基于最小二乘支持向量回归的小零件精密测量技

以圆销式齿形链板为研究对象,提出了结合图像处理技术和最小二乘支持向量回归的小零件精密测量方法.以CCD作为传感器采集图像,通过去噪和二值化等图像预处理技术获得待测零件单像素边缘轮廓信息.根据零件特点确定待测区域,并取出该区域中图像点的坐标作为最小二乘支持向量回归的训练点集,进行直线和圆的亚像素回归.对回归结果进行处理得到待测直线间夹角、圆孔直径、圆度误差和圆心距等几何参数.实验结果表明提出的方法不仅收敛速度快,而且精度高、稳定性好.     

小孔的图像处理与圆度误差的评定

小孔的测量，特别是对其圆度误差的测量与评定，一直是小孔测量中一项较难解决的课题。为此本文提出了对小妃的测量采用图像处理方法进行数据采集，二值化处理，去噪声和边缘检测，进而对圆度误差进行评定，试验表明，这种方案提供了检测和评定小孔圆度误差的可靠方法，并且它具有新颖性，先进性和实用性。     

基于模糊隶属函数的圆度评定参考区域法

针对目前圆度评定的极差法(例如最小二乘圆度评定法)设定参考区域,引入模糊隶属函数,给出了一个圆度评定的辅助指标,使圆度评定更精确,并经圆度误差的测量实验进行了检验和讨论。     

计算机视觉技术在微小尺寸测量中的应用

应用计算机视觉技术快速测量微小零件的尺寸,研究了CCD图像预处理、图像二值化、边缘处理、标定等技术,发现中值滤波平滑处理图像的精度更高,轮廓跟踪能使图像边缘确定时的运算更简单。图像检测结果与工具显微镜测量进行了比较,结果表明该测量方法可以快速、准确地实现大批量同类零件的尺寸测量及合格度的检验,并可满足100%在线检测要求,检测误差不超过0.0119mm,每件检测时间不超过2s。     

最小条件下直线度误差评定的不确定度研究

针对按最小条件评定直线度误差存在的不确定度问题,根据离散数据点测量的名义坐标和不确定度来计算最小条件下直线度误差的不确定度.假设测量数据点坐标服从均匀分布,基于最小条件的判定准则,讨论了参考直线的不确定性,并提出了处理方法.给出了直线度误差不确定度传递的公式和计算方法,讨论了用Monte Carlo随机模拟方法评定直线度误差,并用实例进行了分析,同时对测量点不服从均匀分布的情况进行了讨论.     

球度误差的网格搜索算法

结合几何形状误差的定义及球度误差的几何特征,提出了一种球度误差评定的几何算法——网格搜索算法。以最小二乘球心为初始参考点,按一定的规则布置一系列的网格点,依次以各网格点为假定理想球心计算所有测量点的半径值,通过比较、判断获得相应评定方法(最小外接球法、最大内接球法和最小区域球法)的球度误差值。阐述了球度误差网格搜索算法原理和实现过程。实例结果表明,该算法可以有效、正确地评定球度误差。     

使用迭代重加权最小二乘法求解平面度误差

提出了几何误差评定的迭代重加权最小二乘（IRLS-Iterative Reweighted Least Squares)算法。该算法采用一个迭代过程求解一系列加权最小二乘问题，并在每一步迭代中按照一定的规则对权系数进行调整，使其逐步逼近最优拉格朗日乘子。对于用CMM(坐标测量机)和其他设备得到的数据，可得到平面度误差的精确值。     

基于机器视觉的激光加工在线检测系统设计

激光加工作为高精密加工,对其加工质量的检测一直是一个重要的问题。相较于传统人工检测效率低、重复性不高等缺点。为此,设计了一套基于机器视觉的激光加工在线检测系统。该系统通过图像采集系统捕捉激光加工工件的表面图像特征,通过对拍摄到的图片进行图像增强、图像分割、边缘提取等一系列操作,提取出图像的轮廓信息,然后将获得的图像轮廓用最小二乘法拟合圆得到圆心坐标以及圆半径,求得圆度,实现了高精度的在线测量。试验结果表明,所设计的系统能够快速对激光加工的工件进行在线测量,该系统操作简便,精度较高。     

图像测量技术在轴承测量中的应用

针对轴承的外径尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴承外径的方法,包括图像的预处理、图像二值化、圆孔检测技术等。在外圆尺寸获取中,分别采用最小二乘法和霍夫变换技术进行处理,结果表明利用霍夫变换技术获取的外圆尺寸精度更高。并对系统进行标定,得到实际尺寸。分析及试验表明,用该方法对轴承外径进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

截面最小二乘圆心偏心误差运动的分离方法

被测截面的最小二乘圆心不但是被测截面圆度误差的评定基准,也是圆柱度形状误差的重构基准,由于采用误差分离技术分离出的回转误差运动是截面最小二乘圆心的偏心误差运动和纯回转误差运动的叠加,有效地提取截面最小二乘圆心的位置,一直是研究难题。通过对圆度误差的分离过程和分离出的回转误差运动进行分析,利用三角函数序列的正交性,提出了一种不涉及回转轴纯回转误差运动的一阶谐波分量,完整提取截面最小二乘圆心偏心误差运动的分离方法,并通过实验验证了该项技术的正确性。     

薄壁类零件加工中圆度误差超差问题探讨

分析了加工薄壁类零件圆度误差超差的原因,对圆度误差数值作了定量计算,介绍了圆度误差的检查方法。     

基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

基于计算机视觉的成熟番茄识别研究

以番茄图像为研究对象,提出一种成熟番茄识别方法。首先,以HSI模型中的色调分量为基础进行图像分割,提取出成熟番茄目标图像;然后,再采用最大方差自动取阈值法进行分割处理,对得到的目标图像进行轮廓提取;最后,对轮廓曲线采用Hough变换的方法进行识别,以同一个轮廓圆识别的多个极值点的均值作为最终识别结果,在Hough变换之前采用最小外接矩形法进行有效区域标记,提高了Hough变换的效率。通过多幅番茄果实图像的仿真测试表明:本算法对果实遮掩度为0、小于50%、大于50%这3种情况的识别率分别为78.7%、6 8.1%、4 1.9%,平均识别率达到7 0.6%。本算法对于成熟番茄可以较好识别,尤其对于存在重叠情况的番茄,识别准确率较高。     

基于机器视觉定位的家禽屠宰净膛系统设计与试验

针对国内家禽屠宰净膛作业中存在的劳动强度大、工作效率低、作业环境差等问题,设计了一种基于机器视觉定位的家禽屠宰净膛机械手系统。系统由家禽胴体悬挂输送装置、双直角坐标式机械手本体、机器视觉系统和PLC控制系统组成。通过视觉系统在线采集家禽胴体和膛口图像,采用中值滤波和灰度增强对胴体图像进行预处理,然后用全固定阈值法进行图像的二值化,设定面积阈值后通过闭运算以及孔洞填充得到分割掉家禽翅膀和腿部的二值图像,计算二值图像轮廓,获取质心坐标;采用最大内接圆法对家禽膛口进行定位,得到膛口中心坐标;坐标变换后将数据传输到PLC控制器中,指导机械手完成净膛工作。试验结果表明,该系统对家禽外形轮廓质心坐标、膛口中心坐标的重复定位精度分别达到±1.6、±1.52像素,净膛机械手能够准确抓取内脏,内脏平均残留率为7.63%,内脏平均破损率为23%。     

基于机器视觉的圆孔零件内外径尺寸精密检测

利用机器视觉技术建立了圆孔类零件内外径检测系统,有效解决了圆孔类零件内外径人工检测效率低、检测结果误差大等问题。图像处理方面,首先对零件图像高斯滤波去噪,其次采用Canny算子边缘检测,然后基于最小二乘法椭圆拟合算法进行边缘拟合,从而实现对内外径的亚像素检测。试验表明,该系统离散度为0.039 mm,满足实际生产要求。     

基于OpenCV的齿轮自动识别研究

利用OpenCV图像处理技术对工业中齿轮图像进行自动识别检测,并在图中用矩形框标注出轮廓。运用了灰度化处理、边界检测的方法对图像进行平滑模糊处理,再运用二值化、腐蚀膨胀、轮廓检测的方法获得齿轮的外形数据,并对最后识别结果进行分析。     

基于视觉的茶作物行间行走路径规划研究

以茶作物为对象,提出了一种基于视觉的作物行间行走路径规划方法。对实时彩色作物图像用2G-RB算法灰度化,分离作物和背景,通过固定阈值二值化图像,采用形态运算去除干扰。以区域内作物的比例变化为判别垄间垄头依据。对于垄间,利用漫水填充算法分离出垄沟,通过最小二乘法拟合导航线,得到垄间行走时候的导航控制参数;对于垄头,先分离出转弯一侧的作物,采用圆形模型拟合垄头处轮廓,通过拟合的圆来规划出转弯时候路径。试验结果表明:该算法能准确提取导航线,处理一帧图像约为150ms左右,可满足导航的要求。     

基于曼哈顿距离检测的马铃薯畸形识别

使用曼哈顿距离检测法对马铃薯进行畸形识别。首先对采集的数据集进行灰度、二值化等图像预处理,获取马铃薯形状轮廓的最小外接圆,并提取所有轮廓曲线。使用Python库Skimagecanny算法遍历马铃薯图像边缘,从而获得其轮廓线像素的点坐标,并与已获取最小外接圆坐标数据构成二维坐标矩阵,即可快速计算矩阵中每一列上下对应两点间的曼哈顿距离值,并绘制曼哈顿距离坐标图。通过观察曼哈顿距离曲线的走势、波峰个数以及波峰最大值与最小值间的差值(波峰差),即可判断马铃薯是否畸形。测试数据表明,马铃薯畸形识别的准确率约为96%。该方法简单、速度快、准确率高,具有潜在应用价值。     

基于网格搜索算法的圆锥度误差计算

针对圆锥度误差评定中寻找理想圆锥轴线问题,提出了网格搜索算法,并建立了圆锥度误差数学模型。该算法是在圆锥初始、终止截面的最小二乘圆心周围,布置一定边长的正方形并以此划分网格点,将两截面的网格点两两连线作为理论圆锥轴线,计算最小区域圆锥度误差。论述了采用网格搜索算法求解圆锥度误差的原理和步骤。实例表明,网格搜索算法可以有效、正确地评定圆锥度误差。