摘要：基于人工经验对光学玻璃进行的计重切割存在误差较大、效率较低、安全性较差的问题。针对上述问题,利用机器视觉构建了一套针对条形光学玻璃的自动计重切割设备,并结合结构光为该设备设计了一套在线自动计重算法。在计重算法中,高速工业相机采集到光学玻璃的图像后,首先识别玻璃横截面的位置特征,并对轮廓进行拟合,得出当前横截面的面积;然后结合伺服电机对玻璃推进的进给量,对面积进行积分,计算出累计的体积与质量。当累计质量满足切割条件时,对玻璃进行切割。经实验及工厂实际应用证明,该系统具有高精度、高效率以及高安全性等特性,实际切割误差小于0.3g。该装置及算法能够高效、精确地进行条形光学玻璃的自动计重切割。

摘要：针对人工肉眼检测聚氯乙烯(PVC)管材表面缺陷效果差、效率低下等问题,设计了一种基于机器视觉的PVC管材表面缺陷检测算法,并将其用于工业生产。该算法主要包含图像预处理和缺陷检测两部分,图像预处理包括边缘遍历、条纹检测和Gamma变换等步骤;缺陷检测主要包括水平与垂直投影、快速区域生长法连通域标记和分块处理等步骤。该算法对Gamma变换以及区域生长法作加速处理,同时能够最大限度地检测出PVC管材表面缺陷并避免误检。实验及工厂实地检测结果表明,该算法检测准确率为97.6%,实时检测速度超过60m/min,缺陷最小检测面积为0.05mm^2,而且管材运行中单边抖动不超过5mm时无误报警现象发生,管材在运行速度为45m/min时漏检率为0,因而能满足实际生产需要。

摘要：针对纹理织物疵点自动检测时因生产速度快造成的织物抖动以及检测速度难以匹配问题,提出窗口跳步形态学法纹理织物疵点检测算法。使用该算法对图像进行窗口分割及预处理后,首先对纹理织物图像的纹理特征进行分析,然后设计形态学算子进行腐蚀操作,最后使用连通域分析来确定疵点大小及位置。仿真实验及工厂实际应用表明,该算法可有效克服工业生产中纹理织物抖动造成的图像明暗不均,可检测出纹理织物中存在的破洞、经纬疵点、污渍、断线、折痕和结头等各种疵点,而且检测速度明显优于快速傅里叶变换特征点算法以及传统形态学检测算法。实时检测速度超过80 m/min,疵点检测精度为0.1 mm,满足实际生产需求。