文章提出了一种基于机器视觉的BGA器件焊球质量检测方法。该方法在同一视点下，用相同光源分别以两种不同入射方向角照射被测BGA连接器焊球，获得两幅图像，然后得到BGA连接器焊球在x方向的曲面信息，以此计算出被测焊球的主要质量参数。最后给出了BGA连接器焊球检测的主要算法。

介绍了机器视觉系统的组成,并以GDX2包装机组为例,介绍了基于PC的机器视觉系统的硬件组成和图像分析处理过程,包括系统照明、检测信号的同步、系统的软件构成、图像特征比较算法和残次烟包的剔除.

液压部件的划痕是一种影响机械质量的缺陷,针对传统人工检测液压机械部件表面划痕的效率以及覆盖度较为低下的问题,提出了以机器视觉技术的检测方法,面对液压机械部件存在光滑表面反光的情况,设计了包含柔性散射光源和高像素工业相机的先进检测系统来增强图像采集能力,利用双滤波器对划痕缺陷进行在线检测,实验结果表明,该检测方法能够提升液压机械部件划痕缺陷检测的精度和稳定性。

针对电子元件缺陷传统人工检测方法存在劳动量大、检测效率和自动化程度低、成本高等问题,提出一种基于Halcon的视觉检测系统。针对研究对象的特殊性,提出两次采集、两次判断的多特征自动检测方法,并构建验证试验平台;利用CCD相机实时采集元件图像,再对图像进行中值滤波等预处理,降低图形噪声;采用阈值分割、Blob分析的方法对图像缺陷特征进行形态学特征识别和提取,得到判断结果。实验结果表明:该检测方式能快速、准确、高效地提取电子元件缺陷特征;单幅图平均图像处理时间为131 ms,检测平均准确率为95%;另一方面,自动控制系统稳定性强,精度高,单个元件检测周期平均时间为4.7 s,相教于人工检测效率提高了38%,满足工业要求。

根据企业提出的对减振器活塞杆端面瑕疵的检测要求,开发一款基于视觉的可自动上下料以及自动筛选合格品与不良品的全自动化检测设备。经过长时间的现场应用,验证了该系统具有检测速度快、稳定性高以及无误检等优点。

在视觉引导机器人完成抓取的过程中,最重要的步骤是手眼标定,手眼标定的精度将直接影响后续工作的精度。充分考虑相机畸变对手眼标定的影响,在Halcon环境下,设计一种高精度的固定视点手眼标定方法,该方法在确定了机器人基础坐标系与相机图像坐标系之间关系的同时也标定了相机的内外参数,并通过实验进行验证。结果表明:该标定方法具有较高的精度,可广泛应用于视觉机器人的定位抓取工作。

智能制造是我国实现制造强国的重要途径,而机器视觉技术已成为智能制造系统的核心技术之一。采用文献研究法对近年来机器视觉技术在智能制造领域的主要研究成果与应用情况进行了系统的梳理,详细阐明了机器视觉在智能制造领域的四大应用(引导、检测、测量、识别)及其研究进展;对全球机器视觉产业发展现状进行了详细的阐述与分析;预测了机器视觉技术在智能制造行业的发展方向。研究结果对我国智能制造底层建设、机器视觉的发展有重要意义。

针对现有人工目检方法对精加工硬质合金微型喷嘴产品表面检测存在速度慢、缺陷漏检率和误检率高等问题,提出一种基于机器视觉的喷嘴图像缺陷检测方法。分析了喷嘴缺陷图像类型和喷嘴结构,重点研究了喷嘴缺损圆边缘拟合、疤料边缘增强、极坐标变换和缺陷灰度值差异统计等。该方法避免了喷嘴的复杂结构对缺陷定位和检测造成的大量计算。通过对合格和不合格喷嘴进行检测,验证了该方法缺陷检测准确率达到98.6%,每件产品检测时间为0.834 s,而目视检测准确率为91.2%,每件产品检测时间为5.213 s。因此该算法有效提高了检测精度和速度,满足工业生产线对喷嘴检测准确性和实时性的要求。

为了解决传统工业机器人无法对多个不定位姿的工件进行分拣抓取的问题,搭建一套基于机器视觉的零件分拣及上下料系统。所搭建系统能够较准确地对铝件和有机玻璃件进行分拣,并对工件的位姿进行识别,最后将结果换算到机器人的世界坐标系下,对工件进行准确抓取和上下料。其中针对工件的分拣,提出了通过条形码进行识别分拣的方法,此方法简单有效,快速便捷。对与背景对比度不高的透明有机玻璃件的位姿识别,提出一种自适应调参线性变换方法,从而准确识别出透明件的位姿信息。经实验测试,所搭建系统具有较高的准确性。

为实现对随机摆放的多类型工件进行分类识别和定位,提出一种基于连通域Blob分析与神经网络分类器相结合的方法。该方法运用机器视觉技术,以Halcon软件为试验检测平台,通过Blob分析提取工件的特征信息实现定位,并且应用提前训练好的神经网络分类器对多类型工件进行分类识别。试验结果表明:相比传统模板匹配和定位算法,该多工件分类识别和定位方案识别准确率达到100%,定位精度提升0.7 mm,识别和定位时间减少8.735 ms,具有更好的多工件识别定位效果,有一定的应用前景和推广价值。