基于树莓派的井下水仓水位智能测控系统

针对目前井下水仓水位监测方法精度较低、易受环境影响、实时性不强、对机器算力的要求较高、硬件成本较高等问题,提出了一种基于树莓派的井下水仓水位智能测控系统。该系统通过防爆监控摄像机采集水仓标尺周围水位图像,采用树莓派作为图像处理平台。首先,将采集的彩色图像转换为灰度图像,利用Otsu法对图像进行阈值分割,通过形态学运算去除噪声并增强图像边缘信息,进而将标尺轮廓从背景中分离出来;其次,利用Canny算子检测标尺边缘,并利用Hough变换方法提取水位线与标尺竖边的交线,得到水位线在图像空间中的坐标;然后,对水位线附近区域一定范围内的标尺数字图像进行阈值分割和滤波增强处理,再通过模板匹配法实现标尺数字识别,从而得到水位线数值;最后,将水仓水位线数值转换为电流模拟量,利用树莓派发送给水泵控制器,根据电流大小控制水泵开停,实现水仓水位智能控制。该系统具有成本较低、部署便捷、精度高、实时性好等优点,能够实现水仓水位快速精准识别与控制。     

基于机器视觉技术的易拉罐罐底喷码检测系统设计

本文根据食品饮料行业易拉罐生产线的工作环境以及罐底喷码检测的检测要求,研制了基于康耐视机器视觉的易拉罐罐底喷码检测系统,实现对易拉罐喷码不合格的产品进行自动检测与快速剔除。该检测系统由光源与视觉处理系统、电气控制与人机交互系统、次品剔除装置等组成。当易拉罐通过成像系统时,金属接近开关触发光源频闪和工业智能相机,获得高速易拉罐罐底图像,智能相机对其分析处理,由电气控制系统执行检测结果,从而达到分拣不良品的目的。通过实际项目应用证明：该系统实时性好,可靠性高,有效地提高了在生产过程中产品喷码质量的控制。     

基于轮廓重心法的蜂窝陶瓷堵塞检测及疏通系统研究

针对蜂窝陶瓷堵塞点人工检测难问题,提出了一种基于轮廓重心法的堵塞检测方法,并设计了一套自动疏通装置。该系统采用面阵式工业相机获取蜂窝陶瓷横截面图像,通过图像预处理、Canny边缘检测,结合轮廓重心法确定堵塞点,最终使用UART串口通讯实现上下位机数据交互,完成都测点自动定位疏通。经实验测试,该系统能够准确完成蜂窝陶瓷堵塞点检测和自动疏通工作。     

基于图像识别的光纤陶瓷插芯表面裂痕检测装置设计与实现

针对光纤陶瓷插芯次品中有裂痕的问题,研制出一种基于图像识别的光纤陶瓷插芯表面裂痕检测装置,能够在节省人工成本的同时达到高灵敏度和高健壮性。首先介绍这种检测装置的系统硬件设计和软件设计,描述图像处理识别光纤陶瓷插芯裂痕的基本方法;其次用工业相机对光纤陶瓷插芯表面进行图像实时采集,运用图像处理识别算法进行最优化设计;最后通过实验来验证该裂痕检测识别方法的可行性。实验结果表明：工业相机可以清晰采集光纤陶瓷插芯表面的裂痕,通过把采集的图像实时传送至计算机,计算机运用图像处理识别算法可以准确检测出光纤陶瓷插芯表面的裂痕。     

基于机器视觉的胶囊缺陷检测系统设计

针对传统人工肉眼检测胶囊缺陷低效率及高误检率问题,设计了一套完整的基于机器视觉的胶囊缺陷检测系统,构建了从上料到传送装置,经过机器视觉光学系统图像采集与工控机图像处理,最后由剔除装置筛选出次品的硬件平台。运用Emgu CV开源计算机视觉库和C#开发人机交互软件系统,包括用户管理、方案配置、相机调参、图像算法等功能。通过测试表明,整个胶囊检测系统可在9~12万粒/h的高速运转下稳定运行,误检率小于5%。具有良好的企业应用前景。     

公路隧道智能火灾检测系统设计

随着中国基础建设的不断推进,高速公路覆盖范围不断扩大,隧道数量也越来越多,公路隧道发生事故导致的后果与影响往往较大,是极具破坏性和危险性的。利用深度学习方法,该文设计了一个基于树莓派的智能公路隧道火灾监测报警系统。该系统采用树莓派开发板和Intel Movidius神经计算棒(neural compute stick, NCS)为硬件平台,连接视频监控摄像头、烟雾传感器、声光报警器和4G通信模块组成公路隧道火灾检测硬件系统,运用训练好的基于卷积神经网络(CNN)的隧道火灾图像识别模型,对隧道交通场景进行实时检测。系统通过监控摄像头和烟雾传感器,同时检测隧道现场交通情况,能够及早准确识别火灾的发生,并实现即时现场报警与远程报警。测试结果表明,在树莓派和神经计算棒的终端平台上运行深度学习的火灾检测算法,火灾识别精度达到96%,速度到达每秒5帧。应用该系统在发生隧道火灾时对避免人员伤亡、降低财产损失具有重要意义。     

基于树莓派与神经计算棒的特种车辆检测识别

目前随着深度学习技术的不断发展,越来越多的智能化应用应运而生,用于训练和演算的硬件设备通常以GPU为主,在实际部署和使用过程中会产生较高硬件采购成本和用电成本.因此针对现有深度学习系统中成本与算法可用性的平衡问题,本文提出以树莓派与Movidius神经元计算棒为计算平台,通过改进的SSD+MobileNet算法实现对车辆目标进行识别和检测,并在实际环境中对训练的模型进行测试和调优,最终达到满足实际使用的效果,处理速度为平均每秒4帧.通过实验结果表明,在树莓派这样计算能力较弱的平台上,可以通过类似于Movidius神经元计算棒这样的VPU模块来实现算法的加速,在满足实际使用的情况下还可以大幅度降低计算成本.     

Siri在制药企业智能监控中的应用

介绍了一种基于苹果公司Siri个人助理的智能控制方式,通过GPRS和WIFI网络实现医药企业数据采集系统远程控制,并详细叙述了该系统的硬件和软件设计.该系统利用Siri的语音识别功能,由SiriProxy代理服务器截取Siri的返回信息,并将该信息通过网络传递给树莓派(个人迷你电脑),树莓派解析控制信息并控制数据采集系统的正常开启与关闭.     

基于树莓派的空化检测设备研制及控制系统优化

为研究表面织构的形状、大小、位置、排列与空化现象发生的关系,结合流体动力学和摩擦学等理论,拟设计以活塞裙部-缸套为模型建立检测表面织构在摩擦时发生空化现象的装置;由于空化泡发生的瞬时性,设计一种基于Raspberry Pi树莓派微型计算机的空化设备控制系统,降低系统的延时性,准确地采集到数据进而分析得出结论;采用TLC549CP A/D数据采集器、膜盒式传感器、OSG030-815UM超高速工业摄像机组成检测系统,分别对温度、压力、图像的输出参数进行采集;通过Java语言开发的空化参数采集平台对空化现象发生参数进行实时计算并显示;与树莓派原系统相比,优化后的系统可以准确地采集到空化发生时的参数,并且有低延时性和优异的稳定性,能够降低延时到1.73ms,降低了约81%。     

手机机身轮廓分段定位检测方法研究

在手机生产制造过程中,手机机身轮廓定位精度是保证机械手自动加工与装配质量的关键因素。针对大屏手机轮廓视觉检测中存在的视野过大问题,提出了一种轮廓分段定位检测方法。检测系统由运动控制平台、工业面阵相机、光学镜头、可调节光源和图像处理器构成。系统通过运动控制平台的移动,分时分步获取手机机身上、中、下三部分的图像。采用局部标定法,获取电荷藕合器件图像传感器(CCD)图像坐标系与加工平台坐标系之间的转换关系。采用拉普拉斯高斯(LoG)算子对手机边框的边缘进行平滑和检测,借助卡尺找点工具获取三部分图像的轮廓的基准点,拼接成完整的闭合轮廓。依据合格样本图像建立边框模板,采用最小二乘法进行模板匹配。试验表明,该方法可以将手机机身轮廓检测误差控制在0. 001 mm以内。该方法具有非接触性、高效率的特点,适用于解决工业领域内的在线检测问题,应用前景广阔。     

A survey on human detection surveillance systems for Raspberry Pi

Building reliable surveillance systems is critical for security and safety. A core component of any surveillance system is the human detection model. With the recent advances in the hardware and embedded devices, it becomes possible to make a real-time human detection system with low cost. This paper surveys different systems and techniques that have been deployed on embedded devices such as Raspberry Pi. The characteristics of datasets, feature extraction techniques, and machine learning models are covered. A unified dataset is utilized to compare different systems with respect to accuracy and performance time. New enhancements are suggested, and future research directions are highlighted.     

基于T-YOLO-LITE树干检测的模型部署方法

为解决猕猴桃采摘机器人视觉导航问题,提出基于T-YOLO-LITE的猕猴桃树干检测方法.通过保留BN层、调整输入图像尺寸、修改anchor boxes、添加负样本对YOLO-LITE进行改进,并利用Movidius与OpenCV-DNN将改进后的模型分别部署在树莓派与CPU设备中.实验结果表明:通过改进优化使模型检测精...     

基于Movidius神经计算棒的行人检测方法

Movidius神经计算棒是基于USB模式的深度学习推理工具和独立的人工智能加速器，为广泛的移动和嵌入式视觉设备提供专用深度神经网络加速功能。针对深度学习的嵌入式应用，实现了一种基于Movidius神经计算棒的近实时行人目标检测方法。首先，通过改进RefineDet目标检测网络结构使模型大小和计算适应嵌入式设备的要求；然后，在行人检测数据集上对模型进行重训练，并部署于搭载Movidius神经计算棒的树莓派上；最后，在实际环境中对模型进行测试，算法达到了平均每秒4帧的处理速度。实验结果表明，基于Movidius神经计算棒，在计算资源紧张的树莓派上可完成近实时的行人检测任务。     

基于改进ShuffleNetV2的轻量级花色布匹瑕疵检测

布匹瑕疵检测是纺织业质量管理的重要环节.在嵌入式设备上实现准确、快速的布匹瑕疵检测能有效降低成本,因而价值巨大.考虑到实际生产中花色布匹瑕疵具有背景复杂、数量差异大、极端长宽比和小瑕疵占比高等结构特性,提出一种基于轻量级模型的花色布匹瑕疵检测方法并将其部署在嵌入式设备Raspberry Pi 4B上.首先在一阶段目标检测网络YOLO的基础上用轻量级特征提取网络ShuffleNetV2提取花色布匹瑕疵的特征,以减少网络结构复杂度及参数量,提升检测速度;其次是检测头的解耦合,将分类与定位任务分离,以提升模型收敛速度;此外引入CIoU作为瑕疵位置回归损失函数,提高瑕疵定位准确性.实验结果表明,本文算法在Raspberry Pi 4B上可达8.6 FPS的检测速度,可满足纺织工业应用需求.     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

基于MobileNetV2与树莓派的人脸识别系统

人脸识别技术在安防,商业,金融等领域都有广泛的应用.针对目前人脸识别系统成本高,易用性低等现象,提出了基于树莓派(Raspberry Pi)实现人脸识别的方案.首先利用OpenCV计算机视觉库中的Harr级联方法,对图像中的人脸进行定位;然后利用改进的MobileNetV2网络模型对人脸进行特征提取和分类,得到一个优化的人脸识别模型;最后将模型移植到Raspberry Pi进行人脸识别.该模型对图库中的人识别准确率为95％,对陌生人识别准确率为80％.实验结果表明该系统进行人脸识别工作稳定,识别速度快,应用场景广.     

基于图像轮廓检测的航天器目标跟踪控制系统设计

目前研究的航天器目标跟踪控制系统控制有效率低,追踪图像与实际目标不同,准确率低;基于图像轮廓检测设计了一种新的航天器目标跟踪控制系统,根据系统硬件的不同性能与结构进行模块式划分,同时将图像轮廓检测数据准则添加入中心管理系统中,时刻保证数据的检测安全系数处于系统操作允许范围内;调整原有的软件结构状态,采集航天器轮廓图像并提取轮廓信息,选用适当的图像轮廓检测阈值,集中检验跟踪目标的运动方向,调控方向数据,以此降低图像的像素变化程度,得到准确的航天器目标跟踪控制结果;实验结果表明基于图像轮廓检测的航天器目标跟踪控制系统控制有效率达到了84%,跟踪目标更加准确。     

基于树莓派的多串口多总线服务器设计

基于树莓派、USB-hub、USB/串口转换器和Linux操作系统设计一种串口服务器。本文重点介绍了该串口服务器的硬件结构,以及软件架构和3个主要任务的详细设计方法。该串口服务器带有多个串口,具有支持多总线、传输距离远、传输协议多样、低成本及低功耗的特点,已成功应用到工业现场的信号采集和设备监控中,满足长期稳定和实时的性能要求。     

遥控器的按键和图像自动检测仪

该文提出的实现遥控器按键和图像自动化检测系统,可取代目前的人工操作,完成一个遥控器的工作状态和液晶显示情况的自动化信息检测.其工作原理是:运用电气装置、机械装置代替传统的手工按键使遥控器的液晶屏显示不同的工作状态,利用数码图像采集系统采集遥控器液晶屏的显示图像,与标准图像对比后显示检测结果,然后将有缺陷遥控器与没有缺陷遥控器分开.