针对实际生产制造中纽扣电池的划痕、凹坑或污渍等缺陷自动检测问题,提出一种基于机器视觉的纽扣电池缺陷检测方法。利用同轴光源和多角度条形组合光源,搭建了视觉成像系统,获取高质量缺陷图像。然后对图像进行预处理,使用简化的组合缺陷检测算法进行检测,形成了一套完整、高效的纽扣电池缺陷检测系统。最后对纽扣电池的划痕、凹坑及污渍缺陷进行批量实验,结果表明三类缺陷的检测成功率均超过98%,验证了该检测系统的有效性。

针对大型旋转机械难以获得大量故障样本和不变矩识别率低的问题,提出基于组合矩和随机森林模型的转子轴心轨迹识别方法。采用实测的轴心轨迹作为样本,采用Sobel算子提取轴心轨迹的轮廓,基于轮廓的形状几何特征和不变矩构造组合矩。将不变矩和组合矩作为随机森林模型的输入进行分类,证明了组合矩的分类准确率最高。对随机森林、支持向量机和BP神经网络的分类效果进行了对比,结果表明:随机森林的分类准确率要高于支持向量机和BP神经网络,并且识别时间较短,是诊断旋转机械故障的一种新方法。