鱼体背部轮廓BPR算法的淡水鱼种类识别方法研究

针对淡水鱼种类的在线自动识别问题,利用机器视觉技术,提出一种鱼体背部轮廓弯曲潜能比率BPR(Bending Potential Ratio)的无损鱼体识别方法。首先通过分析采集的鲫、草鱼、鳊、鲤四种常见鱼类样本集,采用最小二乘算法建立相应的背部轮廓数学模型,并对鱼的BPR值分布区间作统计分析;接着对需要在线识别的鱼体通过摄像头获取相应彩色图像,并对获取的彩色图像进行相关预处理得到鱼体轮廓;最后计算鱼体图像的BPR值并根据建立的鱼体BPR分布模型识别出鱼的种类。实验结果表明,所提方法具有算法简单、识别准确率较高的特点,在采集的数据库上识别精度达到95%以上。     

一种角度无关的Gabor-SVM昆虫识别

传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力.     

基于轮廓特征点的高精度识别目标方法

为了实现高成功率、高精度和快速识别跟踪目标,提出对基于轮廓特征点的目标精确识别方法。在识别过程中采用了轮廓提取和多边形拟合算法自动搜寻到图像中要识别和跟踪的目标,同时对目标物轮廓的多边形角点进行亚像素分辨率的定位,从而可以利用目标轮廓角点的精确定位来实现对多边形目标的识别与跟踪。试验结果以及特征点亚像素算法分辨率的分析表明,采用这种自动识别与跟踪目标的方法,其精度可以达到0．02像素。     

基于轮廓提取的电能表视觉识别技术

为了对电能表的位置进行准确的识别,提出了一种电表轮廓检测的新方法。采用机器视觉技术读取电表图像,然后对目标进行提取和识别,获取需要的电表信息。该方法利用液晶屏的识别,液晶屏外围矩形环和表肚区域的确定,实现了电表的识别与精确定位;采用OpenCV编程实现了电表轮廓提取的完整过程。     

粒子群优化神经网络在动态手势识别中的应用

为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。     

基于可区分二进制局部模式特征的蛾类昆虫识别

蛾类昆虫多为农业害虫,自动识别蛾类昆虫种类对虫害预测预报意义重大。针对现有昆虫自动识别方法集中在目以上层次昆虫识别难以实现目内昆虫识别,提出一种基于纹理特征的蛾类昆虫识别方法。应用一种改进的局部二进制模式提取昆虫图像特征,对提取得到的特征矩阵按照蛾类昆虫类别抽取本质维数,最后用KNN算法实现蛾类昆虫识别。实验结果表明:可区分CLBP能够对昆虫原始图像直接提取特征并获得优异的识别性能,同时,能够有效降低特征矩阵的维数,从而缩小存储空间,降低相似性比较的计算复杂度。该研究拓宽了计算机视觉技术应用范围,有助于实现农业病虫害的尽早预测。     

空间交会对接位姿测量中特征靶标快速识别

空间交会对接中,需实时测量追踪航天器上视觉传感器与目标航天器上特征靶标之间的位姿,而其前提是快速、准确识别特征靶标。提出一种四同心圆环特征靶标的快速识别算法。该算法首先使用优化的Otsu算法进行图像分割,然后采用连通域识别方法进行轮廓提取,最后根据圆的周长与面积的关系确定圆轮廓,并采用最小二乘法进行圆拟合,提取特征圆心。通过实验对方法进行验证,结果表明,该方法能在2 m距离内准确、快速识别特征靶标,且与优化前算法相比,该方法运算效率提升了近10倍。     

机器视觉技术在工件分拣中的应用

研究了机器视觉技术在工业分拣问题中的应用,介绍开发过程中使用的主要图像处理算法.利用VisualC++编程软件建立图像处理的算法库,实现对规则几何工件的识别和定位.分析视觉算法库中的摄像机模型,并且求解出摄像机内外参数、畸变参数、旋转和平移向量.然后对图像序列进行图像预处理、Hough圆检测、角点提取和轮廓识别等运算分析.提出计算多目标中心的算法和一种角点特征结合轮廓特征识别算法.仿真结果表明,该视觉算法可以有效解决规则几何工件的分拣问题,并且能准确地计算工件中心,周长,面积和边缘,以达到分拣的目的.     

基于最小二乘支持向量机的机器视觉识别方法

为了解决传统的机器视觉识别技术识别精度低的难题,提出基于粒子群优化最小二乘支持向量机的机器视觉识别方法.首先,对机器视觉采集的图像进行特征提取;然后,利用特征数据建立基于粒子群优化最小二乘支持向量机的识别模型;最后,以红枣缺陷识别作为应用案例以证明该方法的有效性及优越性.分别采用人工神经网络、支持向量机与该方法进行对比...     

用行人轮廓的分布直方图分类和识别步态

现有的步态识别方法对行人轮廓匹配的鲁棒性差,识别率不高.提出了一种基于轮廓直方图分布的行人步态识别方法.首先提取行人二值轮廓序列;然后通过人体局部轮廓的点分布直方图获取步态周期;继而构造表达帧间关系的周期步态平面,设计一种直方图分布的描述子获得帧姿态特征值,计算出姿态轮廓特征分布间的Jeffery距离,结合动态时间规整技术获取了测试序列和参考序列间的匹配相似度,最终完成了识别.在Soton步态数据库上进行了实验,提出算法的正确识别率可达87.59%,与相关文献的时比分析表明算法是有效的.     

基于凹点检测的卵母细胞极体识别方法

为解决卵母细胞极体不明显时无法有效识别的问题,提出一种基于凹点检测的极体识别方法.结合Otsu算法和形态学操作提取细胞轮廓;通过角点检测和圆形掩膜方法搜索轮廓上的深凹点,设计自适应确定掩膜半径方法和凹凸特征参数判别深浅凹点,筛选出卵母细胞与极体粘连形成的深凹点,确定识别结果.实验结果表明,该方法在极体不明显时识别准确率...     

基于机器视觉的大黄鱼形态参数快速检测方法

大黄鱼形态参数测量对大黄鱼养殖遗传选育和品质改良等具有重要意义。文章结合机器视觉和称重传感器技术,设计开发了一种大黄鱼体重、体长和体宽等外部形态多参数同步自动检测系统。该系统通过机器视觉自动检测鱼体外部形态参数,通过称重传感器自动获取鱼重量参数。实验结果表明,系统的尺寸测量平均误差为0.28%,鱼重测量平均误差为0.74%,可以满足大黄鱼形态参数测量精度要求,为鱼类形态参数自动检测提供了一种有效的新途径。     

基于机器视觉的二次设备运行状态巡检方法研究

为了提高二次设备运行状态的自动检测能力,提出一种基于机器视觉的二次设备运行状态巡检方法,采用机器视觉方法构建二次设备运行状态的成像模型,提取二次设备运行状态的视觉成像特征量,采用边缘轮廓检测方法进行二次设备运行状态机器视觉的边界特征分析,在机器视觉的梯度下降流中构建二次设备运行状态巡检的变结构分布模型,以灰度值较高区域边界像素点为中心,进行二次设备运行状态巡检的视觉重构识别,实现二次设备运行状态自动巡检。仿真结果表明,采用该方法进行二次设备运行状态巡检的智能性较高,特征分辨能力较好,提高了二次设备的巡检能力。     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

轴承防尘盖缺陷机器视觉自动检测方法研究

轴承防尘盖在装配过程中易出现各种擦伤、压痕等缺陷，从而影响配套主机的精度、可靠性及寿命，急需研发自动化的轴承表面缺陷检测设备来提高我国轴承生产水平。采用自主设计的自动化检测设备，利用机器视觉结合图像处理方法对轴承表面图像进行采集、分析和处理；采用连通域检测和轮廓筛选方法对轴承外轮廓进行提取；采用最小二乘法拟合外轮廓圆得到圆心及外径，结合半径占比分离法实现防尘盖圆环区域的提取；采用改进算法对防尘盖圆环图像进行展开以避免图像展开时字符或缺陷的误分割；采用垂直方向投影法分离字符区和非字符区，通过连通域检测法对两部分是否存在缺陷分别进行判别。实验结果表明，采用自主设计的轴承检测设备结合最小二乘法、OTSU法、改进的图像展开和投影算法，可实现轴承防尘盖缺陷的自动化检测，正确识别率为96.9%。     

基于图像处理技术的零件孔位尺寸快速测量方法

为提升现有图像测量技术的工程应用价值,针对车身车间现场薄板类零件孔位测量问题,基于二维图像处理技术提出了一种可直接借助智能手机完成零件孔位大小及间距测量的方法;该方法引入测量基准贴纸实现比例尺功能,并且通过手机镜头去畸变算法提升测量精度;借助Canny边缘检测算子得到待测量孔位外边缘轮廓, 使用形态学算法去除干扰;最后计算孔位外围边缘最小外接矩形长宽及中心连线的距离,得到孔位的几何尺寸;两个实验案例表明提出方法所得孔位大小及间距绝对误差小于0.4 mm,能够作为车间现场测量公差较大孔位工作的一种补充手段。     

基于迁移学习的鱼类识别方法研究

近些年水下图像资源已经引起海洋生态学家对鱼类种群研究的关注,鱼品种的识别既是海洋鱼类资源探测的第一步,也是有效开发利用海洋资源的重要基础,而自动化的鱼品种的分类识别也将提高在该领域的研究效率。利用迁移学习的强大能力和巨大优势,不需要手动计算图像特征,神经网络使用原始图像作为输入,将其运用到鱼类图像的识别方面。该文提出了一种基于AlexNet预训练模型和迁移学习技术的鱼类识别方法,使用预训练的AlexNet网络从鱼类数据集的前景图像中提取特征,对网络模型进行微调,最后利用线性支持向量机分类器完成分类。通过研究卷积神经网络的架构,激活函数和数据增强对识别结果的影响,经过大量对比实验验证了所提出的网络模型的有效性,提高了鱼类识别的准确率。     

基于自适应混合模型的药液异物视觉检测

针对医药灌装生产线中产品异物检测的特点和要求,设计一套采用机器视觉技术的灌装药液异物自动检测系统,研究基于自适应混合模型的药液异物视觉检测方法。在对获取的药液图像预处理后,利用自适应混合高斯模型对药液序列图像数据进行检测,获得感兴趣的目标区域,采用形态学运算对目标区域进行分割。实验结果表明,该系统能准确有效地检测出药液内的异物,可满足医药灌装生产线上高速、高精度的检测要求。     

Development of a biomimetic robotic fish and its control algorithm

This paper is concerned with the design of a robotic fish and its motion control algorithms. A radio-controlled, four-link biomimetic robotic fish is developed using a flexible posterior body and an oscillating foil as a propeller. The swimming speed of the robotic fish is adjusted by modulating joint's oscillating frequency, and its orientation is tuned by different joint's deflections. Since the motion control of a robotic fish involves both hydrodynamics of the fluid environment and dynamics of the robot, it is very difficult to establish a precise mathematical model employing purely analytical methods. Therefore, the fish's motion control task is decomposed into two control systems. The online speed control implements a hybrid control strategy and a proportional-integral-derivative (PID) control algorithm. The orientation control system is based on a fuzzy logic controller. In our experiments, a point-to-point (PTP) control algorithm is implemented and an overhead vision system is adopted to provide real-time visual feedback. The experimental results confirm the effectiveness of the proposed algorithms.     

基于机器视觉的嫁接夹抓取点定位与朝向检测

针对现代农业自动化嫁接机的嫁接过程中,嫁接夹的分拣整理仍然需要使用刚性振动盘或人工参与,整体自动化程度有待提高的问题,提出基于机器视觉的嫁接夹轮廓链特征点定位方法与朝向检测;设计了一种自动化嫁接专用的嫁接夹,采用背光源打光方式,对每个阴影轮廓计算Hu矩,根据Hu矩匹配值进行分类以获得正确的嫁接夹个体轮廓;对每个嫁接夹个体轮廓采用轮廓链角分析方法,获得嫁接夹抓取点的像素位置;根据抓取点位置信息计算朝向角度;实验结果表明,嫁接夹抓取点平均定位误差为2.16个像素,嫁接夹朝向角度检测误差为0.40°;该方法可以准确地对嫁接夹进行视觉检测,对嫁接机的嫁接过程中,嫁接夹的自动分拣方面,具有机器视觉方面的价值。