一种基于LabVIEW的摄像机非线性畸变标定方法

摄像机标定是机器视觉系统成功应用到自动化生产领域的关键环节，也是船舶焊接自动化工程中的关键技术。提出了一种基于LabVIEW的摄像机非线性畸变标定方法,该方法在Tsai两步法和Brown模型的基础上,考虑了工业相机的实际要求,优化了畸变参数并简化了畸变模型。采用德国Basler工业相机及其配套镜头,使相机工作距离为100mm,通过LabVIEW平台和圆点标定板,分别对三种方法的标定精度和校正效果进行实验分析,实验测得数据与理论数据对比结果表明畸变误差的平均值为0.0003 mm,畸变为0.0147%,可以满足基本的工业检测精度要求,同时能将标定结果保存为独立文件,以便快速地标定。较传统方法在精度和灵活性方面有所改进。     

涂胶缺陷检测中的边缘提取方法

针对涂胶区域分割不够准确影响检测精度的问题,提出一种新的边缘提取算法来获取涂胶区域.为避免出现传统Canny边缘检测方法存在的易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像进行滤波去噪,增加45°方向和135.方向图像梯度计算,利用改进的Canny算法获取边缘,针对获取的边缘点,使用区域生长方式将涂胶区域提取出来;对提取的涂胶区域与标准涂胶区域进行配准和减影,得到的减影结果即为涂胶缺陷.仿真试验结果表明,该算法能很好地提取到胶水区域,并获取胶水缺陷.     

边缘提取在涂胶缺陷检测中的方法研究

船舶发动机盖外板与内板之间常涂覆一层防震密封胶,但具体涂胶形态难以观测,常用机器视觉手段获取产品涂胶图片。针对涂胶区域分割和检测精度低,效率慢的问题,提出一种新的边缘提取算法获取涂胶区域。为了避免传统Canny边缘检测方法易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像滤波去燥,增加45°和135°两个方向计算图像梯度,利用改进后的Canny算法获取边缘,对获取到的边缘点用区域生长方式将涂胶区域提取出来,最后将提取到的涂胶区域与标准涂胶区域进行配准和减影,得到减影结果即为涂胶缺陷。试验仿真表明：本算法能够很好的提取到胶水区域,并且获取胶水缺陷。     

基于改进YOLOv5s的铝型材表面弱缺陷识别方法

针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题，提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤，降低检测复杂度；利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题，加快损失函数的收敛速度。通过优化算法的边界框回归损失函数，提高算法模型的定位精度；同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明，改进算法的检测平均精度均值为93.3%，检测速度为41帧/秒，能提高船舶类铝型材弱缺陷检测的效率和自动化程度。