基于深度学习的机器视觉在机械臂中应用

本文研究了基于深度学习的机器视觉在机械臂中的应用。传统的基于程序控制的离线抓取方法仅适用于大批量的加工流程,无法实现对部分小规模产品的高效抓取。近年来,随着计算机视觉技术的发展,人们对随机放置对象的抓取问题有了更多的要求。为解决上述问题,本项目拟研究一种基于深度学习的机器人视觉抓取新方法,实现对目标的目标识别、姿态测量和抓取与放置,进而提升抓取效率。针对上述问题,本项目将从相机标定、双目测距、物体检测、物体语义分割、物体位姿估计等方面开展系统的研究。     

基于机器视觉的协作式机器人Baxter目标识别算法

为了提升协作式机器人Baxter在工作应用中识别抓取目标物体的准确性和鲁棒性,对所涉及到的一些图像处理算法进行研究,提出了基于HSV颜色模型和形态学处理的工作区域轮廓检测算法,改进了传统识别圆的Hough变换算法。实验结果表明,所提出和改进的算法能够提升协作式机器人Baxter对目标识别的准确性和鲁棒性。     

基于机器视觉的田间杂草识别技术研究

在农业生产中,杂草会影响农作物的生长。为了实现杂草处理自动化,需要采用基于机器视觉的杂草识别技术帮助机器人快速、准确地识别杂草,从而精确使用除草剂以提高药物的利用率、减少环境污染。通过文献研究,文章分析了提高杂草识别率的图像预处理技术和基于人工神经网络的模式识别算法,提出了杂草识别技术存在的问题及改进方法。     

基于机器视觉的路面裂缝病害多目标识别技术

本文主要研究了基于机器视觉的路面裂缝病害多目标识别技术。随着社会的进步和时代的发展,传统使用人工识别路面裂缝病害的方法越来越表现出影响交通、准确度低、高成本、高危险的弊端,已经远远不能满足公路发展要求。近年来,随着图像识别技术和信息技术的日益发展,使用机器视觉识别路面裂缝病害的多目标识别技术的研究越来越多,本文主要阐述了基于机器视觉的路面裂缝病害多目标识别技术的相关概述,介绍了路面裂缝多病害和识别方法,对多语义机器视觉识别和多目标识别进行了研究,以期为高速公路的路面裂缝病害识别新模式提供进一步参考。     

基于机器视觉道路识别算法的研究

在道路图像中,为了得到较理想的车道标识边缘,采用基于Sobel算子边缘图像增强的方法增强道路车道线的边缘,从而明显提高车道线提取的准确性.针对道路边界的形状特征提出的二次曲线道路边界模型,实现了对车道标识线的实时跟踪.     

基于机器视觉的通信设备智能识别与应用

为贯彻执行国家双碳工作目标,发挥人工智能在企业智能化进程中的作用,针对现有通信设备维护效率低、成本高、管控难的工作痛点,提出一种基于视觉分析技术的通信设备识别方法。进一步加快机房设备信息核查,老旧高耗能设备清退报废,整合盘活机房空间资源,逐步实现“以人为主”向“人机结合”再向“机器代人”的转变。构建全生命周期的自动化、智能化的网络运营能力,助力网络运维节能降耗。     

基于人工干预的机器视觉弹道轨迹识别

依据机器视觉原理,构建了基于人工干预与机器视觉的弹丸弹道轨迹识别方法,方法融合了人工选择、边缘矩匹配和知识推理。用该方法对高炮实际射击录像进行了试验分析,获得了弹道轨迹,验证了方法的可行性。     

基于机器视觉的螺纹识别系统

许多传统螺纹的检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求．因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD获取螺纹基本图像,并通过数字图像处理技术和模糊模式识别方法对螺纹几何参数进行自动识读并加以识别。     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用。首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论。     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用.首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论.     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用.首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论.     

基于机器视觉的工件定位和识别

根据机器视觉系统具有非接触性、实时性、稳定性及高精度的特点。文中采用机器视觉技术对工件的定位和识别进行了研究。通过求取工件轮廓中心矩和轮廓轴线二阶导数的最小值,求得工件的中心坐标和旋转角度;通过提取模板工件的Hu不变矩与工件轮廓的Hu不变矩,利用轮廓的相似度量函数识别工件类型。实验结果表明,通过提取工件轮廓矩能在旋转的情况下精确地定位和识别工件。     

Backlit Keyboard Inspection Using Machine Vision

A robust system for backlit keyboard inspection is revealed. The backlit keyboard not only has changeable diverse colors but also has the laser marking keys. The keys on the keyboard can be divided into regions of function keys, normal keys, and number keys. However, there might have some types of defects:incorrect illuminating area, non-uniform illumination of specified inspection region (IR), and incorrect luminance and intensity of individual key. Since the illumination features of backlit keyboard are too complex to inspect for human inspector in the production line, an auto-mated inspection system for the backlit keyboard is proposed in this paper. The system was designed into the operation module and inspection module. A set of image processing methods were developed for these defects inspection. Some experimental results demonstrate the robustness and effectiveness of the proposed system.     

一种基于机器视觉的颜色识别算法的研究

介绍了一种颜色识别转换算法.在机器视觉系统中,对RGB和YUV两种不同颜色空间进行研究,应用相差法进行颜色识别,并对向量表中的结果进行优化.实验结果表明,该算法在保证精确度基本不变的前提下,进一步减少了运算量,对系统处理信号的实时性有很大改善.     

图像处理技术在机器视觉颜色识别中的应用

随着机器视觉所依赖的图像处理、传感器、分析算法等技术的发展,机器视觉也得到了广泛的应用,OpenCV是当下较为流行的计算机视觉开发包,其中包含了大量的图像处理和计算机视觉算法,其开源特点使其开发及使用更加便捷。文中研究了OpenCV结合颜色识别对不同颜色物品的抓取。在算法方面,借助开源社区能让机器视觉对不同颜色的识别更加精准,然后对收集到的画面进行数据处理和分析,并将数据转换为坐标发送给控制器,最终实现对不同颜色物品的识别和抓取。     

基于计算机视觉的人体异常行为识别综述

人体行为识别是计算机视觉和模式识别领域的研究热点之一。作为人体行为识别的一个重要分支,人体异常行为检测近年来也不断得到学界及工业界的重视。人体行为识别研究从早期的依赖人体形状特征发展到基于梯度设计的特征检测,再到当前随着神经网络的新发展,深度学习开始广泛应用于行为识别。同时由于红外波段具有适应弱光照环境、可全天候检测等优点,基于该波段的人体行为识别研究开始兴起,它也必将成为人体行为识别领域中一个新的研究热点。     

基于机器视觉的印刷套准识别方法研究*

针对印刷套准检测存在的精度低、速度慢的问题,提取了印刷标志图像的Tamura纹理特征：粗糙度、对比度和方向度,以描述其印刷标志套准或套不准特征;设计了支持向量机的分类器对印刷标志图像进行套准识别,并采用高斯径向基核函数用于非线性数据的分类。实验结果证明,采用建议的印刷标志图像特征提取和分类方法,识别准确率达到90%,识别时间为0.032751秒。本文建议的方法在识别准确率和识别速度上都优于人工检测和文献8的方法。