基于深度学习的花椒采摘器视觉识别

对于智能花椒采摘器中机器视觉部分在花椒枝干识别与采摘定位上的不足,本文通过将深度学习技术中的卷积神经网络模型与注意力机制这两种模型运用到智能花椒采摘器的机器视觉部分以提高采摘器的识别功效.结果 显示,经过优化后的卷积神经网络算法训练使采摘器对花椒簇的整体识别准确率由52.3％提高至96.7％,同时通过注意力机制算法提升了机器视觉对花椒树主枝干识别的抗干扰能力,帮助采摘器更加准确的判断出采摘点的位置.通过以上两种模型验证了深度学习技术在提高花椒采摘器机器视觉的算法准确性与抗干扰能力的有效性.     

机器视觉技术在分拣系统中的应用研究综述

随着机器视觉技术的发展,机器人分拣系统在多个行业得到广泛应用,为视觉识别技术的应用和智能制造技术的发展创造了有利的条件。通过综述基于机器视觉技术分拣系统的组成和关键技术以及在不同领域产品的应用现状,分析比较了国内外在各个领域的研究进展和存在问题,并对未来发展趋势作出了展望,为机器视觉技术在人工智能产业的应用提供参考。     

基于Labview的干电池缺陷检测系统

基于Labview的机器视觉技术对干电池缺陷检测技术进行研究。在Labview环境下,采用第三方图像采集卡对干电池缺陷进行数据采集,运用视觉开发模块IMAQ Vision进行图像处理,结合Machine Vision模块实现图像模式识别,实现干电池缺陷的检测与智能识别。     

智能外检系统在涤纶长丝自动包装线中的应用

随着现代工业自动化技术日趋成熟,机器视觉这一新兴技术也在各行业领域得到广泛应用。许多制造企业采用机器视觉技术助力自动生产线实现智能检测,自动识别等功能,以提高生产效率并降低成本。介绍了智能外检系统在涤纶长丝自动包装线中的应用。该系统利用机器视觉设备对涤纶长丝丝饼外观进行视觉检测,将深度学习的神经网络算法应用到涤纶长丝外观缺陷的数据特征学习和识别上,替代了传统人工依靠肉眼、经验对涤纶长丝丝饼外观进行的物理检测。其可以对不同批号、不同等级的检测对象(含DTY、FDY和POY)进行自动外观缺陷检测处理。目前已在涤纶长丝生产行业得到广泛应用,极大地减少了检验人员数量,降低该工艺对人员经验的依赖,提高了涤纶长丝自动包装线整体工作效率。     

基于Labview的机械手视觉引导系统设计

机器人的使用在工业中变得越来越广泛,如何使机器人的运行更加智能化、人性化,成为许多学者研究的热门课题。机器视觉作为一种新兴的技术,也越来越受到关注。工业机器人通过机器视觉获取的图像信息特征,能够更加准确地定位引导,抓取和放置物料。以机械手的目标识别和数据通讯为研究目标,针对物料的实时匹配识别以及上位机与机械手的数据通讯进行了详细的研究,并通过Labview编程完成整个机械手视觉定位引导的软件的编写。该视觉引导系统可以实现图像的图像标定和匹配定位,最终完成抓取和放置的动作。定位误差为±0.1mm。     

基于HALCON的汽车轮毂分类系统实验研究

机器视觉识别技术具有非接触、效率高、精度高、在线实时、长时间稳定工作等优点,对提高生产的柔性和自动化有重要作用,是实现集成制造技术的基础。在分析了机器视觉在现代生产中应用的基础上,对机器视觉识别技术在汽车轮毂成型生产线上的在线识别系统进行研究。通过对轮毂图像的获取、图像预处理、特征提取,应用德国MVetc公司的机器视觉软件Halcon来搭建整个视觉系统,提出了一种利用模板匹配来实现轮毂分类的方法,并用基于图像处理底层的Halocn函数实现改进的识别算法。     

基于机器视觉技术的接地线装拆安全检测告警技术应用

为了提高接地线工作的安全性，从接地线装拆安全检测告警出发，对基于机器视觉技术的接地线装拆安全检测告警技术进行研究，对安全检测告警软件进行了设计，利用手持终端与伺服电机实现接地线装拆安全检测的告警，通过MVC框架、以Java作为编程语言实现了软件的功能，并利用渐进式扩展网络（PSENet）技术对机器视觉技术中的文本识别方式进行优化。应用效果表明，基于机器视觉技术的接地线装拆安全检测告警技术的应用可有效减少误操作。     

基于物联网的智能无人生产线系统研究

传统的人工生产线效率较低,无法适应大规模工业生产需求。鉴于此,提出了一种基于物联网的射频识别与机器视觉相结合的智能无人生产线系统。该系统以射频识别(RFID)为技术基础,通过识别零件上的标签来实现控制和管理,以空间坐标系化的算法使机器人自动装配,基于深度学习的机器视觉算法实现零件装配成功率检测,通过相机拍摄的大量装配照片形成数据集,搭建并训练神经网络模型进行检测。生产线各部分通过局域网连接,从而实现生产线的无人化和智能化作业。     

基于车牌号码识别的机器视觉系统设计

文章主要从机器视觉的历史和系统设计要点着手,通过对现有图像处理技术进行学习应用,基于halcon软件分析图像信息,设计出一款机器视觉系统,用于检测识别车牌号码。     

基于机器视觉的智能定位与检测技术研究

基于机器视觉工作原理,对机器视觉的智能定位与检测等相关技术进行了研究,设计了一种基于机器视觉智能定位与检测系统,对视觉跟踪精度进行测试,跟踪精度约为（-0.2°～＋0.2°）,并将该技术应用于LED球泡灯自动化装配线,可满足装配线的实际生产需求.     

基于VisionPro的颜色识别分类系统研究

通过VisionPro视觉软件,搭建高效率、高识别率的颜色识别分类的机器视觉系统。设计四轴机器人控制系统,对相机进行手眼标定,通过视觉处理引导机械手完成颜色识别与分类。为验证系统的有效性,以3种颜色块进行试验,在随机摆放的情况下,对颜色块进行识别与分类。实验结果中识别率达到98.3%以上,且算法具有良好的鲁棒性,可以实现自动识别分类工作。     

机器视觉及其在制造业中的应用

介绍机器视觉技术的发展、机器视觉原理和机器视觉系统的组成部分。从基于产品特征的检查和机器人的视觉引导这两个方面，概述机器视觉技术在制造业中的应用，并探讨机器视觉技术存在的问题和解决方法，最后对机器视觉的应用前景进行了展望。     

探析机器视觉技术在智能制造中的应用

随着现代科技的快速发展,工业机器人的研究与应用水平在不断提高,其耐久性、稳定性和快速性、精准性等优势为制造业发展提供了巨大帮助。在产业制造技术精密度要求越来越高的今天,引入工业机器人代表的智能机器视觉技术,能够让制造设备更加智能化,生产效率显著提升,对于促进制造业智能化发展、帮助智能制造快速成长、有效提升我国经济发展水平而言意义重大。本文首先就机器视觉技术和智能制造进行概述,进而分析机器视觉技术对制造业产生的巨大影响,最后具体探析了机器视觉技术在智能制造中的应用。     

高速公路出口智能机器人系统设计

介绍一种高速公路出口智能机器人,它可完全取代人工收费,并可提供高效的异常定位和处理能力,同时具有良好的人机交互方式,可为车主提供客户服务,打造高效智能的无人收费站。该系统通过应用机器视觉识别技术、云服务技术、智能语音播报技术、智能信息识别技术、智能道闸控制与管理技术等,通过对各技术的整合并应用于主控机、机芯单元、动环系统、车辆检测单元及读写单元、配电单元等,构成了一套高效的智能高速公路出口智能机器人系统。该系统实现了对车辆的自动识别,提高了计费和支付的效率,使机动车辆通过收费站时更加方便快捷。     

基于单目视觉的工业机器人智能抓取系统设计

针对工业机器人如何能在多目标工况下快速自主识别和抓取指定目标工件的问题,将单目视觉引导技术应用到工业机器人智能抓取系统设计中。利用图像进行了模式识别,对检测定位进行了研究,建立了视觉图像与工件定位抓取之间的关系,提出了基于轮廓Hu不变矩快速模板匹配算法的单目视觉抓取系统。首先将摄像机获取的图像进行了预处理,然后利用轮廓Hu不变矩模板匹配算法进行了目标工件的识别,利用轮廓矩和二阶惯性矩最小原理对识别出的目标工件进行了位姿求取,最后通过建立SOCKET通信将求取的位姿发送给了机械臂控制系统引导机械臂的抓取。基于VS软件开发平台和ABB机械手,对智能抓取系统进行了搭建并试验。研究结果表明:该基于单目视觉搭建的工业机器人智能抓取系统成本低、定位精度高,可满足工业自动化生产的需求。     

采用神经网络算法的机器视觉成像器

长久以来，智能机器一直是人们梦寐以求的机器，如今，人们的幻想己成为现实。用机器视觉来识别图形不断变化的元件，这需要复杂的算法。神经网络能够模仿类似于人脑细胞的处理功能。由美国通用视觉公司和IBM公司发明的零指令集芯片使得Pulnix公司的Zicam摄像机能够把图形分解成更小的组元，     

基于视觉筛选的并联机器人平面抓取系统设计

现代工厂中通常需要对工件特征进行判断,然后在平面内对工件进行分类放置。为了能高效快速地识别、筛选工件,采用了机器视觉技术,并将视觉技术应用在二自由度的并联机器人中,设计了一个基于视觉筛选的并联机器人平面抓取系统。视觉控制器对相机传送过来的工件图像进行处理,根据提取的工件的特征进行分类,并确定工件在视觉坐标系中的坐标。视觉处理器将坐标等信息传送给NJ控制器,同时在NJ控制器里运用ST语言编写程序实现机械臂的运动控制,并对运动过程进行3D仿真。仿真结果显示,通过机器视觉和并联机器人的结合,可以实现对工件进行精确的识别、抓取和放置。该系统可应用于根据物体形状不同进行分类的场合,并对研究机器视觉和并联机器人有一定的实用价值。     

机器视觉技术在智能制造装备中的应用分析

随着科学技术不断发展,工业机器人被广泛应用于工业生产中,有效提高了工业生产水平。为了进一步满足工业制造精度要求,机器视觉技术被引入到智能制造装备中,能够在一定程度上提高制造设备智能化程度,由此生产效率也能得到相应提升。通过对机器视觉中的关键技术进行论述,进一步探讨机器视觉在智能制造装备中的具体应用,希望能够为从事相关工作的技术人员提供帮助。     

基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

简述机器视觉技术在汽车零部件的应用

为了实现我国由制造大国向制造强国的华丽变身,实现“中国制造2025”的发展目标,智能制造是核心方向,而机器视觉技术的运用是智能制造的重要组成部分。本文首先简单阐述了什么是机器视觉,及其自身发展特点;再次,叙说了机器视觉技术的系统组成,机器视觉的发展历程和应用;最后,机器视觉技术在汽车领域具体应用。