基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.     

织物疵点的图像信息检测方法

针对织物破洞、断经、跳花和浆斑这4种类型疵点的特征,提出一种基于图像信息的检测方法.根据织物疵点的几何特性选择结构元素,应用形态学运算突出疵点形状信息,应用灰度积分投影法确定织物疵点的位置信息,然后分析纹理特征,提取织物疵点面积、周长等特征参数.结果表明:本方法克服了经典边缘检测算子只能给出疵点轮廓的弊端,利用图像信息检测进行计算机辅助验布,对于纺织信息化具有一定的理论意义和实用价值.     

基于纹理差异视觉显著性的织物疵点检测算法

由于织物图像纹理多样化及疵点类别较多,为了更有效地检测织物疵点,结合织物图像特性及借鉴人类视觉感知机理,提出一种基于纹理差异视觉显著性模型的织物疵点检测算法。该算法首先对图像进行分块,计算各个图像块LBP（local binary pattern）纹理特征,与图像块平均纹理特征的相似度比较,进行显著度计算,从而有效突出了疵点区域。最后利用改进阈值分割算法,实现对疵点区域的定位。通过与已有视觉显著性模型进行比较,得出该算法更能有效地突出疵点区域;同时,分割结果与已有织物疵点检测算法相比发现,该算法具有更强的疵点检测及定位能力。     

基于数字形态学滤波与SVM技术的帘子布疵点检测

针对帘子布生产过程中可能出现的瑕疵问题,提出了一种多形态多尺寸的数字形态学滤波方法,采用多种不同形状和大小的结构元素对帘子布疵点图像进行滤波,对滤波后的图像使用大律法阈值分割,并提取疵点的长、宽、长宽比、面积等特征。最后,利用支持向量机(SVM)进行疵点识别。实验结果表明,该方法可准确检测帘子布中浆斑、经线粘连、断经、劈缝等主要疵点,具有分类准确、辨别速度快的优点,疵点识别率达93.3%。     

预制叠合板构件智能化识别与检测方法

预制叠合板构件质量问题是导致施工现场预制构件不能顺利安装的重要因素之一。提出了一种基于机器视觉的智能化检测预制叠合板构件的方法。首先通过预制构件生产线上的摄像系统进行图像采集,然后通过滤除噪声对图像进行预处理,通过Canny算子对边缘特征进行提取,通过Harris角点检测算法对图像内部特征进行提取,并将提取出的信息与已储存信息进行对比。利用该方法对三块预制叠合板试件进行特征识别及分析,结果表明:该检测方法可以识别预制叠合板尺寸信息,识别预留孔洞及预埋件的数量、尺寸及位置信息,对预制叠合板特征信息进行检测,并判断构件是否合格,提高了出厂构件的合格率,从而减少了施工成本,降低了工期延误风险。     

基于智能相机控制的横摆式株间机械除草系统设计

为控制作物株间区域的杂草,利用智能相机获取田间作物和杂草图像,对作物进行识别和定位,通过智能相机的数据接口采集前进速度、横摆位移和割刀转速等信息,并控制割刀旋转和割刀横向运动,在不损伤作物前提下实现了割除株间区域杂草控制。试验结果表明,基于机器视觉的横摆式株间机械除草系统能自动识别并定位作物,控制割刀进出株间区域进行除草和避让作物。     

基于嵌入式红枣颜色分级系统研究

基于嵌入式STM32F407处理器结合机器视觉技术对红枣颜色进行检测和分级.为减少红枣分级设备成本,降低系统复杂性,该系统利用嵌入式STM32F407处理系统代替计算机进行图像数据处理,基于μC/OS-II软件平台,首先通过CMOS图像传感器获取鲜枣图像,经一系列图像预处理,利用颜色阈值算法实现鲜枣颜色分级.经实际使用验证,该系统具有分级速度快、检测识别精度高、制作成本低等优点,在红枣颜色分级方面有较高的实用价值.     

基于视觉识别的电子器件性能检测与控制系统研究

机器视觉系统在图像处理时耗费系统大量资源,这导致了系统实时性、稳定性和精确性差．不能满足实时控制的要求。这个缺点影响,机器视觉在高端产品中的应用。本文详细介绍了一种Windows环境下基于视觉识别的自动测试与控制系统,该系统采用高精度定时器、多线程编程来解决系统对于实时性的要求、并将图像处理和视觉识别技术应用到了工程实例,实现了系统的自动化,并满足了系统稳定性和精确性的要求。     

基于PCNN和SVM的帘子布疵点识别算法

为了使用机器对帘子布疵点进行有效的检测和分类,根据帘子布灰度分布的特点,分析和讨论了改进型PCNN模型,利用改进型PCNN对帘子布疵点特征值进行提取,然后将支持向量机作为分类器最终实现疵点图像的识别.实验结果表明,该方法的疵点识别率较高,在90%以上,是一种简单有效的识别方法.     

基于机器视觉的镜片质检自动控制系统的研发

设计完成了一种基于机器视觉镜片质量分级系统的自动控制装置。系统以MCU＋PC为控制核心,针对各种光学镜片设计了机器视觉图像的自动采集系统、镜片传输的运动控制系统以及根据不同质量分级的分拣系统。实验结果表明该系统能够快速可靠地采集图像、顺利完成镜片的质量分级并进行产品分拣。     

基于小波变换的织物疵点图像特征提取

为实现织物疵点自动检测,本文应用Mallat算法对织物图像进行小波分解,并根据织物组织结构特点,对纬向子图和经向子图分别提取能量、熵、极差、方差和逆差矩5个特征值,同时以平纹坯布为实验对象,对白杠、断纬、破洞、反丝、杂纤维、掉扣、飞花、色污等多种常见疵点进行特征值提取实验,实验结果表明,织物疵点使织物图像在经纬方向产生不规则纹理,通过提取特征值可得出织物疵点图像在不同特征值曲线处均有明显变化。该研究对判定疵点的存在、分析疵点的走向与"形状"具有参考价值。     

基于希尔伯特边际谱互相关分析的织物疵点检测

提出了一种基于希尔伯特黄变换和互相关分析相结合的织物检测疵点方法.首先,选取正常织物作为模板并对待检测图像进行等尺寸分割,得到子图像,其大小与模板尺寸保持一致;然后分别对模板图像和每个子图像做希尔伯特黄变换,得到希尔伯边际谱.最后,求取模板图像的边际谱和每个子图像边际谱的互相关,选取合适的互相关值作为疵点识别的依据.仿真试验表明,该方法对断经、断纬、缺经、粗经、错经、错纬、扣痕、破洞等疵点具有良好的检测效果.     

基于机器视觉的织物疵点检测系统

针对目前织物疵点检测主要采用人工检测,检测精度、速度、检出率都较低等问题,研究了一种基于机器视觉的织物疵点检测系统．该系统采用模块化硬件设计．并为之设计了完整的系统软件．经实验验证,该系统具备理想的检测能力,能满足实时在线检测的要求,可以有效检测出生产线上的疵点．     

一种基于视觉预注意机制的选择性成像机器视觉系统

在大背景中微小目标的视觉检测中,传统的机器视觉系统按照预先设定的采样频率与固定的分辨率采集和处理图像,存在大量的冗余数据。为了有效去除冗余数据,基于人类视觉预注意机制设计了一种选择性成像机器视觉系统,将视觉处理过程划分为并行的预注意初级处理阶段与串行的高级处理阶段;同时模仿人类视觉注意机制,提出了一种基于视觉熵的视觉预注意算法;系统并行地获取并判断图像是否可疑,然后仅将少量可疑图像传送至主机串行的进行精细目标识别。试验结果表明,本系统显著地减少了图像处理的数据量,可疑图像识别算法快速有效,提高了系统检测效率和精度。为大背景中微小目标的机器视觉检测提供了一条新途径。     

基于机器视觉的磁材熔炼炉工序识别系统设计

针对烧结钕铁硼烧结生产工序检测问题,提出了一种基于机器视觉的磁材熔炼炉工序识别方法,采用YOLOv3模型检测相关目标,利用图像中目标的有无及其相应的位置关系设计了决策树分类模型,识别相应生产工序.经验证,YOLOv3目标检测mAP为95.39%,工序识别准确率为95.24%,经包头某稀土磁性材料有限责任公司测试,符合应用要求.     

基于ROS和机器视觉的移动回收机器人设计

为解决室外人工清理、分类垃圾的重复劳作、费时费力等问题,设计一款基于ROS与人工智能技术的垃圾回收机器人。机器人基于ROS架构和图像分类技术设计,使用采集的垃圾图像进行学习得到分类模型。利用机器视觉获得物体图像,识别垃圾种类,使用Open CV辅助机械臂抓取物体。该设计兼容性高,二次开发方便,解决了面对复杂多样的物体机器人系统需进行大规模控制改动的问题。     

基于视觉的AGV两轮差速转向模糊控制

简要地介绍了基于机器视觉导向的AGV两轮差速转向的原理和组成,并对计算机控制系统设计,图像信息识别等AGV控制问题进行了阐述,提出了一种采用模糊控制方法对AGV两轮差速转向进行控制.实验结果表明,采用模糊控制方法对两轮差速转向进行控制,样车运行过程稳定,路径跟踪可靠,控制性能良好.     

基于卷积神经网络视觉融合的动态手势识别

为了提高多帧视频序列中动态手势的识别效果,结合计算机视觉分析,提出了基于卷积神经网络视觉融合的动态手势识别方法.采用模糊数据多频谱方法进行多帧视频序列中动态手势视觉图像采集,对采集的图像用Harris角点检测和多传感识别方法进行多模状态分层特征点标定,用卷积神经网络视觉融合方法提取多帧视频序列中动态手势动作的边界轮廓特征点信息,分析多帧视频序列中动态手势的层次化分割特征,用图像分割和边缘信息增强方法,提高动态手势图像的分辨能力,结合角点优化检测技术,用视觉动态跟踪分析实现对手势动作特征点的自动化标定,根据动态手势的帧点分布规则实现多帧视频序列中动态手势动作图像的自适应特征检测和识别.仿真结果表明,采用该方法进行多帧视频序列中动态手势识别的准确性较高、实时性较好.     

基于机器视觉的条形码识读

基于机器视觉的条码自动识别技术,利用视觉系统得到条码的图像,通过几何变换、滤波去噪、阈值处理等有效的图像处理和快速模式识别方法,实现了流水线物品条码的快速、精确识读与检测。     

基于机器视觉的LED阵列自动分选系统设计

该文针对LED照明产品的特征,设计一台基于机器视觉的LED阵列自动分选系统。系统利用数字图像处理技术对发光LED阵列进行识别、亮度分析和数量统计,实现对产品发光质量的检测及自动分选。PC软件完成测量控制功能,简化硬件结构,降低成本。用户可根据不同测量对象配备相应的滤镜和设置检测精度、曝光时间等采集参数,提高了系统的可移植性和维护性。