基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别...     

基于图像处理技术的表面缺陷自动检测系统的研究

开发了一种基于图像处理技术的制动阀表面缺陷自动检测系统。该系统根据功能面的特点设计了图像采集系统，综合运用了图像处理技术，使用了改进的中值滤波技术消除噪声，运用矩量不变法自动阈值分割，采用霍夫变换提取功能面，可准确判定工件的质量等级。用于生产线运行表明，该系统能够长时间稳定工作，检测结果可靠，克服了传统检测方法劳动强度大且误检率高的缺点。     

基于Delphi的车牌识别研究

介绍了基于delphi图像处理的车牌识别的流程,提出了去除噪声、RGB到HSL空间转换、二值化、Hough变换和8方向Sobel检测等研究方法,实验表明取得了满意的结果。     

基于计算机视觉的前照灯光束照射方向检测方法

本文介绍了一种基于计算机视觉的汽车前照灯光束照射方向检测方法，采用面阵CCD摄像机作为视觉传感器，可对远、近光进行检测。论述了系统结构和检测方法，并给出了部分图像处理结果。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

基于机器视觉的试验间入口检测识别

针对试验园区内叉车运送货物进试验间场景,提出一种基于机器视觉的试验间入口检测识别方法,利用边缘检测和Hough直线检测算法,结合检测目标特点进行筛选优化,实现了园区内试验间入口检测识别功能,对于开发智能叉车辅助系统有一定的工程意义。     

基于语义识别和机器视觉的智能审核方法研究

为实现报告自动化审核，本文提出通过基于网页提取信息填充报告模板，根据脚本算法审核报告基本信息，将报告中的文字及图片内容进行特征提取以及深度学习，识别报告结论的逻辑及技术准确性。结合优化OpenCV图像识别算法，在实现图片占用最小空间特征识别的基础上，实现图片信息提取。该研究具有较好的通用性，为实验室报告审核工作提供高效解决思路。     

基于卷积神经网络的铆钉缺陷检测方法研究

针对铆接过程中铆钉内部断裂缺陷难以分类判别问题,利用卷积神经网络和长短期记忆网络设计检测算法。首先,使用平滑滤波法将特征信号中的异常噪声值滤去,同时根据拟合函数对检测信号进行插值,提高特征数据的信息量。其次,利用处理后的故障样本训练网络来实现铆钉缺陷诊断。实验结果表明：该方法总体识别准确率可达99%,能够有效地进行铆钉缺陷诊断。     

基于机器视觉的球笼保持架窗口位置检测方法

介绍了一种基于视觉检测技术的球笼保持架窗口位置在线检测方法.采用具有独特双光源照明的成像系统的同时获取了窗口边缘和基准面的图像信息,以VC++为平台对数字图像信息进行处理和分析,频域高斯滤波完成图像去噪后,采用形态学边缘检测算法获得窗口边缘点和基准点,利用两直线的平行关系开展最小二乘直线拟合确定窗口边缘位置.实际应用证明该系统稳定可靠,检测效率高,具有良好的应用前景.     

基于机器视觉和支持向量机的汽车焊点定位研究

如何提高工业机器人的定位精度是实现汽车焊点自动化检测任务的一个关键技术问题。针对传统示教再现机器人存在的定位精度问题,提出一种基于机器视觉和支持向量机回归的焊点定位方法。通过融合激光测距信息的视觉系统测量机器人示教位置与期望位置的偏差,进行焊点的初步定位;建立基于粒子群优化算法的支持向量机回归模型,对视觉引导后的机器人末端进行三维空间上的误差补偿,实现焊点的精确定位;搭建了一套完整的试验平台,并与常用的支持向量机参数优化算法以及误差补偿模型进行比较和误差分析,验证了该方法的有效性和优越性。     

路面裂缝图像处理算法研究

为了避免传统人工视觉裂缝检测方法的耗力、耗时、不精确、影响交通、危险、花费高等缺点,提出了一种新的基于图像处理技术的路面裂缝类病害自动识别算法。识别分为两个步骤:首先以一个5×5的窗口为基准,在这个窗口中确定9种不同的掩膜模板,对有噪音的路面图像进行平滑和增强;然后基于阈值分割理论,采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征。最后对采集的200幅路面裂缝图像进行了平滑和分割试验研究,和Robison等常用的平滑模板相比,对图像进行增强的同时较好地保护了裂缝边缘。在对平滑后的图像进行分割当中,和Hough变换、数学形态学等分割算法进行了对比研究,结果表明了该算法在精度、速度和可靠性方面具有一定的优势。     

基于机器视觉对交通场景中车辆速度识别研究

通过对YOLOv5机器视觉框架进行二次开发，同时融合DeepSORT追踪算法，实现对桥梁交通车辆时空信息的提取和车辆轨迹的追踪。改进了传统的虚拟线圈法，实现了对车辆速度的测量，避免对传统方法中因检测线圈的像素变化进行阈值的设定，提高了算法的普适性。最后，将算法应用到实际的场景中与测速仪结果进行对比，其中平均误差在1%以内，误差最大值控制在为15%以内。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

基于视觉的文字识别系统的设计与实现

采用计算机对各种证件进行查验的关键是计算机字符识别,介绍了一个基于视觉,集文字（包括在线签名）识别和语音输出于一体的证件和票券计算机识别系统设计,通过对证件图像预处理、文字图像的字符区定位和字符的有效分割来提高文字识别率,实现了对各种证件和票券的自动查验,实验结果表明,采用该系统可增加验证准确度,提高工作效率.     

基于数字图像处理对汽车牌照自动识别系统的研究

以快速准确识别汽车牌照号码为目的,在充分利用数学形态学与多特征组合分析相结合分析的基础上,运用灰度变换、边缘检测、Radon变换、投影特征等图像处理方法,分车牌检测、字符分割、字符识别三步实现汽车牌照的识别,处理过程中考虑并解决了现实拍摄图像中存在的牌照倾斜等不利条件,用MATLAB软件对这些算法进行仿真,经过对多幅图像的处理实验表明,该系统识别速度快,识别率高。     

智能交通系统中基于机器视觉的数字车辆控制

在描述成像模型与视觉坐标系的基础上，给出了基于计算机视觉的车道与障碍物辨识检测算法，应用预瞄转向以及车辆控制等技术手段来实现数字车辆的道路跟踪。     

基于图像处理的交通信号灯识别方法

针对色盲或色弱驾驶员特殊群体,结合交叉口无人驾驶系统,提出一种能识别出交通信号灯当前状态的方法。在HIS颜色空间进行交通灯颜色分割,利用交通灯被黑色矩形框包围这一典型特征进行形状分割,根据形状分割所得位置对颜色分割候选区域进行确认,从而精确定位交通灯位置以及亮灯在交通灯中的位置;同样根据被黑色矩形框包围的特征设计模板,最终利用模板匹配,完成交通灯的识别。实验表明,该算法识别准确率较高。     

基于机器视觉的人眼定位算法研究

基于机器视觉的疲劳检测难点是人眼的准确、自动化的定位.针对目前基于红眼效应的人眼定位算法需要手工介入的问题,提出了一种改进算法,采用眼部区域的几何特征和对比度相结合的算法实现了自动化人眼定位,形成了一种基于红眼效应的实时、自动化定位人眼的快速算法.然后构建了一套使用850 nm红外光源的人眼定位系统,实现了快速准确的定位人眼.