共查询到17条相似文献,搜索用时 218 毫秒
1.
2.
针对合成孔径雷达(SAR)图像自动解译的需求,研究了高分辨率的SAR图像建筑物检测技术。由于人造目标按照某种方式有组织的构成,而机器视觉可以模拟人类视觉的感知编组能力获取图像的相关组织和结构,并可以根据特定的准则将提取到的图像特征编组成为更高层的结构,利用该特性,将感知编组方法用于检测建筑物,通过边缘检测和霍夫变换提取直线段基元,结合感知编组和建筑区在SAR图像上表现的亮度特征,提出了一种平行适应度函数辅助建筑物检测。基于对实测SAR图像的实验结果表明,该检测算法可靠,定位准确,并能有效地降低虚警率。 相似文献
3.
为精确测量高精密齿轮小缺陷,提出智能视觉方法.基于机器视觉构建包含CCD面阵传感器、点视觉激光传感器及IMAQ Vision软件等,通过CCD面阵传感器、点视觉激光传感器采集小缺陷图像,用双边滤波法去除图像噪声,用遍历法选取最佳阈值,用阈值分割法二值化处理噪后图像,用IMAQ Vision软件检测二值化图像边缘.结果表明:该方法的图像采集与处理效果优越且精度较高,测量结果稳定,平均误差仅为0.001 mm,能精确测量高精密齿轮小缺陷. 相似文献
4.
针对目前国内小口径炮弹接触式底火装配找坑方式易划伤、擦亮底火等缺陷,提出一种基于图像检测的非接触式找坑方法。以机器视觉技术为基础对待检测底火的特征信息进行提取和处理,采用图像检测技术完成底火信息的检测,将图像检测得到的底火数据在控制器内运算处理并引导拧紧机构动作,实现拧紧爪的非接触自动找坑,并使用模板匹配检测对视觉系统的特征进行检测。分析结果证明:该方法拧紧爪定位准确,找坑过程中不会损伤底火,满足设计要求,并已在某小口径炮弹底火拧紧设备中得到应用。 相似文献
5.
6.
7.
为解决人工检选GAT0 推进剂药管尺寸与外观质量存在的问题,对GAT0 推进剂智能化检选系统进行设
计。提出图像检测技术的自动化智能检选方案,采用基于图像检测方式检测药管尺寸和外观缺陷,利用专用仿真和
分析工具对系统进行分析,对智能检选系统的数据采集进行统计分析,结合推进剂机器视觉检选技术,得出智能检
选系统的实施效果。应用结果表明:该设计可提高产品质量和保障产品安全高效生产,有一定的实用参考价值。 相似文献
8.
9.
10.
11.
针对延期体、枪弹弹壳、弹头等弹部件的高效自动排序需求,基于视觉引导的工业并联机器人自动抓取
系统进行自动排序技术研究。通过机器视觉自动识别弹部件位置,引导并联机器人抓取工件后自动调整工件姿态并
快速排序放置。运用该视觉引导排序技术的枪弹装配及延期雷管装配自动生产线已投产。结果表明:该排序方式效
率高、漏装反装失误率极低;柔性化水平高,可适应不同长度、外形的弹部件;生产线的整体效率和运行可靠性大
幅提高。 相似文献
12.
工业电视和无损探伤技术相结合,可检测材料表面和内部缺陷并直观显示,为质量判定提供依据。文中介绍了由X射线管、图象增强管、摄象机和记录装置等构成的工业X射线电视检测法的原理及其主要设备功能,以及在板材和管材焊件探伤中的应用。并介绍了由紫外灯、摄象管、监视器和信息处理器等构成的工业电视荧光磁粉探伤法的原理、特点和应用范围。 相似文献
13.
14.
Human motion detection based on computer vision is a frontier research topic and is causing an increasing attention in the field of computer vision research. The wavelet transform is used to sharpen the ambiguous edges in human motion image. The shadow's effect to the image processing is also removed. The edge extraction can be successfully realized. This is an effective method for the research of human motion analysis system. 相似文献
15.
16.
针对单独使用Matlab的数据输入、网络通信和硬件控制繁琐以及界面开发和流程控制能力差等问题,提出一种将LabVIEW与Matlab混合编程的方法。确定图像的读取方法,把LabVIEW采集到的图像送到Matlab中进行复杂的运算处理,再送到LabVIEW作图像输出和显示。结果表明:该方法能实现某管类零件缺陷图像处理,也可应用于其他零件的缺陷检测。 相似文献
17.
限于成本,无人机搭载的任务设备主要为普通数码相机,采集的是可见光图像,针对此种情况,提出了一种利用彩色分割及形状检测识别油气管道的方法,首先需要设定感兴趣区域ROI,计算出协方差矩阵C和均值m,并使用欧氏距离、马氏距离对图像进行彩色聚类分割,然后对分割图像填色后进行边缘检测,最后根据边缘图像进行霍夫变换来检测直线特征,实现复杂环境下对管道位置的自动定位.测试图像库包含300幅图像,识别准确率达到80.3%,实验结果表明,在色彩差异较大背景中,基于颜色和形状特征的识别方法能有效进行管线跟踪定位. 相似文献