基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明:该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

基于单片机的服务机器人控制系统设计

本文设计的餐厅服务机器人控制系统以STM32单片机作为控制核心,采用RFID传感器获取平面坐标信息实现自主定位功能,并通过电子罗盘、语音模块和红外传感器感知周围环境,实现自主循迹、避障、测距以及语音播报等功能,同时还可以使用上位机通过Wi-Fi模块对服务机器人进行状态监测和运动控制。此外,该服务机器人还能根据设定指令,切换到迎宾、引导、送餐等不同的服务模式。     

云服务模式下的智能视觉家居系统及业务场景搭建

基于物联网技术，从人机交互的形式来看，目前智能家居设备可以分为智能视觉类产品、智能语音类产品和智能触控类产品。其中，与主要采用被动交互的语音及触控产品不同，智能视觉类产品多采用主动交互形式，以机器为起点，自主感知并输出执行结果或提供方案给用户，用户根据结果进一步实现具体的交互反馈。现阶段，仅凭本地化的数据存储、传输及处理能力已不能满足用户的实际需求，因此，通过终端设备自主采集信息并传至云端进行处理的云服务体系应运而生。首先简要介绍智能视觉家居产品及云平台服务体系，其次简要阐述能为用户提供各种服务的SaaS开发服务后台概念及整体架构，最后融合智能终端、云平台、SaaS开发服务后台集成或被集成后的客户端搭建智能视觉类家居场景解决方案。     

棉花图像分割方法的比较与分析

正近年来,随着多媒体技术与计算机技术的飞速发展,机器视觉检测系统在棉花加工、检验领域得到应用。该系统通过工业相机以及计算机的方式,采用数字图像处理技术代替人眼对目标进行分析、识别与测量,能够有效克服人工方式的不足,提高生产效率,具有广泛的应用前景。在机器视觉检测系统中,图像分割是基础,而基于边缘的分割方法也是图像分割与模式识别的重要内容,对检测的效果有着重要影响。本文针对棉花图像分割方法进行研究,分别采     

基于深度相机的障碍物识别

为实现机器视觉系统的障碍物信息进行探测和识别,文章提出利用深度相机识别障碍物的方法:以障碍物和平面的距离变化梯度不同为主要判别方式,搭配孔洞填充,中值滤波,漫水填充,数学形态学运算,帧间运算等噪声抑制算法,实现对障碍物的探测。根据周围环境信息提取具有一定形状特征的典型目标物。实验结果表明,此方法能有效分别障碍物和平面。     

基于形态学的双螺孔自动检测技术

为满足双螺孔准确、高速和客观的实时检测要求,搭建图像采集系统采集待检产品图像,研究了基于数字图像处理的视觉检测系统实现的关键技术。针对需同时检测双孔是否为螺纹孔及是否有烂牙和螺纹小径尺寸是否在公差范围内等多个检测特征,通过对图像依次作形态学预处理、最大类间方差阈值法分割,应用设定检测区域、图像比较和区域描述技术对螺孔进行分析,并定义检测目标的灰度值、像素个数作为螺孔特征识别的主要依据。开发了机器视觉自动检测系统,包括视觉检测软件及图像采集机构,试用结果表明该系统能准确实现双螺孔的自动检测,系统能满足检测的实时性与准确性要求。     

基于语音交互的智能家居设计

文章设计了基于语音交互的智能家居控制系统,系统以Arduino开发平台为核心,结合语音识别模块、语音合成模块、气体传感器、温湿度传感器等元器件,从而实现室内环境气体浓度的检测、空气中温湿度的采集和语音控制家电系统的功能,以便提供给用户更方便更高效更安全的家居生活。     

基于Matlab GUI的说话人识别平台设计

语音交互是一种很方便、有效的身份认证方式。基于Matlab图形用户界面(GUI)设计一款说话人识别平台,该平台具有语音录入、语音保存、语音播放、特征提取和说话人识别等功能,实验表明该平台可靠性较高,具有良好的实用性和交互性。     

基于STM32的4种类型语音控制垃圾桶设计

随着人们生活水平的提高,也逐渐重视环境的治理。垃圾的分类收集是实现垃圾循环利用的一个有效手段,由于目前的垃圾分类技术还未成熟,该设计仅针对易拉罐、玻璃瓶、塑料瓶和废纸4种类型可回收垃圾进行分类收集。该设计是一种基于STM32的4种语音控制垃圾桶,采用STM32单片机作为微处理器,该系统由语音识别模块、语音输出模块、短信提醒模块、舵机系统、垃圾桶溢出传感器和电源模块等组成。通过语音识别技术对声音信号进行处理后,控制垃圾桶识别语音并通过打开盖子进行响应。5 s后,盖子合上。同时,通过GSM短信提醒模块,在垃圾填充满时发出警报,提醒相关部门及时处理并转移垃圾。     

视觉识别在校服交互设计中的应用

视觉识别是能将其元素理念与设计进行完美发挥的系统,校服交互设计是一种可以让校服更易用、更智能从而更有效地让学生愉悦的设计方式。基于视觉识别与交互设计的基本概念,通过资料收集整理,对未来校服设计进行了研究探索,并设想了校服设计新思路的美好愿景。     

基于机器视觉的组培苗自动化识别方法研究

为了使组培苗视觉识别系统能够引导机械手臂实现组培苗的自动抓取、移栽作业,提出一种基于机器视觉的组培苗自动识别方法。通过对采集到的图像进行灰度变换、滤波、阈值分割、骨架提取等图像处理过程,能够对组培苗进行精确的识别,并且能够自动识别交叉点并判断交叉苗的上下位置。对实验室所采集到的100幅图像进行图像处理并识别的结果显示,该算法准确率达到90%,并且不受组培苗摆放位置和摆放数量的影响,有很强的鲁棒性。     

基于运动感知的管理场景构建方法与实践分析

对运动信息的感知是生物识别外在世界的重要途径之一。本文利用生物视觉的生理学和心理学的相关理论,建立从团队建设到员工情绪的统一的管理场景框架。该框架一方面能够指导团队的组建和引导团队追求绩效,一方面能够实现对企业资源的交互动态配置。同时,本文基于管理场景框架,阐述了管理场景的构建方法并给出实例说明。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。     

基于人工智能技术的多信息融合可穿戴式导盲系统设计

人获取外界信息主要通过视觉。失去视觉后,盲人在日常生活中存在诸多困难与危险。随着计算机软硬件技术的迅速发展,导盲设备层出不穷,使盲人群体的生活状况有所改善,切实享受到科技进步带来的便利。现有的导盲设备为盲人的生活提供一些帮助,但存在着价格高、体验差、功能单一等问题。基于以上原因,该文提出一种更人性化、大众化、智能化的基于人工智能技术的多信息融合可穿戴式导盲系统。系统选用带有Raspbian操作系统的树莓派4B开发板作为主控制器,协控制器选用STM32开发板,以OpenCV和C++作为系统的开发工具。系统中的物体识别部分采用OpenCV提供的图像处理接口实现,安全避障部分采用激光测距模块获取障碍物距离,语音识别部分采用语音识别模块对系统进行语音控制,可拨打紧急电话并发送带GPS定位的求救短信。项目采用多线程开发技术开发系统软件,使得系统的性能更加优越。     

基于WEGASUN-M6的语音控制多功能课桌的设计

本设计以STC89C52单片机为核心控制器,通过WEGASUN-M6语音识别模块、DS1302时钟模块、TM1638数码管显示模块、L298N电机驱动模块等来实现语音控制的多功能学生课桌。系统实现三个功能:语音对话功能、计时功能、风扇功能,本设计完成了硬件电路设计和软件程序设计并制作成实物,系统经测试,完全实现了设计目标,具有可推广性和使用价值。     

薄木饰材视觉感知的研究方法与应用趋势

我国家具产业和室内装饰业的快速发展，带动了对木质饰材的大量需求。人们在空间中的行为能够反映出室内环境的吸引力与生命力，薄木长久以来被当做装饰材应用于室内环境中，其自身的视觉特性常被用以提高居住环境的美观度和舒适度，木材视觉特性与人们感知环境之间的关系的研究越来越受到关注。围绕薄木视觉特征与视觉感知的关系，将视觉感知在薄木饰材中的应用范畴，并对色彩、纹理、光泽与其他视觉感知因素进行分析，概括出现有对其进行视觉感知研究的评估方法主要分为生理感觉测量法、主观心理评价法和综合评价法，最后对视觉感知在薄木饰材中的应用趋势作出展望。在综合分析基础上，总结出目前视觉感知研究在薄木饰材的实际应用中还相对薄弱，并提出了新的发展方向：未来应从多感官交互、实际应用技术、多材料混合刺激等角度加强系统研究，进一步完善薄木饰材的视觉感知评估体系，给予薄木视觉特性感知研究新的思考。     

基于单目摄像机的无人机动态目标实时跟踪

文章针对四旋翼无人机与动态目标组成的系统协同作业的任务,研究四旋翼无人机与动态目标的目标识别和目标跟踪问题。设计由单目相机、视觉计算机(树莓派3B)和飞行控制系统组成的自主跟踪控制系统框架,利用Camshift运动目标识别算法对目标位置进行识别并预测动态目标运动轨迹,通过Mavlink协议将无人机的位置信息实时发送给飞行控制系统,从而控制无人机进行动态目标跟踪。实现无人机对动态目标的目标识别,目标跟踪。     

基于机器视觉的玉米头尾识别

为进行玉米棒头尾识别,课题组提出了一种基于机器视觉和机器学习的玉米头尾识别方法。该方法先对玉米图像进行分割,后对分割后图像提取其方向梯度直方图(histogram of oriented gradient, HOG)特征向量;并利用主成分分析法(principal component analysis, PCA)对特征向量进行降维,最后使用降维后的特征向量和交叉验证方法训练支持向量机(support vector machine, SVM),最终实现对玉米的头尾识别。试验结果表明该方法的识别率为97.2%。该方法具有较高的可行性和准确率,可用于玉米的头尾识别。     

基于计算机视觉的运动目标研究分析

对视频中的运动目标进行跟踪、识别、检测,并对目标行为进行研究、分析,这就是基于视觉运动目标分析。检测与跟踪运动目标是理解与分析目标行为的前提。文章以计算机视觉为基础,分析了其检测与跟踪运动目标等问题,该研究对于检测和跟踪视觉运动目标的算法分析意义重大。     

基于深度学习的智能车目标检测与视觉导航

目标检测和视觉导航是无人驾驶的关键技术。传统的道线检测依赖于特征提取和检测校正,交通标志识别依赖于色彩分析和图像分割,然而道路场景的剧烈变化导致算法的鲁棒性较差。基于模拟的无人驾驶场景,本文探究深度学习模型LaneNet和YOLOv4,以完成智能车的视觉导航与目标识别。针对不同识别任务,文章采取传统视觉与深度学习结合的方式,保证算法的鲁棒性与实时性。在室内模拟场景中,智能车的无人驾驶系统能够准确实时地完成交通场景中的路线检测、交通灯识别和路线导航任务。