一种基于OV7670视觉系统的类人机器人设计

为解决类人机器人双机械臂抓取目标过程中,存在目标识别不准确、目标识别单一、双机械臂运动不协调等问题,文章设计了一款基于OV7670彩色摄像机视觉系统及高仿真机械臂的类人机器人。通过OV7670和STM32主控模块对图像信息进行采集与处理,使用RGB-SHL颜色空间转换模型提取目标对象的图像特征,产生控制指令,然后将协调控制每一个舵机的运动参数发送给舵机驱动模块,以实现类人机器人识别目标、定位目标、协调运动和精确控制等功能。通过实验验证和参加华北五省(市、自治区)大学生机器人大赛,表明该机器人具有对目标识别准确、协调运动精确可靠的优点。     

半自动分拣线上运动条烟的在线识别

为提高立式条烟分拣机的分拣效率,节省分拣时间,采用视觉技术实现了烟草物流配送中心半自动分拣线上运动条烟的在线识别。搭建视觉系统平台进行图像采集;对获取的图像进行预处理,提出了一种"两步法"的轮廓提取算法,并在此基础上提取图像的颜色、纹理、形状等特征;利用获取的图像特征建立图像特征数据库,通过图像最小特征距离准则进行图像识别,自动完成每一个订单内各条烟品牌和数量的核对。结果表明:物流中心按4条配送线日均配送量约5万条计算,可节省时间0.5 h/d。系统运行稳定,可满足6幅/秒的条烟图像处理速度要求,识别正确率在99.99%以上,有效满足了条烟现场识别的需求,保证了条烟分拣的顺利进行。     

基于颜色和纹理特征的图像情感语义分类

利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索.     

基于颜色特征和BP神经网络的大米加工精度判别方法研究

提出了基于颜色特征和BP神经网络判别大米加工精度的方法。设计了基于机器视觉的大米加工精度检测装置采集大米图像,利用图像处理技术对获取的大米图像进行预处理,提取大米籽粒目标图像;在大米籽粒腹部确定半径为R的圆形区域作为颜色特征值提取区域,将颜色特征值提取区域按面积平均分成5个同心圆子区域,提取每个子区域的R、G、B颜色值,并将颜色值转成色调H值作为描述大米籽粒表面加工精度的颜色特征值,以5个颜色特征值作为输入值,采用BP神经网络对大米的加工精度进行检测。试验结果表明:该方法对4种不同加工精度大米样品籽粒检测的平均准确率为92.17%。     

基于双目视觉的食品分拣Delta机器人定位抓取技术

目的：解决Delta机器人在食品分拣中定位精度差、抓取成功率低等问题,提高机器人的柔性抓取能力。方法：在现有双目视觉和Delta机器人技术的基础上,提出一种基于双目视觉的Delta机器人柔性抓取方法。采用张正友标定方法对相机进行标定,通过弦中点Hough变换对目标进行识别和定位,根据PID跟踪抓取控制Delta机器人抓取动态目标。通过试验对单目标分拣和多目标分拣性能进行分析,验证该方法的可行性。结果：该方法能够准确、快速、稳定地对目标进行动态抓取(成功率在94.0%以上)。结论：双目视觉与Delta机器人相结合可以有效提高机器人的定位精度和分拣抓取的成功率。     

基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法

目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为99.50%,平均识别时间为0.048 s,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。     

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。     

基于机器视觉的细纱管分类检测

为实现自动络筒机中纱管输送装置的余纱量检测与纱管分类,文章提出一种基于机器视觉的纱管分类方法。将采集的纱管图像分割为若干区域,以各分区前景、背景和凸包面积为基础构建反映目标形态和对称性的几何特征;利用Gabor滤波器组增强目标纹理信息,随后通过主色提取和色差计算构建各分区的纹理特征。采用多分类支持向量机利用提取特征进行分类,将输入样本归为空管、残纱管和有纱管三类。分类算法交叉验证结果表明,在多种参数水平下,分类器对各种管壁颜色的棉纱纱管的分类准确率达到96%以上。多品种纱线试验表明,分类器对不同细度和颜色纱线的纱管分类真阳性率达到92%以上。     

视觉识别移动式分拣装盘机器人的系统集成

视觉识别移动式分拣装盘机器人主要由光学视觉系统、工业机器人、数控有轨车等组成,在生产制造与商业配送的自动化物流系统中,可解决多品种、多规格物料的自动搭配及分拣装盘,使物料的流动和转移更趋于合理.集成后的系统能实现按辅料配方进行自动堆码、分拣装盘,对空、实托盘进出作业的自动控制;具有图形监控、故障报警等功能;能对分拣装盘及搭配辅料进行自动管理;还能对一条轨道上的两台机器人进行安全、有效的工作调度.     

染病熟对虾的褐变特征提取方法研究

本文提出了一种基于颜色简化模型的熟对虾褐变特征提取方法。通过在线图像采集装备获取动态生产线上正常熟对虾以及褐变熟对虾的大批量图像,采用灰度差异法与形态学操作实现熟对虾图像的感兴趣区域提取,并通过三种颜色空间提取熟对虾褐变特征;对训练集中151幅正常虾与66幅褐变虾图像进行颜色模型构建,将熟对虾的褐变区域占比作为判别熟对虾是否发生褐变的基准条件,并进行分级。结果表明,所设B分量范围为0~77的RGB颜色模型效果最优,在测试116幅正常虾与50幅褐变虾图像时识别速率能达到91.36 ms/只,与传统二元线性判别分析法相比,算法复杂度由O（n2）降低为O（n）,识别准确率达到92.77%,提高了7.3%。该方法具有较大实用优势和应用前景,为机器视觉技术应用于南美白对虾外观品质在线无损检测提供性能支撑。     

基于对抗神经网络和神经网络模型的筒子纱抓取方法

为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。     

基于Halcon的苹果品质视觉检测试验研究

基于视觉检测平台和Halcon开发环境进行苹果典型品质检测试验,采集图像并处理。提取感兴趣区域,找出包含苹果的区域,用动态阈值分割的方法提取苹果的轮廓,并计算轮廓面积,以该面积来评定苹果的大小。对苹果的腐烂这一典型缺陷进行试验,用阈值分割的方法完成图像分割,不同灰度值显示为不同的颜色,据此将缺陷部分显示出来。颜色特征的检测是依据RGB颜色模型,采用模板匹配的方法,选取好的区域创建匹配模板,进行参数设置,并根据标准颜色的R分量设定合适的阈值作为合格苹果的颜色。该试验完成了水果轮廓的提取及面积的计算,实现了苹果部分区域的缺陷检测以及苹果颜色的检测。采用Halcon和机器视觉的方法对苹果品质的大小、缺陷、颜色检测能取得较好的效果。     

基于图像的织物图案和颜色主题提取研究进展北大核心CSCD

为提高织物设计的效率及多样性,文章从“再设计”的角度梳理“织物-织物”的设计流程,重点整理织物图案形状及颜色主题的主要提取方法。大部分提取研究主要利用织物图像底层视觉特征中的形状及颜色特征,其中针对图案形状的提取,大多采用边缘检测、阈值、聚类、区域及其他特定理论对图案轮廓或整体区域进行分割;针对颜色主题的提取,则通过聚类、中位切分及八叉树等颜色量化方法建立和谐的配色规律,两个方向的提取算法可以相互借鉴。通过图像实例对不同提取方法的特点进行分析比较,发现单一算法具有一定的局限性,采用多特征、多算法融合的方式可有效提高提取的精度和效率。最后对织物再设计流程的完善及其在纺织服装领域的应用发展进行展望。     

基于LCH色空间对比敏感度函数的彩色图像滤波方法简

本研究采用由CIE1976LAB色空间发展而来的LCH颜色空间和基于人眼视觉系统（HVS）的对比敏感度函数（CSF）,建立了LAB模式下彩色图像滤波流程,对彩色图像进行LCH-CSF视觉滤波,并进行了彩色图像色差分析.研究表明,基于LCH颜色空间的对比敏感度函数模型,可以满足设备无关条件下彩色图像频域处理的要求.依照所构建的图像滤波流程,进行CSF视觉滤波,可以实现不同观察距离、不同图像尺寸下的良好视觉效果.     

织物颜色配准到标准色卡的计算机识别与仿真

为克服人工目测织物的颜色易受到光线和经验的影响产生误差的问题,提出一种基于计算机视觉和图像分析技术的织物颜色与纺织专用标准色卡自动配准的颜色识别与仿真方法,实现了针对1925种潘通色卡的织物颜色自动配准系统。该方法利用扫描仪获得潘通色卡棉布版的扫描图像,然后从色卡图像中提取颜色有效特征信息,构造色卡图像的色度特征数据库;设计了颜色分层模型和基于“一对一”支持向量机（SVM）与色卡图像数据的配准模型,经过对SVM模型参数优化和识别训练,系统与色卡匹配的正确率达96.89% 。另外使用296种未知色号的织物样本,将它们与系统进行配准实验,匹配正确率为 98.85%,为客观、快速地测色和数字仿真颜色提供了参考工具。     

基于神经网络的男西装图像情感语义识别

为了实现基于内容的男西装图像情感语义识别,需要把男西装图像的低层特征映射到情感语义空间。在构建出的2维图像情感因子空间和男西装图像视觉特征（10维亮度一冷暖模糊直方图;7维的饱和度一冷暖模糊直方图+色彩对比度值的综合特征）的基础上,本文通过机器学习（BP神经网络）实现了男西装图像的低层特征到情感语义因子空间的映射,根据图像低层颜色特征可以自动完成图像情感因子值和情感描述值的计算,并把识别后的新图像数据自动加入到图像数据库中。实验证明,BP神经网络方法能较好的实现基于内容的男西装图像情感语义的识别。     

不同自然场景下葡萄果实识别方法研究

本文研究了自然场景下不同颜色葡萄果实的识别方法,针对晴天顺光、晴天逆光及夜间三种光照情况下采集的葡萄图像进行处理,在图像预处理的基础上提出了基于不同颜色空间的图像分割方法,利用最大类间方差法和直方图双峰法分别获取最佳阈值,得到葡萄串的轮廓图像,实现目标果实和复杂背景区域的分割。根据目标果实轮廓图像绘制其最小外接矩形,并利用Harris角点检测法提取果实重心及采摘点坐标等特征信息。实验结果表明:葡萄识别算法可对图像中果实部分快速准确地识别出来,并在很大程度上降低了光照强度等因素对果实识别效果的影响,其中绿色葡萄在晴天顺光、晴天逆光、夜间的识别率分别为93.3%、86.7%、96.7%,紫色葡萄在三种光照情况下识别率分别为90%、83.3%、96.7%。     

基于多特征融合的织物印花图像分割

针对织物印花检测精度的问题,采用结合颜色特征和纹理特征多特征融合的方法,对织物印花图像进行有效分割,从而为提高织物印花的检测精度奠定了基础。在织物印花的分割过程中,首先采用颜色特征结合基于自动种子点选取的区域增长算法对图像进行初始分割,在初始分割的基础上,利用小波变换提取干扰区域的纹理特征,从而可以进一步地消除干扰区域,实现织物印花图像的准确分割。实验结果表明：基于多特征融合的分割算法能够准确地分割出织物的印花图案,克服了仅仅采用颜色特征或者纹理特征时产生的分割失真,提高了分割的质量,具有较好的应用价值。     

基于颜色值的面料图像检索系统

纺织面料的种类越来越多,为了有效管理和使用面料,建立面料图像检索系统成为必然.文章提出了面料图像中的主要颜色数及颜色值的提取方法,并使用HSV量化方法对提取出的颜色值进行量化,然后存储进数据库中.提出了以颜色RGB值为检索条件,基于面料颜色值进行面料图像检索的方法,并实现了基于颜色值检索方法的面料图像检索原型系统.通过对面料图像检索原型系统进行实验,证实了基于颜色值的检索方法的有效性.     

图像处理技术在再生塑料颗粒分拣装置中的应用

文章针对国内塑料回收行业中异色颗粒分拣的需求。设计了一套基于图像处理技术的塑料颗粒分拣装置。并为该装置编写了相应的软件。该装置采用差值处理、阀值处理、膨胀及腐蚀等图像处理技术。根据不同颜色的颗粒在RGB颜色系统中R,G,B3分量的差异进行识别。实验结果表明,基于图像处理技术的塑料颗粒分拣装置分拣效果好,性能可靠,成功地完成了对不同颜色塑料颗粒的自动分拣,分栋效率较人工分拣有极大的提高。