基于机器视觉的马铃薯加工原料分选系统

目的：设计以马铃薯加工原料为对象的自动化分选系统,实现设定标准下马铃薯自动识别。方法：构建分选系统的控制流程及分选算法,通过自动传送、机器视觉采集、吸压翻转自动化获取马铃薯2面的图像,采用图像复原算法消除运动模糊,设计面积比、长短径、凸起检测算法对马铃薯畸形、发芽、大小进行检测,基于颜色特征构建神经网络模型对马铃薯绿皮、病斑、常色进行分类。结果：利用BP神经网络算法预测马铃薯外观颜色绿皮、病斑、正常的分类,以误差分数为衡量预测模型准确性的度量,神经网络的预测分类平均准确率为96.2%。通过选取混合样本对分选系统进行测试,参照设定分选标准,分选系统对马铃薯识别正确率达到95.92%;单薯处理耗时3.76 s。系统运行稳定。结论：该方法用于马铃薯加工原料精量分选可行,能够满足薯制品加工生产线前端的分选需要。     

基于机器视觉技术的目标精密识别测量系统

根据 MOX 芯块自动检测应用的需求,用特殊光谱照明与高分辨率相机作为探测系统,设计了基于机器视觉技术的目标精密识别测量系统,完成对 MOX 芯块的尺寸及缺陷的定量检测,给出测量结果。该系统的特点是组成复杂、测量精度高及低的误判率,经过试验,完全达到了工程应用的要求。     

基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。     

基于机器视觉的香蕉果肉缺陷预测方法

针对香蕉内部果肉缺陷难以预测的问题,运用机器视觉技术对香蕉果皮与果肉进行图像识别,对识别参数进行数据拟合得到果肉缺陷的预测模型。将采集到的图像灰度化并进行滤波去噪,通过双阀值二值化和形态学分析对图像进行识别处理,提取香蕉果皮、香蕉果肉、香蕉果皮黑斑与香蕉果肉缺陷。计算提取区域的像素点总数,将其作为区域面积。分别用香蕉果皮总面积/香蕉果肉总面积与果皮黑斑面积/果肉缺陷面积之比来定义香蕉果皮黑斑度与果肉缺陷度。运用多项式拟合法,根据训练样本得出果肉缺陷预测函数,对预测函数进行残差分析。通过预测模型对香蕉划分等级,总准确率达到88.9%,与通过香蕉果皮进行等级划分其他方法相比,试验所得模型的预测准确率较高,表明通过香蕉果肉进行预测的方法具有一定的优越性。     

基于机器视觉的自动验布系统研究

介绍了一种基于机器视觉（CCD）的自动验布系统,论述了该系统的布面牵引、视觉、控制、图像识别和标记等主要组成部分。     

机器视觉识别技术

在国外,机器视觉的应用普及主要体现在半导体及电子行业,此外机器视觉在质量检测的各个方面也已经得到了广泛的应用,并且其产品在应用中占据着举足轻重的地位。随着普及度的不断提高,国内的视觉技术水平也日趋成熟起来,逐步开始了工业现场的应用,多见于制药、印刷、产品检测等领域,目前国内家具行业鲜见这项技术的应用。本文通过引介的几个国外公司的典型产品,旨在向读者展示视觉识别技术应用于家具制造的前景是非常广阔的。     

基于机器视觉的距离测量系统

文章采用了基于机器视觉技术进行自动聚焦的方法,来设计在轻轨锚固螺杆健康检测中用于测量工作台到锚固螺杆距离的系统。该系统采用Tenengrad函数作为调焦的评价函数,先根据实际需要确定镜头的焦距,然后通过对获取的图像进行分析处理,实现镜头的自动聚焦,最后驱动镜头运动到最佳聚焦点,以此来测量距离,该系统可以推广到其他距离测量中。     

基于机器视觉技术的生猪活体监测系统

目的 通过图像处理技术计算活体猪的体型特征参数值, 结合体重参数对生猪出栏肉产量进行预测。方法 采用工业摄像头获取活体猪的图像, 采用Matrox公司图像采集卡并对其在VC++开发环境中进行二次开发, 开发了一套基于机器视觉技术的畜禽活体检测系统。结果 实现活体猪不同角度图像的同界面显示和采集, 并基于Microsoft Visual 2008软件平台开发了系统操作界面。结论 该套系统结构简单, 成本低廉, 具有较好的推广应用前景。     

基于机器视觉的帘子布疵点智能识别技术

针对帘子布疵点图像特征,提出了将小波变换和人工神经网络技术应用在帘子布疵点检测的方法。该方法是在融合图像灰度的基础上,经小波变换后再提取分解子图像的特征值,利用BP神经网络进行图像分类。实验结果表明,对帘子布常见疵点如油污、破洞、断经、断纬等能比较准确地识别。     

基于机器视觉的马铃薯智能分级系统

为实现马铃薯外观品质自动分级,构建马铃薯智能分级装置,提出一种简单易行的马铃薯智能分级控制方法和流程,并基于Visual C++环境实现马铃薯智能分级软件系统。该系统通过下位机发送信号给上位机来控制摄像头拍照,上位机对所拍摄的马铃薯图像进行处理与分级检测,并将检测结果发送给下位机智能分级装置,最后分级执行器执行分级。经测试:该分级控制方法简单易行且运行稳定,不受机器运行速度的影响,基本消除了强电干扰所构建的分级系统分级结果稳定,分级精度达到90%,可满足马铃薯实时分级的要求。     

基于机器视觉的面粉白度检测系统

白度是面粉质量的重要指标之一,采用基于机器视觉的CCD摄像头实现对面粉白度的在线检测可以为面粉加工工艺参数的设定提供依据并因此提高面粉加工质量。系统采用opsis5150alc线阵CCD摄像机,通过它的输入输出接口实现与计算机之间的通讯,并将测量信号经处理后送入计算机,由计算机计算出当前所检面粉白度。针对当前所检白度值,可以实时调整面粉磨制工艺参数,从而获得稳定均一白度的产品。     

基于反射与透射图像的糯玉米叶片机器视觉识别效果分析

利用机器视觉技术,以菜农糯38、京糯2000等13个糯玉米品种作为研究对象,从玉米叶片的反射图像和透射图像中提取与玉米叶片形状、颜色和纹理等有关的36个外观特征,利用BP神经网络方法进行训练识别,并对不同类别特征和各颜色分量对透射和反射图像的识别结果进行了分析.结果表明,透射图像较反射图像具有较高的样本识别率,13个品种样本识别率均在89％以上,研究结果对于糯玉米生长期间植株外观性状的品种识别具有积极意义.     

机器视觉技术在谷物识别与分级中的研究进展

机器视觉技术在农产品品质检测方面的研究和应用发展迅速，为了能充分解国内外在谷物方面的研究状况，综述了机器视觉技术在大米、小麦、玉米以及其它谷物的识别和分级中的研究进展。     

基于机器视觉的残缺饼干分拣系统开发

为降低机器人拾取强度,提高分拣效率,该研究提出了识别分拣残缺饼干的方法。基于机器视觉技术,采用三次拍照对比识别残缺饼干算法,解决了在拍照区域边缘位置因饼干只有部分被拍到会被识别为残缺品和部分饼干粘连导致误识别的问题;通过识别算法获取行进中的输送带上的饼干中心坐标位置,通过对比t时间间隔饼干中心坐标的差值是否等于输送带t时间运行的距离,以确认三次拍照获取的饼干图像哪些是同一饼干,并获取此饼干的图像特征数据;当获取的饼干图像特征数据与标准饼干的视觉特征参数不同时,识别为残缺品,输出该饼干中心坐标给并联机器人进行拾取。本文对程序的有效性进行了实验验证,并对影响识别率的因素进行了实验讨论。通过实验验证,程序运行可靠,对残缺饼干识别准确率保持在100%。另外镜头高度对识别准确率影响较小,但对可识别半径影响较大,呈线性关系;输送带运行速度增加至19 mm/s后,识别准确率直线下降;光照强度达到400 Lux后,识别准确率可保持100%。该研究建立的方法能够很好的对残缺饼干进行识别,为今后饼干在线检测分拣提供了技术支持。     

食品包装机器视觉检测系统

<正> 在现代工业自动化生产中,经常涉及各式各样的检查、测量和零件识别应用,如电子装配线的元件自动定位、饮料瓶盖的印刷质量检查,以及产品包装上的条码和字符识别等。这类应用的共同特点是连续大量的生产,而且对外观质量的要求非常高。一般来说,这种带有高度重复性和智能性的检测,只能靠人工完成。     

基于机器视觉的空瓶图像检测系统

啤酒瓶在灌装前必须进行多种指标检验，针对实际生产的需要，本文设计了一套基于机器视觉的在线检测系统。系统采用了分布式高速多通道视频信号实时采集与处理方法，很好地解决了实时性与准确性要求的矛盾。系统核心是一种针对处理图像信息的可重构并行处理器，处理器的设计采用了DSP FIGA的混合计算结构，既具有制造完成后的可编程性，又能提供较高的计算性能，可适用多种实时图像信息处理应用的需要。     

基于机器视觉的印品在线检测系统

<正>随着印刷机速度的加快和人们对印刷质量要求的不断提高,传统的质量俭测技术已经不能满足高效率、高质量的要求。目前国内大多数印刷企业采用的质量检测手段主要是人工离线检测,其主要弊端就是:人工检测容易受人主观因素的影响,没有一个统一的质量检测标     

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。     

基于机器视觉技术淡水鱼品种在线识别装置设计

研制基于机器视觉技术的淡水鱼品种在线识别装置。采用CCD彩色摄像头、图像采集卡、光电开关、数据采集卡、输送机、照明箱等部件组成在线识别装置的硬件部分;基于Visual C++6.0平台编写具备淡水鱼图像采集、图像分析、鱼体特征提取、品种识别等功能模块的在线识别软件程序。利用本装置对鲤鱼、鲫鱼、草鱼、鳊鱼等4种大宗淡水鱼进行品种在线识别。结果表明,以BP神经网络作为识别模型,该装置对4种淡水鱼进行识别的平均准确率达到92.50%,检测所需时间平均为1.3s,该装置可以用于淡水鱼品种的在线、快速、准确识别。     

基于机器视觉系统在饮料行业中的应用研究

针对饮料行业中存在的质量检测及如何提高生产效率问题,提出了运用机器视觉系统对其进行分析应用,使得企业能够达到生产要求,并且大大提高了生产效率。