欢迎登录材料期刊网

材料期刊网

高级检索

为了降低工人劳动强度,提高检测速度和检测准确度,将机器视觉引入到钢包头在线检测,并设计了检测样机.首先分析钢包头变形特点,提出了基于8个变形敏感区域14项重要指标的检测模型和流程,重点介绍了具体图形算法,最后基于halcon软件编程测试了系统性能,并分析了运动对测量的影响、误差来源及其消除方法.实验结果表明:在线检测的最大误差小于0.2 mm,漏检率0‰,检测精度远高于人工检测,平均视觉检测时间为213.71 ms,整体检测速度约是人工检测的3.5倍,所设计系统可以满足流水线检测需要.

参考文献

[1] 孝缠民,戴盛涛.钢包头用冷轧窄带钢质量改进[J].特钢技术,2011,17(2):46-63.
[2] 李一芒,何昕,魏仲慧.红外预警实时图像处理系统设计与实现[J].液晶与显示,201 3,28(1):110-114.
[3] 陈洪财,张荣学.基于图像识别的液晶盒厚在线测量系统[J].液晶与显示,2011,26(4):561-564.
[4] 美围国家仪器(NI)公司.机器视觉如何应对与工业自动化系统集成应用的挑战[J].电子技术应用,2009,35(6):24-25.
[5] 唐启敬,田行斌,耿明超.CCD视觉检测系统的整体标定[J].光学精密工程,2011,19(8):1903-1910.
[6] 刘源泂,孔建益,王兴东,等.基于HALCON的非线性摄像机标定算法研究与应用[J].机械设计与制造,2012(2):61-63.
[7] 曾俊.图像边缘检测技术及其应用研究[D].武汉:华中科技大学,2011.
[8] 屈玉福,浦昭邦,王亚爱.视觉检测系统中亚像素边缘检测技术的对比研究[J].仪器仪表学报,2003,24(Z1):460-462.
[9] Carston Steger,Markus Ulrich.Machine Vision Algorithms and Application[M].北京:清华大学出版社,2008:176-238.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%