基于机器视觉的水果分级分拣系统关键技术研究

机器视觉就是利用图像摄取装置等产品代替人眼做测量和判断,当前在水果分级分拣领域应用极广,已成为工业机器人进行农产品自动化检测的研究热点,但如何对采集到的自然图像进行高效目标分割和识别检测,成为制约分拣机器人应用的技术难点。现利用机器视觉测量精度高、结果稳定可靠和非接触性等优点,通过对苹果进行尺寸测量、空间定位,并根据果形大小、色泽光洁程度和表面缺陷等指标进行特征识别,实现对苹果品质的科学精准分级和自动分拣,并利用机械手臂自动完成不同等级水果的分拣,实现生产线上的"手眼"协调工作。     

一种基于树莓派平台的脐橙品质分级方法

针对目前脐橙品质分级自动化程度较低,难以满足现代化生产运营需求的问题,设计了一种基于树莓派平台的脐橙品质分级方法。在S和V颜色分量图像上完成背景分割,并对脐橙表面的反光区域进行亮度矫正;提取脐橙的大小和着色度特征,并提出基于积分图的局部阈值分割算法,完成果面缺陷的检测;利用决策树算法实现脐橙品质的分级。试验结果表明:此方法对特级果、一等果、二等果、等外果的识别准确率分别达到96%、94%、94%、96%,单列输送线的分级速率达3个/s,准确性和实时性较高,能够满足实时环境下脐橙分级检测的要求。     

棒材自动计数系统的开发

棒材计数问题一宜是困扰我国棒材生产企业的一个难题,目前广泛采用的人工计数方法和光电检测等方法满足不了企业要求.因此,开发出基于机器视觉和图像处理技术的棒材自动计数系统,系统通过对棒材端面图像进行预处理、图像分割、数学形态学处理、目标识别等手段获得图像中的棒材根数,并介绍了系统的软件和硬件情况.该系统可以有效提高计数准确率和生产效率,实现棒材计数过程的自动化和产品打捆的标准化.     

基于医用X-CT的三维重建系统研究

根据CT图像特点,运用计算机图形、图像和三维可视化技术,开发了一套基于医用X-CT的三维重建原型系统,实现对二维有序CT的浏览、图像分割及重建图像显示等操作.介绍了系统的结构和各种算法的实现.试验结果表明,该系统满足临床辅助诊断和手术计划制定的要求.     

CT数据三维重建及可视化技术的研究

根据CT图像特点,运用计算机图形、图像和三维可视化技术,开发了一套基于医用X-CT的三维重建原型系统,实现对二维有序CT的浏览、图像分割及重建图像显示等操作.介绍了系统的结构和各种算法的实现.试验结果表明,该系统满足临床辅助诊断和手术计划制定的要求.     

基于机器视觉的保健酒可见异物检测系统研究与开发

针对国内某企业生产的125ml玻璃瓶装药酒内可见异物的检测要求,设计了一套基于机器视觉的高速检测系统,该系统包括机械传动子系统、多类型异物成像子系统、伺服控制子系统、图像识别与处理系统等.通过利用异物在图像中运动的连续性和噪声运动无序性等特点,提出了基于序列图像差分和阀值分割的检测算法,该方法首先采用Top-hat形态学滤波抑制图像噪声,通过三帧差分提取图像中的运动目标,然后提出改进二维最大熵阀值分割算法实现了目标的快速分割,最后根据异物运动的方向性确定是否存在异物并判断出产品质量.实验结果表明,研制的系统能够有效地检测出酒液中的异物,在检测精度、误漏检率等方面满足企业要求,已成功替代了原有的人工检测.     

基于计算机视觉的干枣在线分级

研究了基于计算机视觉的干枣在线分级,通过计算机视觉技术获取干枣的图像,对该图像进行阈值分割等处理,确定干枣的检测方向,进一步对干枣的尺寸、颜色、缺陷等进行快速精确的分类。试验表明,该方法检测速度快,正确率高,适用范围宽,能够满足农产品加工过程中计算机视觉水果分级技术的要求。     

基于神经网络的水果智能分级系统研究

由于目前国内外有关计算机图像处理技术的水果分级研究都是针对苹果、柑桔等大型水果,而对于小型水果(如樱桃、荔枝等)的分级还要依靠人工进行,因此提出了一种基于颜色空间的分割识别与基于BP神经网络分级相结合的水果识别分级法。该算法根据成熟水果所特有的颜色作为特征描述值进行分割识别出成熟的水果,并在该基础上以水果目标的色度均值和色度均方差为特征进行BP神经网络分级,从而提高了成熟水果分拣和分级的效率。实验结果表明:该算法对成熟水果的识别准确率达93.16%,平均分级正确率为93.3%,可满足实际水果识别分级的作业要求。     

基于机器视觉的苹果分级方法研究

针对传统苹果分级存在的问题和缺陷,设计并搭建了一个利用机器视觉对苹果进行分级的系统。首先,搭建了一个图像采集系统,包括高亮度的LED灯OK65、CCD工业摄像头RS-200A等。然后,利用MATLAB进行程序的编写达到对采集到的图像进行预处理的效果。最后,对市场中在售的红富士苹果进行了效果检测,与人工游标卡尺检测结果进行比较,果径测量平均误差率为1.31%,分级准确率为90%。     

禽蛋检测与分级智能机器人系统的设计

为了实现禽蛋检测与分级的自动化,建立一种轻型自动化系统,即禽蛋检测与分级智能机器人系统(System of intelligentrobot detecting and grading eggs,SmDGE).SIRDGE将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作联系起来,统一由一个关节型机器人来完成,能实现禽蛋检测和分级的全程自动化.介绍该系统的组成结构和工作原理,对系统关键的硬件设备和软件实现过程作了必要的说明,包括场景图像的采集和摄像机的标定,图像处理和特征值的提取,机器人运动控制和轨迹规划,真空吸盘的单片机控制,敲击声音的处理与破损检测,彩色图像处理与内部品质检测等内容,并对SIRDGE系统进行性能测试,测试结果证明,SIRDGE能够实现禽蛋检测和分级的全程自动化.