基于机器视觉的机器人辨识及分拣盒装香烟的系统

运用机器视觉技术和机器人技术设计并实现了一种识别、分拣盒装香烟的系统,以提高识别准确率和分拣效率。该系统通过USB摄像头采集烟盒图像信息,从烟盒的特征检测入手,利用Matlab工具对香烟条形码、烟盒颜色和字迹字符三个方面进行处理分析,识别出真伪香烟,并随即通过控制机器人手爪对识别出的香烟进行分拣。     

基于EILBP视觉描述子结合PLSA的场景分类算法

针对场景分类问题,本文提出一种基于图像局部边缘区域的EILBP(Edge Improved Local Binary Pattern)视觉特征描述结合PLSA模型场景分类方法.EILBP视觉特征通过利用局部边缘区域的梯度、方向分布与特征的局部空间分布等信息对图像进行充分合理地描述.首先对场景图像边缘轮廓稠密采样,得到以稠密采样点为中心的图像局部边缘区域并提取区域的EILBP特征作为视觉词汇,对视觉词汇聚类形成视觉词汇表(码本);然后,用词袋(BOW,Bag-Of-Words)模型描述图像;最后,利用PLSA模型对图像的词袋模型进行潜在语义挖掘并用判定式KNN分类器进行场景分类,得到测试图像集合的混淆矩阵.在多类场景图像上的实验表明,本文所用的方法不需要对场景内容进行人工标注,具有较高的分类准确率,且对具有边缘轮廓的图像分类精度较高.     

AHP-模糊算法在卷烟制丝过程质量评价中的应用

目的 实现曲轴轴承盖在包装生产线上的自动分选,提高生产效率,降低企业生产成本。方法 提出一种基于机器视觉的曲轴轴承盖外形轮廓分类方法,首先等间隔提取预处理曲轴轴承盖图像的行和列,计算每行和每列所含目标像素数量,将关于图像中心对称的2列目标像素数量求和,将提取的特征依序组成对轴承盖正反摆放具有不变性的特征向量;然后采用主成分分析法,对归一化处理的特征向量进行降维;最后采用支持向量机分类。结果 实验结果表明,对样本集的特征向量提取前5个主成分,零件外形轮廓分类准确率达到99.8%。结论 文中所述方法可实现轴承盖零件的准确分类。     

基于多元分类模型的颜料红外光谱鉴别

颜料的检验与认定是司法鉴定中一项重要的工作。在传统的分析中,侦查人员往往通过人工逐一比对和分析,其耗时长,误差大,无法满足无损、快速、准确检验现场颜料样本的需求。该文提出一种检验方法,以期实现对物证无损、快速、准确的检验与鉴定。通过采集并分析不同品牌共计48个颜料样本的红外谱图,采用多元散射校正、Savitzky-Golay平滑和峰面积归一化开展预处理工作,建立基于K近邻算法等4种分类模型,从而实现不同颜料间的区分和归类。在区分水粉类颜料和毕加索丙烯画颜料时,相较于K近邻和Fisher判别模型,多层感知器分类模型准确率更高(总体分类准确率为100%),分类结果更好。在经过主成分分析提取特征变量后,分类模型对两类颜料的区分准确率均为100%。应用MLP结合PCA构建的分类模型对颜料样本的区分效果最佳。针对水粉类中的两类即普通水粉类和毕加索水粉类颜料样本,多层感知器分类模型对其的分类准确率为97.2%,针对普通水粉类样本的两个品牌(贝碧欧和晨光),多层感知器分类模型的分类准确率为100%,实验结果理想。利用中红外光谱结合多元分类模型可实现对颜料样本准确的鉴别与区分,其快速无损准确,降低检验鉴定成本,提高检验鉴定效率,可为其他物证的鉴别与分析提供一定的参考。     

抛光金属弧状面瑕疵实时检测

提出了一种基于机器视觉对抛光金属弧状面进行实时快速检测的方法.在离线情况下,对不同光强下的样本工件进行学习分析,构造图像的背景亮度分量与灰度水平的关系函数,提取样本工件反射分量的统计特征.在线检测时,先分析图像的灰度水平,并计算图像所对应的亮度分量;然后从图像中提取出灰度均匀的反射分量,最后对反射分量进行阈值分割并做出决策判断.实验表明,本文提出的方法能通过一次学习,适应变化的采集环境,系统具有较高的鲁棒性;检测一帧图像平均时间为40 ms,准确率达98％以上,具有较高的实时性和准确性.     

基于SVM的高通量dPCR基因芯片荧光图像分类研究

目的 为了实现高通量dPCR基因芯片荧光图像的亮点分类与计数,提出一种基于支持向量机（SVM）的荧光图像分类与计数方法。方法 首先对荧光图像进行去噪、对比度增强等图像预处理,对预处理后荧光图像进行亮点区域提取标注,去除背景与暗点的冗余信息,利用方向梯度直方图（Histogram of Oriented Gradient, HOG）提取鉴别特征,计算合并所有样本的亮点特征得到HOG特征向量,根据已得到的HOG特征向量创建一个线性SVM分类器,利用训练好的SVM分类器对荧光图像亮点进行分类与计数。结果 对比传统算法,文中算法具有较高的分类识别精度,平均准确率高达98%以上,可以很好地实现荧光图像亮点分类与计数。结论 在有限的小样本标注数据下,文中算法具有良好的分类性能,能够有效识别荧光图像中的亮点,对其他荧光图像分类研究也具有一定参考价值。     

基于孪生并行注意力网络的包装印刷品商标真伪鉴别研究

为了借助手机精确快速地鉴别微小篡改的包装印刷品商标真伪,提出孪生并行注意力卷积神经网络判别模型。通过孪生网络的共享权重机制降低网络系统的表征偏差,通过并行注意力机制提高对微小篡改变化特征的提取能力,最大程度降低打印拍照引入的噪声对篡改特征提取的影响。在2种印刷纸张、2种拍摄光源和2种拍摄手机组合的8种开放场景中,拍摄多组真伪商标的印刷图像,建立篡改面积0.4%～0.7%的商标真伪数据集。模型在该打印拍照数据集上鉴别准确率为94%以上,在真实山寨商标上的鉴别准确率为100%。本文提出的孪生并行注意力卷积神经网络模型,具有较高的细粒度鉴别精度和较强的泛化能力,能够在开放场景下有效地实现基于图像微小篡改的包装印刷品商标真伪的鉴别。     

融合CNN和ViT的声信号轴承故障诊断方法

针对轴承故障诊断任务数据量少、故障信号非平稳等特点,提出一种短时傅里叶变换、卷积神经网络和视觉转换器相结合的轴承故障诊断方法。首先,利用短时傅里叶变换将原始声信号转换为包含时序信息和频率信息的时频图像。其次,将时频图像作为卷积神经网络的输入,用于隐式提取图像的深层特征,其输出作为视觉转换器的输入。视觉转换器用于提取信号的时间序列信息。并在输出层利用Softmax函数实现故障模式的识别。试验结果表明,该方法对于轴承故障诊断准确率较高。为了更好解释和优化提出的轴承故障诊断方法,利用t-分布领域嵌入算法对分类特征进行了可视化展示。     

基于贝塞尔轨迹的视觉导引AGV路径跟踪研究

为提高视觉导引自动导引车(automatic guided vehicle,AGV)路径跟踪精度,提出一种基于贝塞尔轨迹的精确路径跟踪算法。该算法首先将采集的多种路径特征图像进行预处理得到形状信息,训练SVM多层路径形状特征分类器;然后根据命令,改变AGV采集到的分支路径图像的权重,迭代计算所选择路径的若干最小内接圆;最后,利用最小二乘规则,将最小内接圆的圆心拟合成贝塞尔轨迹,实现AGV的精确路径跟踪。将该算法应用于视觉引导AGV中,并进行路径特征的在线识别和轨迹跟踪实验。结果表明:路径特征的识别准确率为99.7%以上,识别时间约为22 ms,弯道轨迹跟踪准确度为20 mm和20°;与传统方法相比,该方法显著提高路径特征识别和轨迹跟踪的准确率,更能满足工业现场需求。     

基于视觉词袋模型的茶机智能化控制方法

因3类名优茶在颜色上并无太大区分,纹理特征也不明显,所以在茶机智能化控制方法中主要依靠人为的主观判断进行名优茶分类,准确度较低。针对这个问题,提出一种基于视觉词袋模型的分类方法,首先对采集的茶叶图片通过数字图像处理的方法调整对比度,然后利用视觉词袋模型提取每一张图像的SIFT特征并生成视觉单词,最后将每一张图像表示成一个包含视觉单词的向量,输入到BP神经网络中进行训练并分类。实验结果表明:该方法合理有效,可以被广泛应用到茶叶分类问题中。     

基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法

目的 为减少ZB47包装机小包拉线缺陷投诉,基于无监督深度神经网络构建一种小包拉线缺陷视觉智能检测方法。方法 首先,在ZB47包装机CH转塔部位设计并加装小包图像采集装置,获得实时高清晰度小包图像。其次,将小包图像根据拉线位置进行固定位置的裁剪,从而减轻不同工况的环境背景影响并且加快检测速度。然后,构建自编码器–编码器结构的主干网络,同时叠加生成对抗网络中的判别器模块组成缺陷判别模型,并综合采用图像间、图像隐空间以及图像特征间的信息构建模型的损失函数。最后,使用裁剪后的正常小包拉线图像对构建的缺陷判别模型进行训练,并基于所有的正常小包图像得到异常阈值。结果 实际验证阶段,待检测图像的得分大于异常阈值即判断为异常图像,触发CH转塔部位的小包剔除装置将该缺陷小包剔除。生产现场测试表明,所提方法可以对典型小包缺陷进行快速准确检测,缺陷检测准确率为99.99%。结论 该方法能够满足生产现场卷烟小包拉线缺陷检测的准确性和实时性要求。     

C800包装机烟包外观检测装置的设计

目的为了解决GDX6S包装机出口至烟包输送通道、烟包存储装置、C800包装机入口处烟包输送、存储、包装等过程中容易导致烟包外观质量缺陷,而且无任何检测装置对其进行有效检测与剔除的问题。方法设计一种新型烟包外观视觉检测装置,通过对其关键技术的研究,综合工业相机及触发脉冲信号的安装,全方位可旋转支架的设计制作与安装,动态图像的采集与处理,PLC控制程序的设计等,实现烟包外观缺陷产品的动态检测及准确剔除。结果该外观视觉检测装置安装后,对烟包外观缺陷产品检测剔除率≥99%,误检率≤0.9%。结论该烟包外观检测装置能提升产品质量,降低物耗,提高设备作业率,降低有缺陷烟包进入下道工序的风险,可推广应用于行业内所有包装机组设备上。     

PCA图像融合算法在包装机涂胶检测中的应用

目的为解决卷烟厂包装机烟盒涂胶检测中,单一的可见光相机或红外相机对于涂胶的有无、位置、面积、均匀性等难以同时检测的问题,文中采用PCA图像融合算法作图像预处理,用于FX-2型包装机视觉检测系统。方法检测系统需要在涂胶检测处安装红外相机,同时捕获可见光图像和红外图像,然后将可见光图像与红外图像作主成分分析,替换主成分分量后进行图像融合,最后将融合后的图像输出至后端处理系统。结果实验证明,融合后的图像纹理细节丰富,同时包含了边缘信息与温度信息,对比度高,可检测性强。结论 PCA图像融合算法在涂胶检测的前端处理中非常有效,融合后图像经过后端处理,可以快速检测出包装纸上涂胶的有无、位置、面积以及均匀性,嵌入FX-2型包装机视觉检测系统后,可实时检测出涂胶不合格的包装纸。     

基于视觉单词和语义映射的色情图像检测算法

针对传统类型的色情图像检测方法误检率高的问题,提出了一种基于多层视觉单词的检测方法.该方法首先对色情场景的各种视觉元素建立视觉单词,然后通过这些视觉单词建立更高层的编码,包括视觉词组和兴趣区域类别,从而实现对图像不同形态级别的描述与分析.图像的识别特征由相应的编码直方图组成,并将特征映射到一个低维空间中,使图像间的语义距离与空间距离相协调.该方法在各种图像测试中都表现出出色的性能,例如在人物类图像测试中,误检率比传统方法降低了40%.实验结果证明,多层单词体系能够更高效地分析色情图像等复杂场景.     

消费文化视阈下农产品品牌IP视觉形象设计研究

目的 在消费文化视域下,对农产品品牌IP视觉形象设计的规律与方法进行梳理,进而探讨农产品品牌IP视觉形象设计的创新思路和优化路径。方法 首先,从消费文化和视觉消费视角,通过消费符号化、消费感性化、消费体验化三个特征维度分析农产品品牌IP视觉形象设计主流形式及需求趋势;随后,通过文献分析与案例研究法对农产品IP视觉形象的设计规律与设计方法进行梳理,结合消费文化视域下农产品IP视觉形象设计的应用价值、创新思路、优化路径提出具体的设计策略;最后,通过“温氏天露”食品品牌的设计实践案例,从满足物质消费需求的设计定位,到满足文化消费需求的内容设计,再到满足精神消费需求的场景化构建三个维度的设计策略进行实例验证。结论 基于当前消费文化特征的农产品品牌IP视觉形象设计策略,能有效建立IP视觉形象与农产品、品牌、消费者之间的联系,有助于实现农产品品牌的精准定位、品牌理念的输出,以及消费体验的增强,为农产品品牌IP视觉形象设计提供新的研究视角与有益启示。     

非负矩阵分解耦合视觉词典的图像检索算法

目的解决当前图像检索技术中,图像特征稀疏编码收敛速度慢,以及局部特征空间信息不足易导致检索误差较大等问题,提出一种基于l0稀疏约束非负矩阵分解耦合视觉词典优化的图像检索算法。方法首先,在非负矩阵分解(Non-negative Matrix Factorization,NMF)的基础上,对系数矩阵设置l0个约束来限制其稀疏性,从而定义一种l0稀疏约束的NMF方法。再通过一种自适应序列词典初始化方案,从训练样本获得词典的初始估计。然后,利用l0稀疏约束的NMF来增强视觉词典,对图像局部描述符进行稀疏编码,并利用最大池化操作来生成聚合特征向量,从而保留局部描述符的关键属性。最后根据得到的特征向量,引入Minkowski距离来衡量查询图像与数据库的相似性,输出检索图像。结果实验结果表明,与当前图像检索方案相比,所提算法具有更高的查准-查全率和收敛速度。结论所提算法返回的图像与查询图像相似度高,在包装商标检索等领域具有一定的参考价值。     

加装FX2包装机的小包视觉检测

目的 针对青岛卷烟厂现有FX包装机型生产中,没有检测烟包外观完好的设备,设计安装一套小包视觉检测装置,将高速生产中产生的不合格烟包准确剔除。方法 通过安装高速PLC和视觉采集相机,利用软件图像处理功能将采集照片进行处理分析,输出结果到上位机,控制电磁阀将缺陷烟包准确剔除。结果 经过数月的实验,在改进后的抽检中,玻璃纸缺陷次数由13降低为1,剔除数量为318盒;商标纸缺陷次数由23降低为0,剔除数量为766;内卡纸缺陷次数由14降低为1,剔除数量为160。可看出无检测的生产中存在大量缺陷烟包漏剔现象。结论 经过安装调试投入正常使用,该检测系统性能稳定可靠,能有效地降低产品的质量隐患。     

Cross-Lingual Non-Ferrous Metals Related News Recognition Method Based on CNN with A Limited Bi-Lingual Dictionary

To acquire non-ferrous metals related news from different countries’ internet, we proposed a cross-lingual non-ferrous metals related news recognition method based on CNN with a limited bilingual dictionary. Firstly, considering the lack of related language resources of non-ferrous metals, we use a limited bilingual dictionary and CCA to learn cross-lingual word vector and to represent news in different languages uniformly. Then, to improve the effect of recognition, we use a variant of the CNN to learn recognition features and construct the recognition model. The experimental results show that our proposed method acquires better results.