一种残差分析动态阈值分割的瓶口缺陷检测方法

    公开(公告)号:CN105334219B

    公开(公告)日:2018-03-30

    申请号:CN201510589588.3

    申请日:2015-09-16

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于残差分析动态阈值分割的瓶口缺陷检测方法,首先,提出随机圆评估方法用于实现瓶口区域定位;随后,对极坐标变换展开所得的瓶口目标图像进行强烈平滑处理,平滑前后的瓶口目标图像进行差分,形成一个随原始瓶口目标图像灰度值变化的阈值曲面,用该曲面对瓶口目标图像进行动态阈值分割;最后,对分割后的二值图像进行区域连通性检测,根据连通区域的高、宽和面积判断其是否为缺陷。该方法对图像中识别目标的灰度值变化、干扰有很强的适应能力,且执行速度快,有效解决了瓶口缺陷高速高精度检测的难题。

    一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法

    公开(公告)号:CN105046697B

    公开(公告)日:2017-07-28

    申请号:CN201510390748.1

    申请日:2015-07-06

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法,由获取边缘点和检测圆两大部分组成,具体步骤为:(1)通过阈值分割、重心计算和径向扫描获取瓶口外边缘点;(2)对瓶口边缘点随机采样三个点确定一个随机圆;(3)以到随机圆距离小于给定阈值的外边缘点的数目与边缘点总数的比值为随机圆的圆拟合度,计算拟合度;(4)重复执行步骤2和步骤3,直至成功实现圆检测的次数或执行三点随机圆检测的总次达到给定阈值;(5)搜索最大拟合度,以该值对应的随机圆圆心作为瓶口中心。该方法有效的解决了现有啤酒瓶口定位方法在瓶口严重破损或光照不均时定位误差大的问题。

    一种基于机器视觉的PET瓶多角度检测方法和装置

    公开(公告)号:CN106546600A

    公开(公告)日:2017-03-29

    申请号:CN201610948636.8

    申请日:2016-10-26

    Applicant: 湖南大学

    CPC classification number: G01N21/8851 G01N21/892 G01N2021/8887

    Abstract: 本发明公开了一种基于机器视觉的PET瓶多角度检测方法和装置,该瓶盖缺陷检测方法采用支撑环与瓶身位置相对固定,并且支撑环与瓶盖上方直线几乎平行的原理实现支撑环定位,根据支撑环的直线与瓶盖上方直线的关系,判断瓶盖是否存在缺陷。防盗环缺陷检测通过逐像素往上平移支撑环所在直线,并记录每次穿过像素为零的点的个数,来判断防盗环是否存在缺陷。液位缺陷通过寻找以液位线为底边界的连通域,以液位线中点来定位液位位置,判断液位是否存在缺陷。该装置结构简单、调试方便、成本低、速度快,能实现对检测对象的多角度成像,相比现有检测方法,检测内容更多,速度更快,能在一次成像的过程中实现液位、防盗环及瓶盖的全方位检测。

    一种基于机器视觉的啤酒瓶口定位方法

    公开(公告)号:CN105157563A

    公开(公告)日:2015-12-16

    申请号:CN201510206319.4

    申请日:2015-04-28

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器视觉的啤酒瓶口定位方法,其步骤为:(1)对瓶口图像进行阈值处理,通过重心法获取瓶口圆心的大致位置;(2)以重心为圆心进行径向扫描,获得瓶口图像的外边缘点;(3)利用重心到各边缘点距离的变化特征去除干扰点;(4)对边缘点分组,任选其中Nc组边缘点,用最小二乘法进行圆拟合,求出在该拟合圆上边缘点数目所占边缘点总数的比例ηj,保存所有拟合结果及对应的ηj;(5)选择拟合圆上边缘点数目所占边缘点总数的比例最多的拟合圆圆心作为瓶口中心位置。该方法能在啤酒瓶口图像不完整或存在连续干扰点时,准确快速的定位为瓶口中心,适用于高速自动化流水线上的啤酒瓶口质量自动检测。

    一种钢轨表面缺陷视觉检测装置及识别方法

    公开(公告)号:CN109978874B

    公开(公告)日:2023-03-14

    申请号:CN201910259330.5

    申请日:2019-04-02

    Applicant: 湖南大学

    Abstract: 本发明公开了一种钢轨表面缺陷视觉检测装置及识别方法,所述检测装置包括上位机、相机、光源、光源控制器、滚珠丝杠、电机、电机驱动控制器、编码器和支架。所述识别方法包括以下步骤:S1、通过相机获取钢轨表面图像;S2、通过中值滤波法和垂直投影法获取钢轨表面感兴趣区域图像;S3、对钢轨表面感兴趣区域图像进行小波分解;S4、对所述步骤S3中小波分解高频部分进行反向P‑M扩散;S5、对反向P‑M扩散后的钢轨表面图像进行小波重构;S6、通过自适应阈值的Sobel算子对小波重构后的图像进行边缘检测,并对边缘检测后的图像矩阵进行滤波,从而完成检测。本发明能够将图像中真实缺陷的边缘部分突显出来,同时抑制了噪声和线性干扰,具有识别准确率高的特点。

Patent Agency Ranking