Bella_zhang0701的博客

本文提出一种可以借助智能手机完成识别的零件孔位尺寸快速检测方法，以期以较低的使用成本为现场测量工作提供一种补充手段，并为零件视觉测量提供一种可供借鉴的思路和方法。

针对汽车线束绑扎胶套的检测及测量过程中人工主观影响大、效率低等问题，设计了一种基于机器视觉和深度学习的胶套检测与测量系统。

视觉检测系统可以代替人工完成条码字符、裂痕、包装、表面图层是否完整、凹陷等检测，能有效的提高生产流水线的检测速度和精度，大大提高产量和质量，降低人工成本，同时防止因为人眼疲劳而产生的误判。

首先构建汽车精密零件表面缺陷的机器视觉图像采集模型,然后在切削载荷作用下,采用疲劳裂纹的视觉特征重构方法实现对汽车精密零件表面缺陷自动检测,最后进行仿真测试,展示了本方法在提高汽车精密零件表面缺陷自动检测能力方面优越性能。

本文首先对图像进行裁剪有效检测区域、Gamma校正和像素值增强等预处理，目的在于突出梯度的同时保证多车道线信息不丢失；然后基于多相位 Gabor 滤波器进行滤波叠加合成 Gabor 滤波叠加图，留下与车道线相关的纹理信息；接着使用多变量因子的 Hough 变换算法将车道线转化为多条直线段，减少无关干扰；最后基于叠加直方图和双截距约束的方法实现快速分类。通过少量关键点完成拟合。

机器视觉在无人机领域的应用发展

本文从实际需求出发提出了基于 MPL 分类器的零件识别方法。 通过提取 3C 组件的圆度来训练 MPL 分类器模型，使用训练完成的 MPL 分类器模型实现 3C 组件的自动分类。 通过改变形状特征可以实现更多不同零件的识别检测。

基于对脑癌患者的诊断与治疗的重要性，提出一种优选集成卷积神经网络方法以对多模态的脑肿瘤图像进行有效而精准的分割。具体来说，根据所使用的2个子卷积神经网络的不同特点及其表现，将它们分别用于不同脑肿瘤模态数据的图像分割处理。此外，为了进一步提升分割的有效性，对原始网络进行了一些结构与超参数方面的优化。与脑肿瘤分割比赛中的优秀结果以及其他优秀的脑肿瘤图像分割方法进行比较，验证结果显示，笔者提出的优选集成卷积神经网络方法进行了脑肿瘤的高度精确分割。

随着人工智能领域的探索不断深入，高铁和城市交通逐渐走向智能化，越来越多的图像识别算法应用在辅助导航、自动驾驶上。在实际场景中，高铁在行驶过程中会面临一些极端情况，例如泥石流灾害、轨道脱轨等，对于这些极端情况通常采用图像识别的方式进行判断 。目前针对物体轮廓标注多边形的方式存在更为明显的效率低下问题，人工标注成本过高。为控制数据标注成本，提高人工标注物体轮廓效率是最直接有效的方法，设计实现一个高效率的数据标注工具十分关键。

图像分割是计算机视觉和图像理解中最重要的研究课题之一，该论文提出了一种快速自动的 FCM 彩色图像分割算法，所提算法的计算复杂度较低、运行时间较少、分割精度较高。

钢材是发展现代工业技术的基本材料，随着工业制造能力的提升，钢材广泛应用于建筑行业、海洋工程、航天工程，对钢材也提出了更严苛的要求。然而由于生产工艺限制，钢材在生产过程中不可避免地存在深度各异的表面缺陷，如划痕、裂纹、凹面等。这些缺陷不仅会影响产品外观，同时会导致钢材耐磨性、韧性等性能下降，缩短钢材的使用寿命。因此，分析与掌握如何提高钢材表面质量是现代钢材生产厂家亟需解决的重要问题。

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着重要影响。本篇论文从传统图像处理方式、传统机器学习及深度学习3大维度全面回顾了近 10 年基于机器视觉的PCB 缺陷检测算法。

分享一篇机器视觉检测技术在公路落物识别中的应用文章，论文发表在《数字技术与应用》，介绍了机器视觉对普通国省干线公路落物识别的算法设计，对主要内容作了摘抄和整理，分享给大家~

分享一篇机器视觉检测技术在汽车行业中的应用文章，论文发表在《电子测试》，介绍了机器视觉对汽车零部件平面度检测的设计，对主要内容作了摘抄和整理，分享给大家~