应用HSV和SVM算法的纸币清分系统设计

通过分析纸币特征,提出利用基于改进色彩空间转换算法作为纸币特征提取,利用支持向量机作为纸币分类器的方法,将并由此为核心算法设计了一种成本低廉的新式纸币分类器械.主要结构是以MCU为核心控制,通过颜色传感器进行特征信息采集,利用改进HSV算法和SVM作为决策算法,控制机械结构进行纸币清分,利用LCD进行显示,完成阶段识别任务后,将清分数据上传至管理信息系统进行管理.实验结果表明,此系统能够完成对于纸币的实时清分、结果显示、数据存储等功能,对于第五套人民币识别具有较高的鲁棒性,该机电系统价格低廉且具备良好的使用性能.     

一种基于紫外荧光图像的人民币面额识别算法

通过调研国内外纸币面额识别技术的研究现状,设计了一种基于紫外荧光图像的人民币面额识别算法,该算法利用在紫外光照射下人民币正面的荧光面额区域作为识别特征,经过简单的图像预处理(包括倾斜校正、图像二值化、滤波和形态学处理等)操作,综合运用几何结构分析和模板匹配的方法实现对六种人民币面额的识别,识别率达到99%以上,平均识别时间在0.04s以内。该算法识别效果好并且满足一定的实时性,经过改善可以运用到自动售货机、点钞机、清分机、ATM机等实际系统中。     

人民币纸币识别系统

设计研究人民币纸币清分系统中的主要模块,如图像采集、处理和识别.在硬件部分,选用CM326A4作为系统的图像传感器,选用DSP芯片TMS320C6711进行纸币图像的处理和识别;在软件部分,选取预处理之后的纸币图像的尺寸特征用模糊逻辑推理方法识别图像的面值,提取矩作为特征,采用三层BP神经网络来识别纸币的正反面和正反向,并通过实验证明该系统的有效性和可行性.     

基于几何特征匹配的纸币水印视觉识别算法研究

研究了一种人民币纸币水印识别算法。该方法采用紫外光凸显目标水印区域,从而获取纸币面值的水印图像。并通过设计基于几何特征匹配的视觉识别算法,实现不同面值的纸币的准确识别。所涉及的几何特征包括长度、宽度、面积、弯曲度、占有率等。实验结果表明本文所提出的方法可实现的多种不同面值人民币纸币的有效识别,并且运行速度快、识别率高。     

微型纸币清分机的优化改造

文中针对目前市场现有微型纸币清分机产品进行简要分析,提出纸币清分机微型化与鉴伪能力的矛盾,引入机械测厚鉴伪方法并对其进行简单的理论分析,从机械设计角度对目前市场现有微型纸币清分机提出优化改造方案。     

一种卧式纸币清分机

现有立式纸币清分机由于高度和体积受到限制,不能拥有多个出钞口,极大地影响了纸币情分的效率。因此,设计了一种卧式纸币清分机。这种卧式纸币清分机机构简单,易于维护,并拥有多个出钞口,可一次性将混杂在一起的不同面额纸币挑选出来。     

基于机器视觉的纸币清分机设计分析

设计了一种基于机器视觉的智能纸币清分机,可实现纸币真假识别、面额清点和分拣等功能。清分机采用STM32作为运动控制系统的处理器,可同时控制进钞步进电机、传输步进电机和分拣步进电机,实现三轴联动。通过红外触发传感器,检测进钞状态,触发相机采集图像。基于工业计算机处理平台,采用CCD相机与紫外LED光源,采集纸币目标区域的水印图像。设计专用的纸币智能识别算方法完成水印图像处理与分析,处理信号驱动运动控制系统,控制线性模组完成纸币的分类。实验结果表明所设计的纸币清分样机可实现不同面值纸币的快速准确识别、清点与分类。     

一种立柜式钱币清分机设计

针对目前钱币清分机的使用范围不广,而人工清分的效率不高、出错率大的技术背景,提出了一种立柜式钱币清分机的设计,能够同时完成对纸币和硬币的清分,属于机电一体化产品。该清分机采用了对心式曲柄滑块机构作为进行混合钱币初步筛选的机构。在硬币的后续整理中,采用了基于89C52单片机的控制舵机对分离好的硬币进行分类收集,使用光电计数器进行硬币计数。经过后期测试与检验,本清分机占地面积小,分离效率达95%,效果可靠。     

纸币清分机系统介绍

介绍了纸币清分机的机械结构和关键元器件，并与其它厂家生产的清分机进行了比较。     

纸币清分机系统的研究与开发

纸币清分机是银行系统对回笼现金货币进行自动清分处理的重要设备,属光、机、电一体化产品,目前主要依赖于进口.本文介绍了百佳公司根据国内银行现金处理以ATM配钞为主的需要,进行自主研发的纸币清分机系统.     

基于视觉的铁路货车滚动轴承表面缺陷分类研究

用CCD代替人眼对轴承表面缺陷进行图像采集,采用卷积滤波与开、闭运算相结合的图像处理方法,有效去除了缺陷周围边缘点的干扰。在提取传统特征基础上增加了压缩度、线度、距离极值比、NMI特征和不变矩等特征量,增强了缺陷分类的依据;对BP神经网络的输入矩阵和归一化方法的改进,提高了神经网络的记忆能力及识别速度;通过试验对缺陷分类系统识别结果进行检测,确定了该系统的可靠性。     

A robust visual servo control system for narrow seam double head welding robot

In this paper, an image-based visual servo control system is developed and integrated into a double head welding robot for CO₂ gas shielded arc welding, which is mainly used to weld the narrow seam whose width is generally less than 0.2 mm. Firstly, a robust and reliable image processing algorithm is presented to reliably extract the seam feature during the welding. A statistic-based filter method is proposed to effectively weaken the image noises caused by various disturbances. The region of interest (ROI) of the image is determined to improve the efficiency and reliability of the image processing. The feature line of the narrow seam is extracted by combining the technique of the least-square line fitting with the Hough transform method. Secondly, a visual servo control system is designed to realize accurate tracking and initial point localization of the narrow seam. Moreover, an image error filter and output pulse verification are utilized to guarantee the reliability and stability of the control system. Finally, a series of experiments with real welding robots are conducted in the production line of a container manufacturing factory, demonstrating the satisfactory performance and high welding quality of the proposed visual servo control system.     

基于改进模板匹配的在线钢坯标号识别方法

为避免钢坯标号数字字符出现局部畸变、笔画断裂和粗细变化等现象,提出了一种新的基于改进模板匹配的在线实时识别方法.利用灰度面积滤波、改进二值化等图像处理技术滤除干扰,完成字符提取;通过投影法得到单个字符;引入隶属度概念,改进了经典模板匹配方法,以增强抗干扰能力.试验结果表明,该方法可行有效,稳定性和实时性均满足实际生产需要.     

数字识别技术在激光切割机中的应用

介绍了一种针对截屏图中数字信息的数字识别技术。该技术采用基于特征值提取的识别方法并充分利用截屏图特点使该方法得以简化,从而提高了处理速度和识别效率。采用该技术开发的软件系统已在工程实际中得到了应用并取得了良好的经济效益。     

图像处理技术在高压除冰机器人视觉系统中的应用

除冰机器人在高压输电线上高速行走并进行除冰作业,其视觉系统是除冰机器人感知外部环境的重要器官,同时依此感知的环境信息实现对机器人的导航。视觉信息是否正确、及时地处理直接关系到除冰机器人的行驶速度以及避障能力,对除冰机器人控制的实时性和鲁棒性具有决定性作用。视觉信息处理技术是除冰机器人研究中的关键技术。该文主要介绍的是从目标标志物的图像获取,再经过图像预处理、图像分割和图像特征的提取过程的数字图像处理技术在除冰机器人中的应用。     

计算机视觉检测中特征点线提取方法研究

特征点、特征线的提取是计算机视觉检测的基础 ,特别是在工业检测中要求很高的精度。针对这一要求 ,介绍几种提取特征点、特征线的方法 ,具有很高的精度。以采用空心正四面体获取的三角形为例 ,设计一种获得特征点、特征线的图像处理算法 ,该方法具有速度快、精度较高、实用和算法分析容易等优点。实际结果表明 ,用此图像处理方法提取特征点、特征线的误差优于 0 1mm。     

基于小波变换和核主成分分析的人脸识别算法

人脸识别是当前模式识别和图像处理领域的研究热点。属于生物鉴别技术的一部分。一个完整的人脸识别系统主要由以下几个基本环节构成：图像预处理、人脸检测与定位、特征提取分类识别。本文主要针对图像的特征提取分类识别环节进行分析和试验：首先应用哈尔小波变换初步提取人脸图像的特征;再对小波系数运用核主成分分析进行最终的人脸特征提取。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

基于CNN的高速铁路侵限异物特征快速提取算法

高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降的问题,提出将卷积层的卷积核进行预先训练;最后为防止因全连接而导致的对称性特征提取,提出加入稀疏性参数的快速特征提取算法。改进后的卷积神经网络,在保证准确率的基础上加快了计算速度,同时满足了实时性和高准确率的要求。实验表明处理单幅图像的速度为0.15 s,准确率为99.5%。