基于机器视觉的动力电池缺陷检测系统设计与实现
这是一篇关于铅酸电池,机器视觉,图像处理,缺陷检测的论文, 主要内容为铅酸电池是一种常用的蓄电池,广泛应用于汽车、UPS电源、太阳能发电等领域。由于其质量的重要性,铅酸电池的生产过程需要严格的质量控制和检测。在生产过程中,缺陷的产生是不可避免的,而未及时发现和处理的缺陷可能会导致电池性能下降、寿命缩短、甚至安全隐患。因此,开发一种高效、准确的缺陷检测方法对于提高铅酸电池的生产质量和安全性具有重要意义。本研究旨在探索基于机器视觉技术的动力电池制造缺陷在线检测方法,解决目前动力电池制造过程中存在的缺陷检测难题,提高电池生产线的生产效率和质量。为实现该目的,本文采用了多种机器视觉技术,包括图像预处理算法、图像分割算法、图像滤波算法和形态学处理算法模块等,针对动力电池制造过程中可能出现的极板缺陷和焊接缺陷进行在线检测。同时,本研究还开发了一套基于机器视觉的检测系统,提供了实现该方法的硬件和软件支持。主要工作内容如下:1.本文旨在构建一个视觉系统框架,用于整体检测系统的开发。该系统的构建包括工业相机、镜头和光源的选型以及采集图像等步骤。在图像处理方面,根据待检缺陷特点,本文使用过曝技术对图像预处理进行辅助。在软件开发方面,本文采用了Open CV和C++进行混合编程开发图像处理软件,实现对缺陷的自动检测。此外,为了方便操作和数据可视化,本文使用Qt编写了人机交互界面,最终实现了整体检测系统的开发。2.针对极板缺陷检测问题,本研究提出了一种新的检测算法。主要贡献有:在背景去除中,提出了自适应双区域生长算法;为解决图像增强效果不稳定不平滑的问题,在传统图像增强算法上对图像进行分段增强;鉴于倾斜角度估计计算量大、准确率低等问题,融合电池特征设计了分段加权最小二乘法进行角度估计;最后在传统的OTSU算法上采用双阈值法以提高极板提取的准确率。3.设计了一种焊接缺陷检测算法。本文基于Sobel算子进行边缘提取,并对边缘拟合的直线结果进行非极大抑制从而去除背景;为了解决隔纸板分割粘连,对传统的均值滤波算法进行加权迭代;对分割出的图像使用OTSU二值化算法转成二值图像,使用边界提取和孔洞填充算法对反光区域进行补偿。最后,使用形态学算法和霍夫圆检测对焊接缺陷进行判断。完成上述工作内容后,利用此系统进行相对应的现场实验。测试结果表明,极板缺陷算法平均准确率约为96%,极板图像从采集到检测完成时间约为51ms;焊接缺陷算法平均准确率约为97%,单张焊接图像处理时间约为61ms,满足现场实际测试的要求。
基于机器视觉的糖果缺陷检测分级技术研究
这是一篇关于缺陷糖果,机器视觉,图像处理,卷积神经网络,缺陷检测的论文, 主要内容为在糖果的生产过程中,由于机械挤压以及糖果间相互碰撞等原因,难免会出现缺陷糖果,不能投入到市场中,所以需要对糖果进行缺陷糖果的剔除。但是,中国作为一个糖果生产大国,分级过程采用的却是人工检测的传统方法。虽然在某些情况下,人工检测可能更优越,但它效率低下且检测过程乏味,容易导致眼睛疲劳,并且由于不同的人的不同判断,它也会导致分类错误。由于其采样率低、实时性能差、检测信度低等缺点,人工检测的传统方法无法满足现代工业生产线的效率和质量要求。在此背景下,本文设计了一套糖果缺陷检测分级系统,包括相应的硬件设备和算法,针对残损、孔洞、面积偏小这三类糖果缺陷,实现了缺陷糖果的检测的和剔除,具有很好的应用价值。本文首先设计了缺陷糖果检测分级的流程,将南通某糖果公司提供的绿色硬糖作为实验样本,统计分析出孔洞、残损和面积偏小这三种最常见的缺陷糖果类型。同时设计出了系统的硬件结构搭建方案,对相应的图像采集设备做出了分析与选型,包括:工业相机、镜头、光源、主控计算机和工控板。图像采集设备的合理选型为图像的质量提供了重要的保障。其次设计了图像处理的流程,详细分析了糖果缺陷的图像处理算法原理。对糖果图像进行滤波处理,过滤掉图像中因现场环境产生的噪声点。通过对比各种滤波算法:中值滤波、均值滤波和高斯滤波,最终选择了处理效果最佳的中值滤波算法。接下来对图像进行增强处理,采用了彩色图像灰度化和直方图均衡化的方法,提高了背景与前景的对比度,更好的呈现出图像的特征。然后进行图像背景分割,分析对比了基于阈值的阈值分割算法和基于边界缘的分割算法,结果显示使用OTSU阈值分割法,背景和前景的区分度最大,糖果目标能较好地从背景中分割出来。再通过连通域标记的方法定位到图像中每一颗糖果的坐标。在此基础上构建并测试了八种分类模型(Alexnet、Googlenet、VGG16、Resnet-18、Resnet-34、Resnet-50、mobilenetw2和Mnas Net0＿5)的性能。其中基于Resnet-50的分类模型的分类准确率最高(98.71%),而结合准确率、速度和运行时间来看,基于Alexnet的分类模型是最适合本系统的。最后设计糖果缺陷分级系统的软硬件设施。针对生产过程中遇到的糖果粘连等问题,采用SDVC10-S震动送料控制器使糖果离散地喷洒在传送带上,针对CMOS图像传感器相机与EPC-9600工控板之间的信号传输问题,设计了嵌入在工控板上的拓展电路模块。同时设计了用户界面,可以实现本文所设计系统的各个功能,其中包括分选阈值设置、光照强度的校正等。进行了系统性能的测试,结果显示系统召回率在95%以上、带出率不到2%,满足工业生产的需求,实现了糖果缺陷检测到剔除缺陷糖果的一体化。
基于FPGA的机器视觉研究——织物疵点检测系统的设计与实现
这是一篇关于机器视觉,FPGA,织物疵点检测,硬件加速的论文, 主要内容为近些年来机器视觉的应用范围在迅速扩大,正逐步渗透于我们生活的各个领域。基于机器视觉技术的织物疵点检测已成为目前织物检测领域发展的一个重要方向。由于图像检测处理要求速度快,运算量大,传统串行指令结构处理器已经很难满足高速实时图像的采集与检测。如何利用硬件提升图像检测处理的性能已成为一个热点问题。 随着微电子技术的快速发展,高性能的现场可编程门阵列器件FPGA给机器视觉系统的设计带来了一种崭新方法。由于FPGA具备硬件结构可根据应用进行重构的特点,可以将图像处理算法由传统的软件串行实现改为硬件并行实现,并且很容易通过提高设计的并行度来增加运算的吞吐量,非常适合图像处理等计算密集型操作,利用单指令多数据(SIMD)等运算结构可以显著加速处理。 本文提出一种采用机器视觉技术进行织物疵点实时检测的实现方案,从硬件的角度来实现织物的疵点检测算法。目标是实现对高速采集到的织物图像进行实时的疵点检测。整个系统包括检测系统平台的设计和织物图像检测算法的设计,全部由FPGA内部可编程逻辑资源实现。对FPGA的设计主要包括Camera Link图像采集接口设计,SRAM图像缓存接口设计,疵点检测算法设计,VGA显示接口设计以及串口通信接口的设计等。其中,在对算法的硬件实现时充分利用FPGA的结构特点进行灵活改进,并在运算模块中加入多级流水线提高系统工作频率,使得算法在FPGA中的实现效率更高。 本文以QUARTUS II作为设计工具,以硬件描述语言VHDL作为设计输入,并结合仿真工具Modsim6.1f进行仿真,完成了整个系统的设计。采用Altera公司的Cyclone II系列FPGA芯片EP2C35F进行了功能验证。结果表明,系统能够准确的采集到织物图像并进行疵点检测,在时间和功能上都达到了预期设计目标。
基于机器视觉的苹果分级算法研究与应用
这是一篇关于苹果外部品质,机器视觉,深度学习,分级系统的论文, 主要内容为苹果是一种营养含量很高的水果,在我们日常生活中备受喜爱。苹果种植范围广泛,带动了许多地区脱贫致富,在我国的农林经济中扮演着重要的角色。尽管我国的苹果生产量在全球处于领先地位,但是相较于国外先进的苹果产后处理技术,我国的技术还有所不足,这导致中国苹果在国际市场上的占比未达预期,并且在国内市场中难以满足人们对高质量水果的需求。为解决上述问题,本文基于机器视觉对红富士苹果外部品质检测分级方法进行了研究,主要研究内容如下:(1)苹果图像采集和预处理。本文使用四个工业相机搭建的图像采集系统采集了1108幅苹果图像。在预处理过程中,分析了图像的RGB和HSI颜色模型,在RGB模型上采用“R-G”和“R-B”分量组合成为新的分量“Zt”,并采用中值滤波法对“Zt”分量灰度图进行滤波,然后在此分量上采用最大类间方差法对图像二值化,最后采用合适的形态学方法完善二值化图像,并填充RGB颜色完成图像预处理。(2)苹果外部特征提取。苹果外部特征包含果形、果径、果色特征,在果形提取中比较了圆形度法和横纵径比值法,样本测试中表明横纵径比值法误差相对较小。在果径提取中研究了最小外接矩形和最小外接圆形方法,样本测试中表明最小外接圆法误差较小且相对稳定。在果色提取中采用在HSI模型的H分量的335～360°和0～25°两个阈值分割出浓红、鲜红果面,然后计算红色面积和总面积的比值获得果色数据。(3)缺陷苹果检测。为解决缺陷苹果检测过程中苹果表面缺陷易受果面颜色和果梗/果萼影响的问题,本文研究了卷积神经网络在缺陷苹果检测中的应用。首先采用镜像、随机旋转和移动等几何变换数据增强方式将数据集由1108幅扩充至4423幅图像,然后按照8:2的比例分为训练集和验证集,并基于Alex Net、VGGNet-16和Res Net-50网络进行了训练和验证。实验结果表明,Alex Net、VGGNet-16和Res Net-50网络对缺陷苹果的识别率分别为93.38%、93.44%和96.67%,Res Net-50网络表现最佳。(4)网络优化改进。针对缺陷苹果检测准确率最高的Res Net-50网络的进行了注意力机制和激活函数方面的优化,本文提出了CA-Res Net-50-L网络。首先将网络内的激活函数替换为Leaky Re LU激活函数,然后在残差模块后插入CAM通道注意力模块,共插入14个模块,完成对Res Net-50网络进行优化。最后通过网络实验验证得到,CARes Net-50-L网络准确率达到98.95%,相较于Res Net-50网络提高了2.28%。(5)苹果分级系统。本文开发了一款红富士苹果外部品质分级系统,通过系统的软硬件和UI界面设计,完成了算法的整合与应用。最后,经300个红富士苹果的测试,证明了所设计的系统能够完成对苹果外部品质数据的测量和判断分级,并将分级信息可视化,分级准确率达到96.33%,验证了系统的可行性,完成了本文基于机器视觉的苹果分级算法研究与应用。
基于机器视觉的柱面透镜自动排列系统设计与研究
这是一篇关于机器视觉,柱面透镜,视觉定位,排列系统,U-Net网络的论文, 主要内容为当前,柱面透镜能够广泛应用于红外激光、光学仪器、全息系统等领域。在柱面透镜的加工流程中排列工艺对产品良率具有较大的影响,传统人工排列工件夹取与放置难以保证工件达到生产要求,生产耗时长、效率低等问题是柱面透镜排列工艺需要解决的难题之一。因此,本文提出一种基于机器视觉的柱面透镜自动排列系统,并构建基于U-Net网络的视觉纠偏定位策略,通过结构设计、软件开发和视觉研究对排列系统进行了如下设计与研究:(1)对柱面透镜硬件平台进行了整体设计。通过分析排列工艺的具体流程,确定了硬件平台的整体方案,利用Solidworks软件建立了柱面透镜硬件平台的三维模型,研究了Scara机器人单元等关键部件的参数信息,计算获得了视觉硬件的选型结果。(2)编译开发了柱面透镜的操作软件界面。通过在控制系统的硬件基础上,基于C#语言开发了操作软件和HMI界面,根据柱面透镜排列工艺的特点编写了适合操作的各功能函数和可视化界面。对机器人的运动线性和加减速控制进行了具体研究,根据实际运动情况采用相应的线形,并采用“S”型速度曲线控制加减速参数,减少了运行过程中的振动和精度损失。(3)构建了基于U-Net网络视觉定位纠偏策略。对相机进行标定后采用合适的图像预处理增强图像信息,利用模板匹配、Blob分析和圆查找得到工件在机器人坐标系下的吸取和放置点位坐标。以前期生产过程储存的工件原图为输入数据集,以对应高精度工件分割数据生成的二值化图片为输出数据集,建立基于U-Net的图像分割模型对柱面透镜数据进行训练和验证。(4)对比分析了排列系统多方面的性能。通过在不同学习率下进行模型训练,发现当学习率设置为0.0001时训练集和验证集的损失值曲线下降最快,以最少的训练次数收敛至最小的损失值,模型的视觉定位精度相对于高精度模板匹配误差达到一个像素以内。利用千分尺和塞尺工具在多点位测量,获得机器人末端的0.02mm以内的重复定位精度和面型精度。最后根据数据统计,相对人工排列方式,系统排列实现偏心合格率≥35%以上,产品合格率≥30%的相对提高,单盘作业耗时缩减为1/5以下。
挂弹车控制系统关键技术研究
这是一篇关于挂弹车,非接触测量,机器视觉,自动定位的论文, 主要内容为挂弹车的技术水平影响着我国国防实力的提升,国内外挂弹车均在机械化、自动化上有所发展。但是挂弹车在发展过程中存在因机械化程度低而导致自动化发展受限、挂弹自动化技术落后的问题。该问题造成了挂弹效率低、挂弹作业存在安全隐患,导致了增加飞机再次出动时间间隔,不利于航空保障装备发展。为了解决上述问题,总结分析了当前机械和自动化领域最新技术,从设计新型机械结构出发,将非接触测量、自动定位、计算机控制等关键技术应用到挂弹车上。(1)通过分析挂弹任务和工作环境,分别设定导弹滑块中心和飞机挂架中心为导弹基准点和目标基准点,以保证飞机挂架与导弹滑块五自由度上对准为目标,提出了粗定位结合精定位的挂弹控制方案,设计了全向行走底盘结构以实现粗定位功能,设计了六自由度定位机构以实现精定位功能。(2)搭建了挂弹车控制系统硬件平台,以视觉系统为主并配合激光位移、压力传感器等非接触测量飞机挂架与导弹滑块之间相对位姿与挂弹状态,以工控机作为上位机处理传感器信息,运动控制卡接收到工控机发送的运动控制指令,从而驱动电机执行相应自由度上的运动。(3)研究了基于机器视觉的挂架识别定位算法,建立了视觉成像数学模型,采用张正友标定法测量了相机参数,研究了飞机挂架与导弹滑块之间的相对位姿数据计算方法,采用树莓派作为计算机搭建了CCD视觉实验平台,证明了识别定位算法有效性、实验测量的误差在合理的范围内。(4)构建了控制系统软件架构,对相对位姿测量、运动控制代码进行了封装,开发了传感器数据采集程序,依据实际软件功能设计了三个进程,分别是导弹挂装精定位自动控制进程、挂弹车粗定位控制进程、导弹挂装手动控制进程,并开发了主控程序对进程进行管理,运用MATLAB软件仿真了精定位自动挂弹过程。挂弹车控制系统综合采用了机器视觉、激光位移传感器等技术,通过粗、精定位控制,提高了挂弹车自动化水平,解决了挂弹效率低下、费时费力等问题。
基于机器视觉的轴类零件在线智能测量系统研究
这是一篇关于机器视觉,轴类零件在线测量,边缘检测,几何要素智能测量,测量系统开发的论文, 主要内容为轴类零件是变速箱中的关键部件之一,其加工精度会直接影响变速箱的传动精度、性能和使用寿命,因此在加工完毕后必须严格按照工艺文件设计要求对轴类零件进行测量,合格后才能进行后续的工序环节。在大批量生产背景下,轴类零件在线测量系统需具有高精度、高效率、自动化及智能化等特点。本文围绕轴类零件加工尺寸在线测量问题,基于机器视觉技术进行轴类零件在线智能测量系统开发。本文的主要研究内容如下:根据所获取的零件图像特点,运用形态学闭运算和双边滤波对图像进行预处理,以保证边缘的连续性与完整性,也消除了由于毛刺或毛絮等引起的伪边缘对检测精度的干扰;采用最大类间方差法自适应确定Canny算子双阈值用于在线采集的不同图像的边缘检测,利用其高鲁棒性的特点完成轴类零件图像的整像素边缘的初定位;据此,进行基于泰勒多项式拟合的Steger亚像素边缘检测,解决了在图像全图上遍历卷积而导致的运算量大、检测效率低的问题;通过设计的标准二值图像和标准量棒图像考核边缘检测算法的定位精度,并统计分析算法的执行效率。通过与Canny-Zernike矩算法和Canny-Franklin矩算法的检测结果对比,本文所提出的Canny-Steger算法定位精度高、检测速度快,可有效提高零件图像ROI的边缘检测精度和效率,快速提供测量项几何要素数据点集,具有工程应用价值。为了提高大批量生产背景下轴类零件在线测量过程的自动化与智能化,结合零件生产工艺提出轴类零件在线智能测量整体框架。通过对测量系统的需求分析进行了测量系统的总体架构设计,按照测量系统测量精度、节拍等设计测量系统结构、控制系统、视觉系统,确定测量动作流程以保证获取高质量的图像。根据CAD工艺图纸的DXF底层数据格式设计了轴类零件的工艺信息解析流程,提取零件轮廓、尺寸公差等数据;提出凸包点PCA分析+NDT+改进ICP的配准方法实现图像边缘点集与DXF轮廓点集配准从而确定测量项在图像中的参考点,在参考点邻域划分测量区域即可实现工序中几何要素的自动测量。测量系统标定后进行径向和轴向测量精度和重复性精度的实验。通过零件生产过程中测量数据的SPC分析及建立加工机床和测量设备的闭环系统来实现生产过程中的质量控制,保证零件高质量持续加工生产。基于.NET平台使用C#语言按照分层模块化设计开发测量系统软件,主要包括控制交互、图像采集处理、信息管理、质量控制等模块。建立轴类零件在线智能测量系统对轴类零件大批量、无人化100%测量的生产线自动化数字化智能化具有理论与应用价值。
马铃薯自动捡拾装置研发
这是一篇关于马铃薯,分段收获,捡拾作业,机器视觉,机械臂的论文, 主要内容为马铃薯是世界第四大粮食作物,我国生产规模居世界首位。其中西北地区作为马铃薯种植的主要产区之一,目前主要收获方式为分段收获,在捡拾过程中存在人工成本高、劳动强度大、捡拾机械化水平低和机械适应性差等问题。为了提高西北地区马铃薯分段收获中的捡拾作业机械化水平,本文进行了马铃薯自动捡拾装置研发并对其开展了功能验证试验,具体研究内容和结果如下:(1)马铃薯自动捡拾装置整体方案设计。通过实地调研了宁夏固原市分段收获中马铃薯捡拾作业环境,分析了马铃薯自动捡拾装置在结构和功能等方面的技术要求,设计并确定了马铃薯自动捡拾装置的整体方案。通过Solid Works对装置整体方案进行三维建模,完成了行走装置、马铃薯捡拾机械臂、末端执行器和输送装置等部件的结构设计与参数优化,确保了各部件之间不发生干涉且可以实现对马铃薯的捡拾功能。结合捡拾作业环境与马铃薯自动捡拾装置的工作原理,设计了单目相机与光电传感器信息融合的识别与定位方法,采用单目相机对马铃薯进行识别并获取马铃薯的水平位置信息,结合光电传感器获取马铃薯的深度信息。(2)马铃薯自动捡拾装置行走系统与机械臂控制系统设计。根据马铃薯自动捡拾装置四轮独立驱动的结构,建立了行走系统的差速运动控制模型,使用PWM波驱动轮毂电机实现了对行走装置的控制。设计了基于笛卡尔坐标系的马铃薯捡拾机械臂,结合机械臂关节构型,建立了机械臂的正逆运动学模型。根据机械臂的逆运动学模型,实现了对机械臂的运动控制;通过对光电传感器状态信息变化的判断,实现了对末端执行器抓取马铃薯的控制,完成了机械臂控制系统的设计。(3)基于YOLO v3的马铃薯识别与定位系统设计。采用YOLO v3对获取的马铃薯图像进行训练实现了马铃薯的识别,其Loss值为0.0819,平均准确率为92.58%,召回率为82.99%,F1值为0.86。通过张正友标定法,对单目相机进行内参标定,获取单目相机的内参矩阵、横向畸变和纵向畸变等参数并对比分析了MATLAB与ROS(Robot Operating System)标定参数的结果。基于ROS系统,使用Aruco标定板采用眼在手外的方式进行手眼标定,求解变换矩阵。由于单目相机对深度信息判断存在误差,通过光电传感器辅助判断深度信息。结合坐标转换,实现了马铃薯的识别与定位。(4)马铃薯自动捡拾装置功能验证试验。分别在实验室和田间环境对马铃薯自动捡拾装置功能进行了验证。田间环境相对于实验室更加复杂,在识别过程中存在一定误判,造成误捡,实验室和田间环境马铃薯识别成功率分别为91.67%和82.50%,马铃薯捡拾成功率分别为85.00%和77.50%;在捡拾作业过程中,机械臂运动到水平指定位置平均时间约为4.4 s,竖直方向伸缩平均时间约为1.3 s,捡拾动作时间为2.0 s,返回放置点平均时间约为4.5 s,完成一套捡拾动作平均时间约为12.2 s。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码货栈 ，原文地址：https://m.bishedaima.com/lunwen/46870.html
