共查询到20条相似文献,搜索用时 31 毫秒
1.
传统的猴头菇品质检测与分级主要依靠人工分拣来完成,其主观性强、精度相差大、效率低,浪费了大量人力物力资源。鉴于此,为了实现猴头菇的快速无损等级评估,该研究引入机器视觉技术,提出了一种猴头菇品质的快速无损检测与分级方法,设计一套基于机器视觉的猴头菇品质快速无损检测与智能分级设备,并通过图像处理和软件设计开发一套猴头菇智能快速无损检测分级系统。通过加色法混色模型(RGB)对猴头菇的颜色特征的快速检测与等级的判定;采用图像阈值分割和Canny边缘检测,实现猴头菇完整度的判定;使用最小外接圆法对猴头菇的大小进行实时计算,完成猴头菇直径大小的判别;基于Microsoft Visual Studio 2017平台开发一套猴头菇品质快速无损检测可视化平台。试验证明,基于机器视觉的猴头菇品质快速无损检测与分级系统检测准确率达到97.07%,速度达到人工的5倍多。验证了系统的可靠性和可行性,为食品工业的智能化生产和加工提供了技术支撑,推动了机器视觉技术在食品行业的应用。 相似文献
2.
3.
络筒机在络筒过程中纱线上张力的变化规律已经有很多较成熟的理论研究,但目前络筒机开发系统实时在线的检测显示纱线张力大小和变化规律还很少。采用IPC加数据采集卡的方案,利用LabVIEW开发平台开发了基于虚拟仪器技术的络纱张力测试系统,并对新旧式络筒机进行了测试。实验结果表明,该系统完全可以满足络纱张力动态测试实验的要求,并能为以后开发更高速、更高质量的络筒机提供实验依据。 相似文献
4.
5.
6.
7.
8.
基于机器视觉的烟用接装纸几何参数测量系统的设计应用 总被引:1,自引:0,他引:1
采用光学投影测量仪测量烟用接装纸几何参数,依靠实验人员的目测定位待测目标和数据判读,检测效率和测量精度较低,为此设计了基于机器视觉的测量系统.该系统以机器视觉系统为基础,由检测平台和计算机两部分组成,系统采用嵌入式MCU控制步进电机驱动检测平台,相机连续采集待测纸样的图像,分析得到图像中存在边缘或孔线时,系统驱动运动平台将待测目标移动至定位基准点,通过增量式线性编码器记录载物运动平台的相对位置,经过运算获得待测纸样的相关测试结果.实验结果表明:基于机器视觉的烟用接装纸几何参数测量系统能够满足接装纸检测行业标准的要求,实现了对接装纸纸宽、孔线宽度以及孔线距边宽度的自动化精确测量,系统对激光打孔接装纸的识别率为100%,测量精度优于0.02 mm. 相似文献
9.
10.
11.
12.
13.
14.
15.
目的:解决当前中国水产行业分选加工效能不足、准确率低、成本高的现状问题。方法:选用智能机器人与传统机械相结合开发新的机械结构对海产品进行分级;同时运用基于机器视觉的智能识别技术对海产品进行分类(采用了适应海产品的改进的新型Faster R-CNN算法),协同构建了一个能够智能、高效、自动分拣海产品的装备系统。结果:改进的新型Faster R-CNN算法识别技术在海产品检测中具有更高的检测准确率(海螺75.1%,扇贝80.3%,贻贝82.9%,蛤蜊86.2%)。结论:装备系统可以代替传统的人工操作模式,完成海产品的智能分拣过程。 相似文献
16.
蓄电池巡检系统能实现对蓄电池的状态进行检测,对蓄电池的异常状态及时进行报警。蓄电池智能管理系统的开发使用C++语言,后台数据库使用SQL Selver平台。该巡检系统使用了嵌入式工业控制微机,提高了可靠性,为在线网络化监控维护奠定了基础. 相似文献
17.
针对视障人群与障碍物之间的位置与距离难以检测的问题,课题组提出了基于单目视觉的障碍物检测与定位方法。该方法基于单目视觉系统获取外界环境信息,在三帧差法的基础上对相邻帧差图像进行加法运算,降低了噪声的影响,实现了对正前方和两侧横穿的障碍物的检测与定位;结合单目视觉系统标定,建立了单目测距模型,计算视障者与障碍物之间的距离;根据视障者的行走速度规划防撞预警策略。通过实验验证表明该方法能够有效检测出人行道上的行人障碍物,同时距离障碍物小于8 m时测距误差控制在5%以下,并提示预警措施。课题组的研究在一定程度上解决了视障人群出行安全的问题。 相似文献
18.
19.
压电陶瓷驱动器具有迟滞、蠕变等非线性特性,降低了微纳米定位平台的精度,因此,课题组通过建立压电陶瓷微位移驱动器的磁滞模型以提高精密定位系统的控制精度,并且设计有效的控制系统加以实验验证。课题组建立了基于正切函数的磁滞模型,将磁滞模型串联在系统中,成功抑制了系统的磁滞效应。在控制系统设计中,采用了逆模型控制、PID控制和PID+前馈控制3种控制策略对微位移实验平台进行控制,验证了模型的精确性和可行性。通过对比分析实验结果可得:实验中的3种控制策略均能有效控制微位移平台的运动,其中以PID+前馈控制的控制效果最为优秀。 相似文献
20.
《西部皮革》2016,(16)
机器视觉技术的引入使汽车行业进入智能车辆的时代。为了提升汽车的主动安全,提出了对安全车距的智能检测技术。首先依据车道线位置的特殊性进行车道识别。然后利用遗传算法确定最优阈值来进行道路分割。最后利用水平投影与极值提取确定出前方车辆所处区域范围,从而判定出是否符合安全车距。实验结果表明:此种算法能够在保证实时性的同时准确判断出安全结果。随着智能交通系统的发展对智能车辆辅助驾驶系统的研究已成为一个重要的研究方向。安全车距的智能检测技术主要功能是判定行驶汽车与前方车辆的距离是否在安全车距以外。具体方法大体上分为基于视觉传感器和基于雷达传感器两类其中基于视觉传感器的检测判断方法主要是通过分析CCD摄像机获取的路面图像信息来搜索汽车;而基于雷达传感器的安全车距判断主要是利用雷达成像原理来进行的。基于路面图像信息的方法易受外界环境的影响,而基于雷达传感器的方法需要在汽车上安装雷达,成本很高而且也易受外界环境影响,所以目前的实现方法还主要是基于图像处理领域。 相似文献