基于机器视觉的种子品种实时检测系统研究

机器视觉技术的快速低成本实时检测杂交水稻种子品种新系统包括一组可以自动上料、光照箱、图像采集卡、CCD摄像头和自动下料等硬件以及图像处理及品种识别软件组成.系统的实现过程为:通过上料斗自动装入种子,种子由单片机控制的输送装置进入光照箱,每隔2秒停止一次,CCD摄像头采集图像,图像被读入内存,通过软件系统处理种子的图像,并提取品种的特征参数.通过此系统识别100粒种子的时间为5秒,品种的识别率分别达到了:先农5号为99.99%,金优桂为99.93%,优166为 98.89%,先农3号为78.82%,中优463 为86.65%.     

基于LabVIEW的SMT焊点质量信息视觉检测系统

根据SMT焊点质量信息检测的焊点形态理论,通过对SMT焊点图像处理分析,设计并实现了由LabVIEW工作平台、CCD摄像头、图像采集、系统标定、图像处理、三维重建及PC机等组成的SMT片式元器件焊点质量信息计算机视觉检测系统,有效地完成对SMT片式元器件焊点质量信息的检测任务,具有较强的扩展性。     

视频图像实时小波变换系统

视频图像实时小波变换系统由CCD摄像头、视频图像采集卡和计算机软件组成．利用数值方法对视频图像进行小波变换，并实时显示变换结果。实验表明该系统对视频图像的实时小波变换具有较高质量和效率，利用Haar小波变换，图像边缘得到明显增强。     

多CCD视觉检测技术的研究

设计了多CCD视觉检测技术中的照明系统,实现了平行光照明技术在多CCD视觉检测中的应用,并搭建实验平台完成实验,结果表明:该多CCD视觉检测技术能够比单CCD视觉检测技术获得更多的图像信息,降低了后继处理的复杂程度,提高检测系统的测量精度与抗干扰能力及测量效率。     

图像型火灾空间定位研究

大空间火源的空间位置的定位是火灾自动探测和自动扑救中间的重要环节。在分析火灾图像和以往图像型火灾空间的相关定位技术基础上,根据计算机视觉原理,利用固定在自动消防水炮末端的单一CCD摄像头随水炮旋转扫描时的角度、位移变化,将CCD摄像头在不同位置所拍摄的图像中火源图像坐标和火源的空间坐标建立联系,利用极线几何扫描式单摄像机空间定位原理实现了火源空间位置的自动定位。     

一种基于计算机视觉的织物疵点自动检测方法

提出了一种基于计算机视觉的织物疵点的自动检测与识别方法,使用CCD摄像头对织物进行实时拍摄,对所得图片通过图像处理、小波分析,提取特征参数,有效地检测与识别缺经、缺纬、油污、破洞等常见疵点,其具有检测速度快、识别正确率较高等优点。     

基于FPGA和TMS320DM642的CCD图像采集和处理系统硬件设计

为能高速、有效、实时采集CCD视频图像,提出了一种实时视频图像采集和处理系统设计方案.重点介绍其硬件设计原理、关键电路的设计,其主要功能是从CCD摄像头输出的模拟视频信号中提取实时图像,数字化后送入处理器作后期图像处理和分析.     

基于TMS230DM643的驾驶疲劳实时视觉检测系统

针对驾驶疲劳检测系统小型化、廉价和低功耗的实际需求,提出一个基于TMS230DM643的驾驶疲劳实时视觉检测系统。系统通过CCD摄像头获取驾驶员的人脸图像,采用TMS230DM643作为核心处理器,对获取的图像进行人脸检测、眼睛定位等处理,并提取眼睛的闭合度作为PERCLOS疲劳检测的依据。实验表明,系统能够准确实时地检测驾驶疲劳,具有较好的实用性。     

基于图像检测技术的光纤插针内孔几何参数测量仪

为了测量光纤插针内孔的几何参数,研制了一种基于图像检测技术的非接触式光纤插针内孔几何参数测量系统。该测量仪将待测的光纤插针固定于显微平台上,由CCD摄像头摄取经显微成像系统放大的内孔图像,并通过数字图像采集卡传输到计算机内存中,然后,对其进行图像预处理与Canny边缘检测,采用参量式变形模板法等算法,精确测量出光纤插针内孔的各项几何参数。该测量仪可用于光纤插针的生产控制。     

新型高密度电路板的自动光学检测系统设计

为提高自动光学检测系统(AOI)的缺陷检出率,研究了一种采用多色光源照明,利用机器视觉获取被测高密度印刷电路板(HDI型PCB)图像,通过图像处理快速准确地识别出各种缺陷的新型AOI。实验装置由主控计算机、电气控制系统、精密机械运动装置、多色光源照明和图像采集系统等组成。图像处理及识别软件基于OPENCV和VisualStudio2005开发,模块化设计,包括光源控制、图像采集、图像拼接、图像定位、路径规划、缺陷检测和缺陷统计等模块。实验结果表明,新型AOI系统可检出加载HDI型PCB的各种缺陷,缺陷的检出率可达99.9%,误报率只有0.3%。     

基于遗传神经网络的苹果颜色实时分级方法

介绍了苹果颜色自动分级系统的硬件组成 ,确定了苹果颜色特征的提取方法 ,利用遗传算法实现了多层前向神经网络识别器的学习设计 ,实现了苹果颜色的实时分级 ,并通过实验验证了方法的有效性 .试验结果表明 ,颜色分级识别准确率在 90 %以上 ,分级一个苹果所用的时间为 15 0 ms     

低照度条件下超分辨率人脸图像采集系统设计与实现

在计算机技术高速发展的时代,多平台计算机视觉库随之产生。OpenCV作为一种开源代码的计算机视觉库,以可兼容多平台、接口广泛的特点被广泛运用各个领域。在低照度条件下,会出现光照环境差异过大或光线不足等情况,导致传统图像采集系统不能采集高质量的人脸图像,局限性较差。提出基于OpenCV在C 环境配置下运用三维人脸识别技术算法,设计一套低照度条件下超分辨率人脸图像采集系统。实验证明,该设计方案具有实时(对焦速度快)、快速(单张采集0.05秒)、准确(面部识别率99.3%)等特点,能够充分满足低照度条件下超分辨率人脸图像采集的需求。     

A method of parallel-sequential detection of image features in computer vision systems

The paper is devoted to the problem of formalization of software-hardware solutions in designing real-time computer vision systems. The main attention is paid to the methods of implementation of low-level operations that find features (simple elements) in the image input to the system. Algorithmic types of detectors of simple elements in images are analyzed from the point of view of hardware organization in computer vision systems. In this connection, the necessary performance and memory resources are estimated. The capabilities of parallel and pipeline execution of detector algorithms are investigated. A method of using a field programmable gate array and a digital signal processor in solving the problem of image processing in real-time computer vision systems is considered in detail.     

一种地平线与跑道边缘线检测方法

在基于计算机视觉的无人机着陆系统中,利用地平线和跑道边缘线方程解算着陆参数是一种可行的方法。利用计算机视觉和图像处理技术研究了一种地平线和跑道边缘线提取方法,利用Canny算子对原始图像进行预处理,获取图像的边缘信息。提出了一种新的直线检测方法,并利用检测出的直线和图像像素坐标系横坐标的夹角确定地平线和跑道左、右边缘线。实验研究表明:该方法可以在不同的高度、不同亮度图像中有效地检测出地平线和跑道边缘线。     

Object-based illumination classification

Estimation of scene illumination from a single image or an image sequence has been widely studied in computer vision. The approach presented in this paper, introduces two new issues: (1) illumination classification is performed rather than illumination estimation; (2) an object-based approach is used for illumination evaluation. Thus, pixels associated with an object are considered in the illumination estimation process using the object's spectral characteristics. Simulation and real image experiments, show that the object-based approach indeed improves performance over standard illumination classification.     

尺度不变特征变换算子综述

随着计算机软件与硬件技术的发展,计算机视觉算法逐渐成为图像处理领域的研究热点.其中SIFT(scale invariant feature transform)算法是目前机器视觉领域应用最成功的算法之一.由于在尺度不变、旋转不变、光照不变等方面的独特优势,SIFT被广大视觉领域的研究者借鉴与学习.但是SIFT算法本身也存在一些问题,如仿射性能不太理想,计算复杂度过高等,因此针对它的多种改进算法不断出现.本文对SIFT的发展历史、SIFT算法的演变以及它不同领域的典型应用给出了一个比较全面的综述,比较了各类算法的优缺点.最后给出了该算法未来可能的发展方向,为视觉研究者提供参考.     

智能制造中的计算机视觉应用瓶颈问题

计算机视觉在智能制造工业检测中发挥着检测识别和定位分析的重要作用,为提高工业检测的检测速率和准确率以及智能自动化程度做出了巨大的贡献。然而计算机视觉在应用过程中一直存在技术应用难点,其中3大瓶颈问题是：计算机视觉应用易受光照影响、样本数据难以支持深度学习、先验知识难以加入演化算法。这些瓶颈问题使得计算机视觉在智能制造中的应用无法发挥最佳效能。因此,需要系统地加以分析和解决。本文总结了智能制造和计算机视觉的概念及其重要性,分析了计算机视觉在智能制造工业检测领域的发展现状和需求。针对计算机视觉应用存在的3大瓶颈问题总结分析了问题现状和已有解决方法。经过深入分析发现：针对受光照影响大的问题,可以通过算法和图像采集两个环节解决;针对样本数据难以支持深度学习的问题,可以通过小样本数据处理算法和样本数量分布平衡方法解决;针对先验知识难以加入演化算法的问题,可以通过机器学习和强化学习解决。上述解决方案中的方法不尽相同,各有优劣,需要结合智能制造中具体应用研究和改进。     

一种图像处理和计算机视觉的开发工具

该文探讨了可用于图像处理与计算机视觉编程的强大类库OpenCV，该类库使用起来极为方便，利用OpenCV中的数字图处理和计算机视觉的函数处理相关问题变得很简单。该文首先介绍OpenCV的强大功能以及研究的意义，然后介绍了OpenCV新版本的一些特点，并且讨论在VC＋＋环境下的软件设置问题，最后给出了典型的图像处理的实例。随着计算机视觉和数字图像处理技术不断深入各个领域，OpenCV为VC＋＋编程处理数字图像提供了极大的方便，具有广阔的应用前景，该文对于图像处理与计算机视觉方面的应用设计以及研究开发都将具有重要参考价值。     

SVM-based image partitioning for vision recognition of AGV guide paths under complex illumination conditions

Applying computer vision to mobile robot navigation has been studied more than two decades. For the commercial off-the-shelf (COTS) automated guided vehicles (AGV) products, the cameras are still not widely used for the acquisition of guidance information from the environment. One of the most challenging problems for a vision guidance system of AGVs lies in the complex illumination conditions. Compared to the applications of computer vision where on-machine cameras are fixed in place, it is difficult to structure the illumination circumstance for an AGV that needs to travel through a large work space. In order to distinguish the original color features of path images from their illumination artifacts, an illumination-adaptive image partitioning approach is proposed based on the support vector machine (SVM) classifier with the slack constraint and the kernel function, which is utilized to divide a path image to low-, normal-, and high-illumination regions automatically. Moreover, an intelligent path recognition method is developed to carry out guide color enhancement and adaptive threshold segmentation in different regions. Experimental results show that the SVM-based classifier has the satisfactory generalization ability, and the illumination-adaptive path recognition approach has the high adaptability to the complex illumination conditions, when recognizing the path pixels in the field of view with both high-reflective and dark-shadow regions. The 98% average rate of path recognition will significantly facilitate the subsequent operation of path fitting for vision guidance of AGVs.     

Enhanced GPU-Based Anti-Noise Hybrid Edge Detection Method

Today, there is a growing demand for computer vision and image processing in different areas and applications such as military surveillance, and biological and medical imaging. Edge detection is a vital image processing technique used as a pre-processing step in many computer vision algorithms. However, the presence of noise makes the edge detection task more challenging; therefore, an image restoration technique is needed to tackle this obstacle by presenting an adaptive solution. As the complexity of processing is rising due to recent high-definition technologies, the expanse of data attained by the image is increasing dramatically. Thus, increased processing power is needed to speed up the completion of certain tasks. In this paper,we present a parallel implementation of hybrid algorithm-comprised edge detection and image restoration along with other processes using Computed Unified Device Architecture (CUDA) platform, exploiting a Single Instruction Multiple Thread (SIMT) execution model on a Graphical Processing Unit (GPU). The performance of the proposed method is tested and evaluated using well-known images from various applications. We evaluated the computation time in both parallel implementation on the GPU, and sequential execution in the Central Processing Unit (CPU) natively and using Hyper-Threading (HT) implementations. The gained speedup for the naïve approach of the proposed edge detection using GPU under global memory direct access is up to 37 times faster, while the speedup of the native CPU implementation when using shared memory approach is up to 25 times and 1.5 times over HT implementation.