针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。

目前芯片管脚的几何尺寸缺陷检测局限于管脚的共面度、平整度、位置度检测, 对芯片管脚高度缺陷检测算法研究较少, 且未从三维角度进行检测。利用线激光传感器结合精密的机械传动结构研发一套三维激光扫描自动检测系统, 并提出相应管脚高度检测算法: 将采集的芯片管脚点云数据三维重建; 提出将所重建的三维图像投影变换为二维图像并灰度化, 利用连通域裁剪算法快速定位各管脚位置信息对其进行裁剪, 对裁剪的管脚频域高斯低通滤波, 用最近邻插值拟合并反灰度化; 以xoy面为基准面用求解函数最大值法求其各管脚的最值之差即获得芯片管脚高度, 将各管脚拼接后三维显示, 并与此芯片标准管脚高度进行比对, 对不合格的给予剔除。

针对传统长度测量方法无法检测节距的问题,提出一种基于机器视觉的光缆节距检测方法。该方法通过激光测速仪检测生产线速度,产生相应脉冲触发工业相机采集信息,低角度与背光照明相结合搭建检测系统。利用预处理操作解决灰度重叠几何性质不稳定等问题。为了提高定位精度,提出自动构造模板法有效快速自动构造匹配模板,并运用模板分区精确定位法解决直接匹配误判问题,进而匹配识别换向点并检测节距长度。通过理论分析和实验验证,该方法测出节距结果与标准节距结果误差为0.02~0.10 mm,满足工程需要,且系统运行稳定可靠,为检测光缆节距提供了一种新途径。