基于机器视觉的瓦楞纸压制送料机器人的控制

本研究采用工业相机采集纸板切割机切下的纸板纸尖图像,取得纸尖在机器人世界坐标系中的定位数据,根据压辊机的位置和所需要的瓦楞角度,建立了机器人的姿态预测模型。在机器人运行时通过调整机器人的运行姿态,实现瓦楞纸的压制上料。经过实际运行,系统可以将瓦楞纸位置误差控制在5 mm以内,旋转角度误差控制在2°以内。结果表明,基于机器视觉的机器人送纸过程的稳定性和可靠性均优于人工操作,但是灵活性还有一定的欠缺。     

基于机器视觉的食品瓶罐包装缺陷检测研究进展

根据近年文献资料,介绍了机器视觉技术在食品瓶罐包装缺陷检测上的应用和发展,概述瓶罐包装缺陷检测系统的硬件结构和检测流程;梳理并分析基于图像处理技术和基于深度学习方法在食品瓶罐包装缺陷检测领域取得的研究成果,探讨分类网络模型和目标检测网络模型两种技术在该领域的优势和不足,并对未来的发展进行了展望,为智能瓶罐包装检测的创新和发展提供参考。     

基于机器视觉的织物瑕疵自动检测硬件系统设计

为实现织物瑕疵的自动检测功能,设计基于机器视觉的织物瑕疵在线检测硬件系统。该系统是在传统验布机的基础上,改进机械结构,设计机械传动装置,选择并配置采集图像的硬件设备以及图像处理硬件设备,保证系统能够获取清晰、稳定的图像信息,满足织物疵点检测各项性能要求。     

基于机器视觉和人工智能的花圃裁剪机器人

本设计在无人控制下,结合机器视觉、人工智能和图像处理技术,智能地循迹以及避障;自行完成花圃裁剪工作;自行设计自动切割装置,高效地进行花圃裁剪工作;能够对环境信息进行智能调节,使花圃裁剪工作稳定进行;能够实现远程监控功能。     

基于机器视觉技术的目标精密识别测量系统

根据 MOX 芯块自动检测应用的需求,用特殊光谱照明与高分辨率相机作为探测系统,设计了基于机器视觉技术的目标精密识别测量系统,完成对 MOX 芯块的尺寸及缺陷的定量检测,给出测量结果。该系统的特点是组成复杂、测量精度高及低的误判率,经过试验,完全达到了工程应用的要求。     

机器视觉在网球捡球机器人中的应用研究

机器视觉技术是近几年逐渐发展起来的全新技术,原理主要通过计算机对人的视觉进行模拟与识别,是智能制造和自动控制领域较为关键的技术。网球作为一项时尚运动得到了越来越多的人喜爱,但球场快速捡球是一个难题。因此,研制一种智能化程度高,行进能力灵活,操作简单的自动捡球机器人有较好的市场需求,应用机器视觉技术到该领域是一种新的尝试与实践。     

基于机器人视觉的银行预警安防智能机器人设计

在当今社会,自动取款机抢劫事件不断发生.文章在对比各个监控系统的基础上制作了基于机器人视觉的银行预警安防智能机器人,将实时侦测目标的动作,一旦发生异常将会自动报警,确保使用者的人身安全.同时为了提高在不同情景下的使用率,结合机器视觉提供了手势识别功能,并在图像融合过程中运用小波变换、高斯去噪、模版对比等数字算法,提高机器人在不同环境下识别的准确度.     

基于机器视觉的空瓶图像检测系统

啤酒瓶在灌装前必须进行多种指标检验，针对实际生产的需要，本文设计了一套基于机器视觉的在线检测系统。系统采用了分布式高速多通道视频信号实时采集与处理方法，很好地解决了实时性与准确性要求的矛盾。系统核心是一种针对处理图像信息的可重构并行处理器，处理器的设计采用了DSP FIGA的混合计算结构，既具有制造完成后的可编程性，又能提供较高的计算性能，可适用多种实时图像信息处理应用的需要。     

基于机器视觉的工业机器人分拣技术研究

机器人分拣技术一直受到业内人士的广泛关注。为探讨该技术的特性,文章基于机器视觉搭建一个工业机器人分拣技术平台,并将其做而已实验系统,着重探讨了机器人在相机静止-目标自静止,相机静止-目标运动两种情况下的分拣技术特点,得出相关结论,供同行参考借鉴。     

基于机器视觉的零件圆心距在线测量系统设计

为了实现精密零件尺寸在线检测的智能化与高精度,课题组设计了一种基于机器视觉的尺寸检测系统.该系统利用OpenCV实现算法设计,基于Canny边缘检测,结合Zernike矩实现亚像素边缘提取,利用最小二乘法实现圆心拟合.在QT平台上,基于OpenCV结合C++完成测量系统的界面开发.检测结果表明:该测量系统精度能达到0....     

基于机器视觉的谷糙分界线检测方法

目的：精准识别谷糙分界线。方法：提出一种基于直线边缘检测的谷糙分界线识别方法。该方法对不同颜色特征的谷糙分离图像进行模型匹配,将不同匹配结果的图像采用对应的灰度化处理方式;并利用直线边缘检测算法对该边缘进行灰度波动变换、差分处理得到目标位置。结果：相较于传统的边缘检测方法,该方法将误差范围控制在5%以内,大幅提高了识别精度。结论：该方法的识别误差相对较小,适合用于谷糙分界线的识别应用。     

基于机器视觉的工业机器人分拣技术及系统研究

工业机器人目前在工业生产车间中应用比较普遍,可大幅度节约人力成本,并且针对一些危险的工况可以通过工业机器人取代人工操作,保证员工的人身安全。工业机器人分拣技术目前在物流快递行业的应用较为普遍,其优势在于能够节约企业的资源。基于此,文章简要介绍了机器视觉,分析了基于机器视觉的工业机器人分拣技术,从机器视觉角度对该技术中的一些关键技术进行研究,并设计了相应的分拣系统,使该技术在具体行业中得到有效的应用。     

包装印刷检测的新篇章——机器视觉

<正>一、引言印刷品印刷完成之后,由于整个印刷过程中印刷工艺状态有可能会发生变化,进而造成印刷质量的变化,导致产品不合格等情况。而这一变化导致的产品不合格,在生产过程中难以及时被发现,特别是依靠人眼识别的情况下。如果在印刷完成之后进行品质检查,由于一次生产出的印刷品数量太大,依靠人眼识别很主观并且效率也很低,不是很现实。因此需要一种高效可靠并且稳定的检     

基于机器视觉的折页错位检测应用探讨

为实时监测折页加工过程,用CMOS摄像头组装了一个简易的折页机视觉系统,进行折页错位误差的检测。为最大限度地利用现有摄像头的性能,提高检测的精度和速度,仅检测折页后幅面的一部分。同时,对软件检测折页错位,采用了基于特征点和直线相交两种方法,进行了折页错位检测实验。得到在计算机主频2.8GHz、内存2MB,摄像头分辨率640pixel×480pixel、帧率50f/s的条件下,两种方法的处理时间分别约为150ms和430ms。从实验效果看,该系统可分辨0.5mm的折页错位误差,表明机器视觉可用于折页错位实时检验,基于直线相交的方法抗干扰性好,但处理时间稍长,有进一步改进的余地。     

基于机器视觉的牡蛎分级设备设计

目的：提高牡蛎分级的精确性和全面性。方法：提出并设计了牡蛎自动化分级设备,确定了旋转滚筒与挡板传送带结合的牡蛎排队结构、质量检测和机器视觉检测相结合的分级方式,完成了牡蛎分级设备的整体结构设计。通过工业相机采集牡蛎图像,使用大津法二值化、高斯滤波处理、Canny算子边缘提取等方法提取牡蛎图像,通过机器视觉算法以长度和饱满度为标准对牡蛎进行分级,并进行机器视觉分级与人工分级对比试验。结果：该设备分级准确率为95.4％,图像检测速度约为0.647 s/幅。结论：机器视觉对牡蛎分级是有效的,可以较为准确地对牡蛎进行分级。     

机器视觉技术在水产食品感官检测方面的应用研究进展

机器视觉技术是一种无损、快速、经济的检测技术。结合国内外的相关研究现状,本文介绍了机器视觉系统的优点和对颜色、形状、尺寸等的检测方法,在此基础上,分别对机器视觉技术在包括鱼、虾、扇贝和牡蛎等水产食品感官检测方面的应用进行了详细阐述和讨论,此外,探究了机器视觉技术目前在水产食品感官检测领域应用的局限性及在深度学习方面的发展前景。本文旨在为水产食品的感官检测提供技术支撑,保障消费者的食用安全。     

基于机器视觉的印刷品缺陷检测的改进

<正>一、引言在印刷过程中,由于印刷工艺及机械精度等原因,印刷品往往会出现色差、套印不准现象,还会出现一些飞墨、墨点、刮擦以及包装品凹陷、残缺之类的外观缺陷,从而导致印刷次品的产生。传统的印刷品表面缺陷检测一般有主观目测法、密度检测法和色度测量法三种测量方法。主观目测法主要通过肉眼直接将印刷品和标准原稿进行比对,同时还借用其他辅助设备来寻     

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。     

基于机器视觉的卷烟爆珠在线检测系统设计

目的：针对卷烟爆珠的质量检测,设计和构建融上料传送、机器视觉图像处理及不合格品剔除功能为一体的卷烟爆珠质量检测系统。方法：通过改进类间方差法对爆珠单颗粒图像进行提取,通过灰度分析、非线性度变换及改进最小外接圆等算法,实现爆珠质量自动化检测,在完成图像自动化检测之后,通过设计的不合格品剔除机构进行剔除,并开展爆珠质量检测的重复试验和应用分析。结果：该系统对不合格爆珠的异色、异行、破损总误检率低于3%,能精确剔除不合格爆珠且系统稳定可靠。结论：基于机器视觉的卷烟爆珠在线检测系统设计,能完成对爆珠质量的自动化在线检测,提高了检测速度与准确度。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。