设计了一种基于机器视觉定位技术的地铁车辆轮对清洗机器人,研究了自动清洗作业时机器人的三维定位方法,分析了不同三维定位方法的优缺点以及对轮对清洗作业的适用性,提出了一种基于机械手单相机多目视觉三维定位系统及方法,介绍了该方法实现机器人作业时三维定位的流程及技术难点。研究结果表明,单相机多目视觉定位方法能有效解决特定场景中机器人的定位问题,从而使机器人技术得以成功应用于地铁车辆轮对清洗作业中。

针对传统自动化设备在网格布断裂缺陷检测方面的不足,提出了一种基于机器视觉的网格布断裂缺陷检测方法。首先,获取网格布的高对比度图像,利用中值滤波去掉图像中的噪声,采用Otsu阈值分割算法实现目标和背景的分离。根据网格部分断裂和完全断裂的两种缺陷特点,分别设计针对性算法。网格部分断裂的特点是由背景生成的凸包区域内包含有目标物体,因此采用Blob分析和凸包检测相结合的方式,实现对此种缺陷的检测。当网格完全断裂时,缺陷区域与相近区域的位置信息会发生变化,通过分析网格骨架交点生成的圆形区域内连通区域的数目,可以完成网格完全断裂缺陷的识别。实验结果表明,该方法可以应用于网格布的断裂缺陷检测,缺陷识别率在97%以上,可以满足检测要求。

阀口袋包装方式是粉体的主要包装方式之一,但在上袋环节普遍依赖人工操作来完成,效率低,粉尘危害大。针对这一问题,设计了一种阀口袋自动上袋机器人集成系统。该系统主要由阀口袋输送装置、机器视觉系统、工业机器人和控制系统组成。通过视觉系统在线采集阀口袋局部图像,利用二次开发的图像处理程序对图像进行处理,完成阀口袋的识别定位;然后PLC与机器人通信,工业机器人在视觉引导下通过上袋末端执行器完成阀口袋的拾取、开袋、套袋等一系列上袋工序。该系统视觉识别定位速度快,上袋末端执行器运行稳定,配合机器人较好地完成了阀口袋的自动上袋作业。

针对车辆通过典型路面时悬架控制系统的延迟问题,通过系统建模和机器视觉的方法研究了一种采用完全预瞄的悬架控制系统。该系统首先基于OpenCV对前方典型路面进行检测,通过对典型路面特征的识别、跟踪和测距完成预瞄操作,并融合车辆实时信息对悬架进行理想化控制。通过试验结果表明,基于视觉处理的预瞄方法可以准确检测典型路面的特征信息,采用预瞄后的悬架控制系统可以使悬架发挥更优的减振性能。在特定情况下解决了悬架控制系统的响应时间延迟问题。

针对传统叶面积测量方法存在的测量不准确、开发周期长、测量范围窄、对作物有损伤等缺陷，研发了基于CCD摄像和图像分析技术的作物叶面积测量仪。实验结果证明，该仪器具有操作简单、测量结果准确、可对作物叶片进行无损测量等优点。

为提高活塞杆表面瑕疵检测效率,设计基于机器视觉的全自动活塞杆表面瑕疵检测系统。利用LabVIEW软件的Vision模块进行图像采集、处理与识别,利用TIA portal软件进行运动控制;利用二值化算法过滤掉较小瑕疵;对图像进行腐蚀运算,再进行膨胀运算,以去除孤立小点、毛刺和小桥。实验结果表明:该系统运行稳定、可靠且效率高。

为了解决金属软管接头组件表面检测精准度不高和检测效率不高的实际问题,设计一套基于机器视觉的接头组件表面缺陷检测系统。针对接头组件图像背景复杂、噪声干扰多,通过使用图像滤波去噪、Otsu算法二值化以及图像形态学分析,提高图像的对比度,有效提取目标检测区域。而后采用Canny边缘检测算法,对图像进行边缘轮廓精准识别,并采用快速傅里叶变换方法和R-FCN算法,对缺陷特征信息快速进行匹配提取和分类处理。试验结果表明:此缺陷检测系统能有效提高检测效率,保证较高的检测准确率和精度,满足实际工业检测的需求,具有较好的实用价值。

针对指甲钳体外观缺陷人工检测方式存在生产效率低、劳动强度大、人身健康危害大等问题,应用RTIZ理论,提出了一种以可编程序逻辑控制器(PLC)控制技术为核心的指甲钳体外观缺陷检测系统。该系统以机器视觉技术实现指甲钳体外观缺陷采集和判断。根据生产工艺流程,并从可靠性和经济性综合分析,设计了以振动盘为主体的指甲钳体供应机构,提出了基于步进电机和直线高速模组的摄像头高速移动机构,以及基于气缸驱动技术的钳体移动方案。实际应用表明,该系统在提升产能、改善品质、降低人力成本、减少人身健康危害等方面比人工检测方式具有明显优势,具有良好的经济效益和社会效益,市场应用前景广阔。

针对工业生产中膨胀阀安装孔缺陷自动检测的需求,提出一种基于机器视觉的安装孔缺陷检测方法。使用SURF特征匹配定位待检测区域,利用双阈值迟滞分割法去除噪声;通过Canny算子计算轮廓边缘,利用邻域生长法提取轮廓信息。为克服缺陷信息的干扰,准确定位安装孔圆心,提出基于几何矩与最小二乘拟合的圆心定位方法。根据轮廓上的点到圆心的距离分割出缺陷轮廓并在输入图像上进行标注,从而实现安装孔缺陷的检测。结果表明:所提出的算法能准确检测膨胀阀安装孔的缺陷,满足工业生产中自动检测的需求。

针对活塞杆表面缺陷的问题,设计了基于机器视觉的检测装置,在活塞杆使用之前对其进行无损检测。采集完整的活塞杆圆柱面图像,经过快速处理,得出活塞杆是否存在缺陷,及缺陷的具体位置,同时提供缺陷的尺寸信息。