熊熠明[1]2003年在《基于数字图像处理及识别的玻璃容器检验系统研究》文中进行了进一步梳理本课题是与宁波某机械有限公司合作研究的新型自动化玻璃容器检验设备研制项目中的一部分。主要任务是采用机器视觉技术原理，对玻璃容器进行数字图像的采集，而后进行数字图像处理。基于统计模式识别原理对处理后图像进行识别分类，正确识别出不合格的玻璃容器的图像。 对于单幅灰度图，首先在直方图修正的基础上采用小波变换去噪技术，排除了背景图像噪声的干扰。然后对变换的图像采用阈值分割、数学形态处理、边缘提取等图像分割技术进行处理。 对于两类图像采用不同的处理算法获得不同的特征矢量。对于容器瓶口图像，采用二值图像样板匹配的方法。特征矢量为样板和图像的相关性。对于容器瓶身图像，采用腐蚀算法得到容器的识别模板，特征矢量为边缘提取图像和模板与运算后的矩阵值。提取特征矢量后，通过统计模式识别原理即可以分类识别。
肖冰[2]2007年在《基于DSP的玻璃容器检测系统的研究》文中研究指明我国是世界第一大啤酒生产国,啤酒工业已经成为国民经济的重要组成部分。啤酒空瓶在进行罐装之前要经过清洗和检验这两道工序,以保证其符合生产标准。本论文针对啤酒瓶检测的特点与实际生产需要,提出了一套自动检测系统的设计方案,首先由ccD对玻璃容器进行数字图像采集,再经过图像处理系统进行滤波、边缘检测等处理。图像处理系统采用了DSP+CPLD的结构,此结构具有运算速度快、编程灵活等特点。
张磊[3]2018年在《基于机器视觉的玻璃容器形态检测问题研究》文中指出随着信息技术的发展,玻璃容器的传统检测方法(人工检测)已无法与现代生产相适应。机器视觉检测技术与传统技术相比,实现了在线智能非接触测量,降低劳动强度,检测准确,提高了生产效率,节省了劳动力,且整个检测过程不受人为因素影响,有效保证了玻璃容器的生产质量。本文研究的主要内容有以下几个方面:1、提出了系统的总体设计框架,对系统所需的硬件设备进行了深入的分析,给出了课题的研究思路。2、根据数字图像处理的理论研究,提出了待检玻璃容器图像处理的算法流程。首先,对采集到的检测图像应用MATLAB软件进行一系列的图像处理,包括图像灰度化、图像滤波、图像增强、图像分割以及形态学处理;然后,对处理后的玻璃容器图像采用8-方向链码法进行边界轮廓提取;最后,根据得到的链码序列对玻璃容器目标进行了像素统计,由定义公式计算其相关的特征值。3、提出了一种改进的小波阈值去噪算法,通过小波系数和阈值的比较,自适应地改变控制系数,能够较多的保留玻璃容器图像的边缘和细节信息,还在一定程度上避免了小波系数的盲目置零。4、通过MATLAB编程语言对系统软件进行了初步设计,实现了较好的人机交互界面。其中,软件的主界面应用MATLAB GUI进行编程设计。用户可以非常容易和直观的实现人机交互。本文通过理论分析和大量的实验研究,证明了所提出的基于机器视觉的玻璃容器形态检测系统的有效性和可行性,为进一步玻璃容器检测系统的研究开发奠定了坚实的基础。
羊冰清[4]2018年在《基于视觉检测技术的液位测量系统的研究》文中进行了进一步梳理实现智慧电厂的基本任务是现场基础设备的远程数字化。因为只有当最底层设备的有效信号能够以数字化的形式传递给监控层、管理层、决策层,上层的应用软件和决策分析系统才能做出更科学的决定。电厂中大量存在的基地式液位仪表,对电厂机组的安全、经济运行,能源的综合管理都起着重要的作用。远程实时监测基地设备的液位信号成为电厂智能化发展中的新需求。然而,目前的远距离液位监视存在图像模糊不清、无法根据图像自动获得液位数值等问题。因此本文研制了一套基于现代视觉检测技术的新型液位测量系统,并完成了实验室测试。该系统硬件成本低,为基地式仪表实现液位信号的远程数字化打下了基础。本文的主要研究内容如下:(1)在研究视觉检测系统各组成部分和功能的基础上,确定液位测量系统由照明系统、光学摄像系统、计算机处理分析系统和显示记录系统组成。针对电厂环境、液位仪表的显示特征与成像要求,确定光源为LED面光源、照明方案为正面明场漫射。考虑到系统的集成性与视频数据的传输速度,选择带有USB接口的CMOS摄像头。(2)根据火电机组基地式液位仪表的特点,应用视觉检测技术的最新成果,制定了仪表的显示图像向数字化信号转化的技术路线。为尽可能消除背景环境的影响,首先引入颜色阈值分割确定仪表显示部分在图像中的位置,并采用基于对应点控制的逆透视变换矫正图像的透视失真,以减小测量误差;然后应用Canny算子检测液位分界面的边缘,并增加自适应中值滤波和直方图分析改进算法的自适应性能;最后提出了一种窗口搜索峰值检测算法以及一种基于Lagrange插值的摄像头自标定方法,并结合模板匹配得到了液位的数字量。经检验,算法提高了图像的信噪比与分界面的定位精度,保证了液位值的准确性。(3)在Microsoft Visual Studio2015环境下,基于C#编程语言,完成了液位测量系统windows窗体应用程序的软件开发。该软件能够实现用户参数设定、摄像头自动拍照、数字图像处理、历史数据存储以及液位的数字化、图示化功能,保证运行人员在任何时候都能够得到准确、直观的液位信息。(4)以实验室的玻璃管水位计为检测对象,搭建了试验台。并根据测量系统的评价指标,进行了关于系统误差、线性、重复性、稳定性、分辨力和适应性的实验。经试验,本液位测量系统检测值与参考值的绝对误差在1mm以内,标准差在0.1mm以内,线性度为99.99%,分辨力为1mm,实现了在保证原有仪表精度等级的基础上提高液位计的分辨力。此外,本液位测量系统能适应一定范围内的光照条件变化和摄像头视物方向变化,一定程度上解决了现有液位图像检测方法中无法根据现场环境变化和摄像头调整进行液位校正的问题。基于视觉检测技术的液位测量系统实现了电厂基地式仪表信号的远程数字化,具备应用于工业现场的基础,且同样适用于石油、化工等领域的同类型液位测量。
王琪[5]2008年在《基于机器视觉的灯头产品质量检验系统研究》文中研究表明机器视觉技术是近年来发展和完善起来的现代科学技术,基于机器视觉的产品检验技术具有非接触,高效率,高精度,高可靠性,成本低等优点,在各种产品生产领域正日益获得广泛的应用。灯头是电光源产品的主要部件之一,其质量的好坏对电光源产品的质量起着至关重要的作用,传统的灯头产品质量检验是采用人工检验的方式,由于灯头产品产量巨大,检验工作简单重复耗时,占用了大量的人工劳动力,增加了生产成本。落后的人工检验方式已不能符合当今的高速度、高精度、高可靠性、低成本的产品检测要求,有必要结合新技术开发研究新的实时、高效的灯头产品质量检验系统。本文详细研究并设计实现了一种基于机器视觉技术的灯头产品质量在线检测系统。根据灯头产品生产中存在的六种主要质量缺陷,论文提出了灯头产品质量在线视觉检验系统的结构及其工作流程;设计了系统的机械结构和电气控制系统;提出了运用图像特征提取和模式识别技术识别出缺陷灯头的方法;详细分析了系统设计中采用的各重要图像处理算法;根据灯头产品的特点设计实现了高效的灯头各特征提取算法。实际应用表明本系统简单实用,能准确高效地识别出目前灯头产品中存在的六种主要质量缺陷,并能实时的对缺陷产品进行分类剔除,完全取代了传统的人工目检方式,取得了很好的社会经济效益。
陈卫[6]2010年在《啤酒包装生产线智能视觉图像采集影响因素的研究》文中指出我国啤酒行业在近年来得到了迅速的发展,2008年我国年生产啤酒超过了4100万吨,自2002年以来一直稳居世界第一位,啤酒竞争也日趋激烈,各啤酒生产厂家急切需要对原有的生产线进行改进,以提高生产效率和产品质量,从而进一步提高自己的产品竞争力。原来传统的人工目测检验瓶子的方法已经难以满足日益高速、高精度生产的需要。目前国内对啤酒瓶缺陷识别系统的研究还处于初级阶段,国内知名的大型啤酒生产企业只能采购进口啤酒瓶检测设备以应用于生产线,受国内维修技术力量薄弱及在线诊断费用十分昂贵的限制,大型啤酒生产企业只有通过进口检测设备与人工检测相结合的方法来确保产品的质量。而一些小型的啤酒生产企业大多采用人工检测方法,人工检测的效果很容易受人眼分辨能力和易疲劳等主观因素的影响,无法保质保量地完成生产任务。带有自动图像处理、分析及对检测结果自动分类处理的机器视觉系统具有速度快、精度高、非接触等优点,将其应用于啤酒瓶检测,可以有效的克服人工验瓶方式的不足,提高啤酒生产的自动化程度与生产效率。目前啤酒生产线上玻璃瓶缺陷的自动检测已经成为一个具有重要意义的研究方向。空瓶检测机是现代啤酒包装生产线上关健的在线检测设备,通过使用CCD相机、合理采用光源,对空瓶等实时图形进行图像采集、定位等算法处理,结合计算机,根据缺陷点灰度值、亮度值或缺陷区域的的差异进行图象识别等,最终根据缺陷点各许可条件的差异进行图象识别、处理。图象处理的结果可送入工业控制计算机。通过工业控制计算机结合检测元件、编码器及剔除机构,最终将不合格瓶子作为烂瓶剔除。本课题研究以提高在线空瓶检测系统的检测率为目标,重点是对啤酒灌装生产线的空瓶检测机的瓶底图像采集的效果及相关的影响因素进行研究,并进行工业改进,以期为啤酒生产线在线检测的稳定性和提高设备利用率打下基础。
王大庆[7]2013年在《细集料几何特征参数的表征及对沥青混合料性能影响研究》文中研究指明细集料作为沥青混凝土的主要组成材料，比例可达40%~50%，其对沥青混凝土的使用性能发挥着至关重要的作用。然而，长期以来，为改善沥青混凝土的性能，各国学者普遍从级配组成和沥青两方面入手，却忽略了细集料自身几何特征对沥青混凝土性能的重要影响，由此导致了现有细集料的几何特征评价手段的合理性不明确以及细集料几何特征对沥青混凝土性能的影响缺乏深入系统的研究。本文开展了细集料几何特征参数的表征及对沥青混合料性能影响的研究，分析国内外现行细集料几何特征评价方法的合理性与影响因素，建立可准确表征细集料几何特征的评价方法，基于图像处理技术提出适用于表征细集料几何特征的评价指标与相关评价标准；在此基础上，先后分析了细集料几何特征对沥青砂浆粘弹特性及沥青混凝土体积特性、路用性能与力学性能的影响，明确了与细集料几何特征相关的沥青混凝土性能参数。主要研究内容及成果概括如下：首先，基于目前普遍使用的未压实间隙率试验、流动时间试验和ASTMD3398试验，分析了现有细集料几何特征评价方法对细集料几何特征差异的敏感性，研究了现行细集料几何特征评价方法的合理性及其影响因素，明确了级配组成对现行细集料几何特征评价合理性的影响，在此基础上，运用灰关联方法分析了单一粒径几何特征与细集料(混合材料)几何特征的关联度，提出了基于代表性粒径的细集料几何特征评价方法。其次，开发了体视显微镜与面光源结合的细集料几何特征采集装置，基于图像处理技术分析了细集料几何特征评价指标的分布规律，在此基础上，采用数理统计方法，开展了细集料几何特征敏感性评价指标的研究，试验结果显示，细集料几何特征的差异主要体现于形状特性和棱角特性两个方面，提出以等效椭圆长短轴比1.30和较小分辨率下的SP值0.82分别作为细集料形状特性与棱角特性的评价指标与评价标准。随后，基于细集料几何特征的差异，以沥青砂浆粘弹特性为研究对象，依据Burgers模型和CAM改进流变模型先后开展了细集料几何特征对沥青砂浆粘弹参数及宽温度域内粘弹行为影响的研究，分析了沥青砂浆粘弹性能随细集料形状特性及棱角特性的变化规律，阐明了细集料几何特征对沥青砂浆粘弹参数影响研究中的作用。最后，基于细集料几何特征的差异，开展了细集料几何特征对沥青混凝土性能影响的研究，分析了细集料形状特性与棱角特性对沥青混凝土体积参数、路用性能及力学性能的影响规律，明确了与细集料几何特征相关的沥青混凝土性能参数。本文在细集料几何特征评价方法、评价指标及细集料几何特征对沥青混凝土性能影响等方面开展了一系列工作，为沥青混凝土的材料设计及评价奠定了基础，并为细集料技术性能评价指标的建立做了有益的探索。
何道远[8]2010年在《面向水表质量监控的图像处理系统》文中进行了进一步梳理本课题是针对水表出厂检定设计的一套水表质量监控图像处理系统。对于一些大型水表生产企业,每天生产数以万计的水表,对水表的检定也是一项工作量大、劳动强度高的繁重工作。因此,有必要研制一套自动化程度较高,检定结果可靠的水表质量监控系统来实现水表自动检定和检定数据计算机化管理;这对提高水表生产企业的工作效率和经济效益具有重要意义。本文对水表质量检定过程进行了深入了解,提出使用图像识别方式获取水表读数,从而实现检定过程自动化。具体包括以下内容:1.设计并实现一套水表自动检定系统;通过对水表检定过程的研究,改进水表现有检定装置,设计了一套计算机控制和手动控制两用的检定控制装置,编写自动检定程序和信息管理程序,实现了检定自动化和管理信息化。2.水表图像处理。针对实际采集的水表图像几何失真和亮度变化较大等问题,采用几何变换和定位来确定各个识别子区域图像,再通过基于边缘检测的图像分割和相应的噪声去除方法,将图像中的字符像素点都当作边缘像素点提取出来。3.水表图像识别。针对水表图像识别中主要的字符识别,研究了编码字符和字轮字符各自的特点及识别难点;针对编码字符字体的多样性,构建BP网络来识别多种字体下的编码字符;根据机械水表连续转动特性和字轮间关联转动模型,采用相关模板匹配法识别不完整的字轮字符,并给出数值定量描述对应字轮所处的进位时刻,最后通过水表字轮和指针间关联转动模型确定每个字符图像对应的数字并得到水表示值读数。
张辉[9]2012年在《医药大输液可见异物的视觉检测机器人技术研究》文中研究指明医药大输液是我国医药行业五大重要制剂之一，是医疗机构日常必须使用的药品，在现代临床上占据十分重要的地位。但是，由于生产工艺以及封装技术的原因，在灌装过程中，大输液产品中可能含有玻璃屑、纤维、毛发、漂浮物等可见异物，异物的存在将危害用药安全。目前，我国制药企业由于缺乏相关配套技术和生产成本考虑，大部分都没有在瓶装液体药品生产线中引进或建立自动化医药检测装备系统，而基本上都是采用人工灯检的方法，要求工作人员在暗室中进行，配备简单的检测灯箱，通过目视检测药液中的可见异物，这种方法检查速度慢、操作繁琐、可靠性差，还容易对药品造成二次污染，从而危害制药安全。而基于机器视觉的药品检测机器人能够实现药品在线、高速、高精度的自动化检测。我国在灌装后的药品视觉检测设备研究开发方面远远落后于国外发达国家，而这与我国大输液生产使用量世界首位极不相称。为此，针对现有人工检测方法存在的问题和我国药企的需求，本论文对大输液智能视觉检测机器人技术进行了深入的研究。论文介绍了大输液视觉检测的概念和要求，从大输液视觉检测机器人的检测原理、机械结构、电气控制系统、光学照明与图像获取方案到可见异物的图像检测算法都进行了详细研究，在此基础上，开发出视觉检测机器人并进行了多项指标测试和验证。本论文的研究工作、主要成果和创新点包括以下几个方面：1、介绍了医药大输液视觉检测机器人的研究背景与意义，分析了我国医药市场和制药装备的现状，以及大输液药品的生产制造流程，指出在医药检测环节人工灯检存在的问题；概述了医药视觉检测机器人相关的一些重要机器视觉技术，包括光源照明技术、视觉成像等，还介绍了机器视觉在医药、饮料、电子生产线检测中的应用情况；最后分析并总结了国外开发类似检测技术与设备的相关成果。2、根据医药生产企业对大输液药品在线检测的应用要求，结合我国大输液的实际生产工艺，分析了医药自动化生产线上智能检测机器人的技术可行性。论文提出了模拟人工检测动作，药品高速旋转-急停-跟踪拍摄的视觉检测原理。设计了用于检测100ml以下大输液的机器人机械结构和检测100ml及以上大输液的机器人机械结构及多个重要机械机构，包括：抓瓶机构（药瓶夹持机构）、旋转搓瓶机构、次品剔除机构等；设计了由控制子系统和图像处理子系统两部分组成的总体控制系统。在控制子系统中，开发了基于多PC机并行处理的分布式控制结构，设计了系统中的旋转-急停-跟踪拍摄的控制时序、多段分区域搓瓶时间控制、以及跟踪摆臂运动控制等。在图像采集与处理子系统，从相机镜头选型到光学系统设计，经过反复实验，实现了在高速运动中获取清晰的药品图像。论文还分析了医药大输液视觉检测机器人的系统工作过程及软件构架方案。3、提出了一种基于FFT频域变换的图像校正与配准方法，测试了多组检测序列图像，完成对序列图像参数的粗略配准，在此基础上，采用Powell最优化搜索算法进一步寻找最佳匹配参数，以图像子集的平均互相关度量值为配准的代价函数，最终获得图像的精确配准参数，配准精度达到了亚像素级。为了减少后续处理的运算量，提出一种基于概率统计的方法对输液图像进行感兴趣区域提取，首先对获得的图像进行直方图均衡化，增强图像整体对比度，然后对药品图像进行二维最大熵阀值分割，最后使用概率统计的方法求出图像中包含药液区域的左右和上下边界位置。为了抑制背景噪声的干扰，提出了一种基于极值的自适应均值滤波算法，与传统的滤波算法比较，该算法能够去除噪声的同时较好地保留边缘等细节信息，降低图像处理后的模糊化程度，可以有效的对检测区域内的药液图像进行了噪声滤除。4、结合药液中可见异物的检测特点，提出基于细胞神经网络（Cellular neuralnetworks, CNN）的药液图像分割方法，设计恰当的细胞神经网络模板分割图像，然后为改变CNN的线性加权联结方式，引入了非线性模糊运算min/max联结权，设计了模糊细胞神经网络（FCNN）结构，通过实验测试，FCNN分割效果优于传统的CNN，但在边缘检出上其效果尚不理想；本文针对此问题，提出改进型模糊细胞神经网络（IFCNN），研究了其收敛性和稳定性，实验测试结果表明，它能有效的克服现有方法无法解决的边缘检出问题，使得异物分割图像能更好的接近真实图像。5、根据药液异物图像形态复杂、类型多样等特点，对连续多帧医药图像选取了目标的一系列形态特征、统计特征、运动特征等，介绍了使用的各个特征参数的计算方法，然后针对实验图像，提取各个目标的特征参数，并进行分析。在此基础上，提出了一种改进的ReliefF算法-k个最近邻ReliefF算法来选取特征，通过该特征选择算法滤除无关特征，该算法能在进行权值迭代中用k个最近邻距离的平均代替传统的一个最近邻，从而较大程度的减少了噪声等虚假特征对权值的影响，使得特征的选择更为精确。论文分析了支持向量机和Boosting之后，通过实验比较两者在药液中多种异物分类应用中的优缺点，提出了基于SVM的AdaBoosting多值分类算法，并给出实验结果，该方法集成在药品缺陷检测软件系统中，取得了良好的效果。6、研制出了一台大输液检测机器人样机和一套软件平台。从工程应用角度，详细介绍了研制的大输液检测机器人硬件系统，对进瓶机构、抓瓶与搓瓶机构以及电气控制等多个组成部分进行了说明，并开发了检测与分析软件各组成模块，在系统性能的测试过程中，通过国际通用测试方法（Knapp-Kushner）对本文设计的药液异物检测系统和算法的有效性进行验证，另一方面也对检测方法的重复性、检测精度、不同种类异物检测性能进行了测试，完全能够满足输液在线检测的要求。本论文通过理论分析研究和实验证明了提出的大输液医药视觉检测机器人光学、机械、电气结构的合理性，以及大输液可见异物检测方法的有效性和可行性，研制的检测机器人系统做为国家863课题―大型高速医药自动化生产线上的产品检测包装智能机器人‖的重要成果之一，在2011.12.9通过了国家科技部组织的专家验收。检测机器人现场应用表明，本文研制的检测系统解决了实际应用的大部分问题，将在医药自动化检测中发挥重要的作用，具有极高的实用价值和推广应用前景。
杨静[10]2008年在《基于X射线图像的焊缝缺陷检测与识别技术》文中研究表明本文针对X射线焊缝图像缺陷检测的特殊要求,研究了基于X射线实时成像的缺陷检测与识别技术。在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量和安全,所以焊接图像中缺陷的检测十分重要。传统X射线焊缝图像的检测受评片人员的技术素质和经验的影响。胶片法具有检测效率低、操作复杂、胶片资料不易保存、检测过程不易实现自动化等特点,因此采用X射线实时检测系统在线检测与分析,就可以有效地克服人工评片引起的误判,从而使在线检测工作客观化、规范化、标准化。根据射线成像检测原理,本文设计一个高清晰度、高分辨率的X射线焊缝缺陷自动检测系统,检测焊缝中存在的缺陷并自动评定缺陷的性质,最后对焊缝进行评定。本文针对X射线焊缝检测图像中存在大量与缺陷检测无关的背景冗余信息,提出了一种减影技术与自适应阈值相结合的自动提取方法,减少计算量,提高检测精度,准确提取缺陷图像信息,此方法简单易行,效果良好。根据欧式距离度量的特征选择判断依据,经缺陷提取后提取有效特征,确定边缘平直度、尖部尖锐度、周长面积比、填充度指数、对称性、相对灰度作为识别分析的参数,为后续的识别阶段打下基础。最后使用了BP神经网络的方法对射线焊缝中的缺陷进行识别。利用理论和经验相结合的方法,通过实验寻求隐含层数目及训练函数和传递函数之间的最优组合。实验结果表明,该方法使总体识别误差达到最小,提高了焊缝识别率,缩短了识别时间。
参考文献：
[1]. 基于数字图像处理及识别的玻璃容器检验系统研究[D]. 熊熠明. 浙江大学. 2003
[2]. 基于DSP的玻璃容器检测系统的研究[D]. 肖冰. 吉林大学. 2007
[3]. 基于机器视觉的玻璃容器形态检测问题研究[D]. 张磊. 齐鲁工业大学. 2018
[4]. 基于视觉检测技术的液位测量系统的研究[D]. 羊冰清. 东南大学. 2018
[5]. 基于机器视觉的灯头产品质量检验系统研究[D]. 王琪. 南京航空航天大学. 2008
[6]. 啤酒包装生产线智能视觉图像采集影响因素的研究[D]. 陈卫. 华南理工大学. 2010
[7]. 细集料几何特征参数的表征及对沥青混合料性能影响研究[D]. 王大庆. 哈尔滨工业大学. 2013
[8]. 面向水表质量监控的图像处理系统[D]. 何道远. 浙江大学. 2010
[9]. 医药大输液可见异物的视觉检测机器人技术研究[D]. 张辉. 湖南大学. 2012
[10]. 基于X射线图像的焊缝缺陷检测与识别技术[D]. 杨静. 中北大学. 2008
标签：计算机软件及计算机应用论文; 水表论文; 数字图像处理论文; 机器视觉系统论文; 视觉检测论文; 缺陷管理论文; 缺陷等级论文; 机器人论文;