基于电子视觉系统的软胶囊自动分选机的开发研究

针对国内食品、医药行业软胶囊制品生产过程中的胶囊分选问题,摒弃原有的人工分选模式,采用电磁振动上料器自动上料、链条输送机构无级调速匹配输送、计算机视觉系统间接判别软胶囊质量、高速喷嘴吹去超差软胶囊制品的方法,来分选软胶囊制品,最高分选速度可达10粒/s以上。该技术最大的优点在于一是极大地提高了分选效率,二是避免了由于人工分选靠感觉和经验来判别软胶囊制品的大小,而把合格制品误判为不合格,或者把不合格品判为合格品,造成误检的情况。     

基于机器视觉的水果分级系统

目的:解决目前水果分级检测方法效率低、误检率高等问题。方法:以苹果为分拣对象,设计一个基于机器视觉的水果分级系统。对实时采集得到的苹果图像进行预处理,使用改进的Canny边缘检测算法进行边缘提取,通过最小外接圆法拟合边缘坐标得到苹果的横切面半径。将采集到的RGB图像转换为HSI图像,根据H分量范围计算红色区域比例,判断苹果的色泽度。统计区域像素点个数,分别求取苹果的面积和周长,计算出苹果的圆形度。结合苹果果径长度、色泽度和圆形度3个特征值对苹果进行综合分级。结果:50个苹果样本试验结果表明,水果分级系统和人工分拣测量的果径误差范围在±1.5 mm以内,样本颜色特征与苹果实际外观相符,圆度值的大小与实际形状优劣相符。结论:该系统满足实际生产中对于苹果分级的需求,有助于实现苹果品级的准确识别。     

我国基于机器视觉的水果自动分级技术及研究进展

综述了国内基于机器视觉的水果自动分级技术在大小、形状、颜色和表缺陷分级方面的研究现状,分析了基于机器视觉的水果自动分级过程中存在的不足,提出了利用定向装置与机器视觉相结合的水果分级的思路。     

基于人工智能的农产水果分级检测技术综述

水果的分级检测是水果品质保障的重要依据。随着人工智能和图像处理技术的大力发展、计算机硬件成本的下降和性能的提升,在水果品质检测中人工智能检测技术方面获得了越来越多的应用。本项目采用人工智能技术研究水果分类、水果外观缺陷检测、水果等级层次划分的自动化技术,用智能机器代替人工进行工作,保障农户产出的水果能快速出售,获得更高的经济效益。     

基于计算机视觉的智能交通监控系统研究

随着我国城市化进程的加快,一些所谓的"大城市病"逐渐成为我国面临的巨大挑战。在现在的"大城市病"中最为严峻的就是交通问题。伴随国民经济的飞速发展,人民生活水平显著提高,私家车辆数目也直线上升,导致城市交通拥堵、车祸、违规停车等发生频率也连年上升,这对我国建立高效的智能交通监控系统提出了要求。     

基于机器视觉的马铃薯智能分级系统

为实现马铃薯外观品质自动分级,构建马铃薯智能分级装置,提出一种简单易行的马铃薯智能分级控制方法和流程,并基于Visual C++环境实现马铃薯智能分级软件系统。该系统通过下位机发送信号给上位机来控制摄像头拍照,上位机对所拍摄的马铃薯图像进行处理与分级检测,并将检测结果发送给下位机智能分级装置,最后分级执行器执行分级。经测试:该分级控制方法简单易行且运行稳定,不受机器运行速度的影响,基本消除了强电干扰所构建的分级系统分级结果稳定,分级精度达到90%,可满足马铃薯实时分级的要求。     

基于机器视觉的金丝皇菊智能分级系统研究

为实现对金丝皇菊的快速无损等级评估,本文应用机器视觉技术对5个等级的金丝皇菊进行智能分级。首先根据金丝皇菊的品质特性设计分级装置,并根据金丝皇菊的颜色、形状、完整度等特征设置不同的分级标准;其次运用图像灰度化、图像去噪、图像增强技术完成金丝皇菊图像预处理;再次采用加色法混色模型(Red Green Blue, RGB)完成金丝皇菊颜色特征提取与识别,并通过图像分割和边缘检测技术完成对金丝皇菊图像完整度的判断及花径的计算,得出金丝皇菊的预测等级;最后基于Microsoft Visual Studio 2017平台开发一套金丝皇菊智能分级系统,实现系统的实时可视化操作。结果表明,本文设计的金丝皇菊智能分级系统整体分级准确率达到了97.6%,平均分级速度为人工的5倍多,其在可靠性、速度、工作效率、鲁棒性等各方面都优于传统的人工分级,本研究为机器视觉技术在花茶分级领域的应用提供了实际案例与技术参考。     

基于机器视觉的水果外观品质检测研究进展

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。     

基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

基于计算机视觉的牛肉质量分级研究进展

牛肉品质分级对于肉牛产业具有重要意义,为克服人工评级的弊端,客观、无损的自动分级技术成为研究热点。本文综述了国内外利用计算机视觉对牛肉大理石纹、生理成熟度、肉色和脂肪色这些指标进行分级预测的研究进展情况,讨论了研究过程中诸如图像分割、特征提取方面存在的困难,最后指出了计算机视觉技术在牛肉品质分级应用过程中存在的问题以及可能的发展方向。     

基于计算机视觉的大米整精米率检测

提出了一种在线的基于计算机视觉的大米整精米率检测的新方法。采用最大方差阈值分割对大米图像进行处理,再对分割结果进行形态学操作,实现连接着的大米的分离,最后对分离后的大米二值图像进行面积和周长特征的提取。根据米粒周长像素数目的大小采取不同识别模式,当大米周长的像素数目大于某一固定值(先验值)时,即该种大米是长粒型,采取周长识别模式;短粒型大米则采取面积识别模式。通过使用这一能够智能选择识别模式的检测方法,能够大大提高整精米率的检测效率。     

Development of a Hyperspectral Computer Vision System Based on Two Liquid Crystal Tuneable Filters for Fruit Inspection. Application to Detect Citrus Fruits Decay

Hyperspectral systems are characterised by offering the possibility of acquiring a large number of images at different consecutive wavebands. To ensure reliable and repeatable results using this kind of optical sensors, the intensity shown by the objects in the different spectral images must be independent from the differences in sensitivity of the system for the different wavelengths. The spectral efficiency of the acquisition devices and the spectral emission of the lighting system vary across the spectrum and the images, and therefore the results can reproduce these variations if the system is not properly calibrated and corrected. This is particularly complex, when several LCTF devices are used to obtain large spectral ranges. This work presents the development of a hyperspectral system based on two liquid crystal tuneable filters for the acquisition of images of spherical fruits. It also proposes a methodology for acquiring and segmenting images of citrus fruits aimed at detecting decay in citrus fruits that has been capable of correctly classifying 98 % of pixels as rotten or non-rotten and 95 % of fruit.     

基于计算机视觉的鲶鱼肉色泽测定系统

采用色差计与计算机视觉系统(computer vision system,CVS)两种方法分别测定鲶鱼(Clarias leather)冰藏18 d期间鱼肉的色泽变化,探讨CVS方法测定鱼肉色泽(L*、a*、b*)的可行性。结果表明,两种方法所得的冰藏期间鲶鱼肉色泽变化趋势相同,且所得的总色差(ΔE值)基本相等。鱼肉冰藏期间明度(L*值)和ΔE值随着冰藏时间延长而逐渐升高(P0.05);红度(a*值)在前3 d缓慢升高,之后显著下降(P0.05);黄度(b*值)无显著性变化(P0.05)。通过色差计测量值对CVS测量值进行校正并验证可知,其校正值与色差计测量值无显著性差异(P0.05),且二者L*、a*、b*值的线性相关系数为0.89~0.97,表明CVS测量值经校正后,能准确地检测出冰藏期间鲶鱼肉的色泽变化,从而实现鱼肉色泽的快速测定。     

基于计算机视觉的柑橘无损检测技术

分析了柑橘无损检测和分级技术的重要性及其发展现状,阐明了基于计算机视觉的柑橘无损检测的流程.柑橘的好坏主要由柑橘的大小和形状决定,2个特征参数的提取运用了数字图像处理技术, 根据控制规则,输出1个变量即苹果等级分类.实验结果表明:该方法能较好地区分柑橘的好坏,达到预期的目标,结果是可以接受的.     

基于计算机视觉的玉米粒形检测方法

提出了利用计算机视觉技术检测整粒玉米和破碎玉米的方法,以适应快速准确检测玉米品质的要求。设计了一套基于计算机视觉技术的玉米粒形检测装置,开发了玉米粒形检测算法;首先采用玉米粒形检测装置获取玉米籽粒图像,再对图像进行预处理,然后根据玉米籽粒的特点提取面积、周长、长、宽等8个特征参数,将粒形特征参数作为输入值构建BP神经网络对玉米的粒形进行检测。结果表明:该方法对整粒玉米检测的准确率为97.50%;对破碎玉米检测的平均准确率为91.83%。     

基于机器视觉检测精细雾化喷头的装置

为了提高精细雾化喷头检测效率,分析人工抽检精细雾化喷头效率低、全数合格率难以保证的原因;根据雾化喷头的结构、检测环境及要求,阐述传感器检测方法的不足以及机器视觉检测方法的优势;通过选用300万像素的定焦镜头、12.7 mm面阵相机和功率为0.5 W~4.0 W的小面积LED防水灯构建机器视觉系统照明布局,采用快速接头的密封方式,结合自动上料装置、计算机图像处理与分析单元和PLC控制的雾化喷头不合格品自动剔除单元,制造出全自动雾化喷头检测装置。使用结果表明,采用机器视觉方法检测精细雾化喷头喷雾圆锥的角度,检测速度是人工检测的2~3倍,能保证产品全部合格,实现喷头高效生产和自动化生产。     

基于计算机视觉的纸浆纤维特性检测与研究

设计了基于计算机视觉的纸浆纤维特征在线检测装置,并提出了用于在线特征提取的纤维图像处理算法,采集的在线纤维图像经图像去噪、图像增强、细化后便可以提取纤维的特征.采用纤维长度、宽度、弯曲度以及统计分布来描述纤维特征,除了传统方法中曲度的方法外,还利用拐角检测算法来描述纤维的弯曲特征.     

一种新型提取分离装置的研制

通过集成降膜式蒸馏、刮膜式蒸馏和分子扩散蒸馏3种不同的蒸馏方式,设计和研制一台具有提取与分离功能的新型自动化设备。介绍设备的工作原理、基本结构与设计,并通过具有代表性的模拟试样考察设备的运转情况、密封性能以及提取分离的效果。试验结果表明,该设备密封性能良好,3个蒸馏器的真空度分别可以高达0.1 MPa、10 Pa和0.1 Pa,蒸馏温度可以在室温和300℃之间任意调节,模拟试样的各组分分离效果良好,回收率都在90%以上。     

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。