载体,对模型进行了工程应用实践验证,结果表明：所提方法较好地改善了基于显性知识的智能制造缺陷检测机制在工程实践中日益凸显的若干缺陷,可以自主学习辨识图像缺陷特征隐性知识,大幅度提高了智能制造缺陷检测有效率...     

基于边缘检测技术的果品分级方法研究

提出了一种基于边缘检测技术的水果分级方法.首先利用图像增强技术提高图像的对比度,并通过空域滤波使图像的模糊部分变得清晰.然后利用阈值处理方法进行图像预分割,并通过对比最终选取Canny算子对水果图像进行边缘特征的提取.最后通过大小、形状以及表面缺陷等特征值对果品进行相应的分级.仿真结果表明了本文方法的有效性及较高的准确率.