期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于机器视觉的金属工件尺寸测量 被引量:15
1
作者 李执 闫坤 +1 位作者 傅琪 刘威 《仪表技术与传感器》 CSCD 北大核心 2022年第3期92-97,共6页
针对多孔金属工件人工测量步骤繁杂、精度低问题,提出了基于机器视觉的金属工件尺寸精密测量方法。首先对目标进行灰度化、增强、滤波等预处理,再提取区域轮廓,针对轮廓定位分割问题,提出了基于Ramer算法逼近的两步轮廓分割方法,并引用... 针对多孔金属工件人工测量步骤繁杂、精度低问题,提出了基于机器视觉的金属工件尺寸精密测量方法。首先对目标进行灰度化、增强、滤波等预处理,再提取区域轮廓,针对轮廓定位分割问题,提出了基于Ramer算法逼近的两步轮廓分割方法,并引用全局轮廓分割参数S对轮廓进行分类。为提高直线和圆的边缘点定位准确性,提出了基于卡尺工具的边缘点检测方法,最后采用基于Tukey拟合算法对直线和圆形进行测量,计算得到亚像素精度尺寸。实验证明该方法可以提高测量精度且效率高。 展开更多
关键词 机器视觉 卡尺工具 Ramer算法 Tukey算法 尺寸测量
下载PDF
基于机器视觉的卡尺工具法螺母实时检测系统 被引量:9
2
作者 吴禄慎 项桔敏 胡贇 《仪表技术与传感器》 CSCD 北大核心 2020年第2期50-55,共6页
对变形的螺母进行人工决策,判断能否继续使用时,会存在很大的主观性,为此提出基于机器视觉的卡尺工具法实时检测系统。该检测系统首先通过CCD相机对螺母图像进行采集,再用Halcon算法库对采集的图像进行分析处理,实验提出基于卡尺工具的... 对变形的螺母进行人工决策,判断能否继续使用时,会存在很大的主观性,为此提出基于机器视觉的卡尺工具法实时检测系统。该检测系统首先通过CCD相机对螺母图像进行采集,再用Halcon算法库对采集的图像进行分析处理,实验提出基于卡尺工具的边缘检测方法对螺母内径进行圆拟合,通过测量拟合圆的直径对螺母进行检测,最后通过C#做出界面实现检测功能。经实验验证,该检测系统正确率高、测量精度可控,测量时间不超过60 ms。 展开更多
关键词 螺母孔径 机器视觉 HALCON 卡尺工具 拟合圆算法 测量精度
下载PDF
基于机器视觉的角码孔径测量方法研究
3
作者 李百明 《吉林化工学院学报》 CAS 2023年第7期77-82,共6页
针对角码孔径测量工作量大、速度慢、受主观因素影响大等问题,提出了一种基于机器视觉的角码孔径测量方法。首先,对采集到的图像进行灰度化、二值化和图像转正操作,以提高图像的处理速度,快速定位角码所在位置和建立准确的物像关系;然后... 针对角码孔径测量工作量大、速度慢、受主观因素影响大等问题,提出了一种基于机器视觉的角码孔径测量方法。首先,对采集到的图像进行灰度化、二值化和图像转正操作,以提高图像的处理速度,快速定位角码所在位置和建立准确的物像关系;然后,采用Canny边缘检测算子对角码孔径轮廓进行像素级提取,得到一个复杂多边形轮廓;最后,在复杂轮廓的最小外接圆上建立卡尺工具,实现对角码孔径边缘的亚像素精度提取。实验结果显示,该方法的最大测量误差小于0.03 mm,重复性测量精度近似为0.01 mm,系统的测量时间为126 ms。因此,该方法能够满足角码孔径的测量精度要求且测量数据具有很好的稳定性;能够满足大批量、高强度、实时在线检测需要,具有较好的应用前景。 展开更多
关键词 边缘检测 CANNY算子 卡尺工具
下载PDF
基于机器视觉的卡尺工具法轴承精密测量 被引量:4
4
作者 邹哲暠 曾维友 《机床与液压》 北大核心 2023年第2期53-58,共6页
针对传统轴承测量方法成本高、效率低、精度低等问题,提出基于机器视觉卡尺工具法的轴承测量方案。该方案首先使用相机对轴承进行拍照取像,再用卡尺工具法对图像中轴承的内外径进行圆拟合。对相机标定后,测量出轴承的内外直径,并编写C#... 针对传统轴承测量方法成本高、效率低、精度低等问题,提出基于机器视觉卡尺工具法的轴承测量方案。该方案首先使用相机对轴承进行拍照取像,再用卡尺工具法对图像中轴承的内外径进行圆拟合。对相机标定后,测量出轴承的内外直径,并编写C#程序实时显示测量结果,实现对轴承尺寸快速、稳定、高精度、低成本的测量。实验结果表明:该测量方法达到了亚像素级别,测量精度高于0.008 mm,标准差小于0.015,满足国家标准,并且测量速度快,稳定性高。 展开更多
关键词 轴承 尺寸测量 卡尺工具 拟合圆算法 亚像素
下载PDF
基于深度学习的热态环件轧制过程几何状态视觉测量方法
5
作者 汪小凯 董杰 +2 位作者 华林 韩星会 武国庆 《塑性工程学报》 CAS CSCD 北大核心 2022年第11期8-14,共7页
为解决高温、强光、汽雾以及氧化皮飞溅等恶劣工况下热态环件轧制过程几何状态的在线测量难题,提出了一种基于深度学习的热态环件轧制几何状态视觉测量方法。以深度学习为基础,结合热态环件轧制过程高温发亮的特点,利用YOLOv5算法的卷... 为解决高温、强光、汽雾以及氧化皮飞溅等恶劣工况下热态环件轧制过程几何状态的在线测量难题,提出了一种基于深度学习的热态环件轧制几何状态视觉测量方法。以深度学习为基础,结合热态环件轧制过程高温发亮的特点,利用YOLOv5算法的卷积神经网络进行训练,智能捕捉相机视野有效区域,大幅提高了图像处理算法的运算速度。为解决环件部分边缘被遮挡的问题,采用Linemod-2D算法,根据环件边缘梯度特征匹配外圆轮廓及位置状态,并基于卡尺工具边缘检测原理获取有效边缘特征点,利用迭代重加权最小二乘法进行拟合,得到了环件几何状态。实验结果表明,本方法鲁棒性较好,测量误差小于0.5 mm,算法平均耗时60 ms。 展开更多
关键词 热态环件 YOLOv5算法 Linemod-2D算法 卡尺工具算法 最小二乘法 深度学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部