基于机器视觉的冬枣生熟检测系统研究

以表面颜色为冬枣生熟判别指标,建立了基于机器视觉技术的冬枣生熟检测系统。该系统包括一组可以自动上料、自动下料、光源、CCD摄像头、数据采集板、分枣器、控制器、计算机等硬件以及图像采集处理软件组成。系统的实现过程为:控制器控制步进电机的运转,由网格皮带将冬枣均匀地送到分枣器支架上,CCD摄像头每隔2 s采集一幅冬枣图像,当采集图像时电机停止运行,图像处理软件将采集到的RGB图像转化到HSI模型空间,用HIS模型中的H分量描述冬枣颜色特征。试验结果表明:该系统的分辨正确率为90.23%,可以满足自动分拣的要求。     

基于单片机控制的冬枣分拣设备的研制

研发了一种基于单片机控制的冬枣分拣设备。冬枣通过上料装置进行上料,落至下方称重盘上,称重盘称重间接实现大小的识别,同时CCD摄像头进行图像采集,采集来的图像通过图像采集卡传输给电脑,对其颜色进行识别,把信息反馈给单片机对设备进行控制,最终实现了不同大小颜色冬枣的分拣。     

基于机器视觉的齿轮分拣装置研究

基于机器视觉的齿轮分拣装置包括工业CCD、图像采集卡、工控机、运动控制卡等硬件设备和与之相匹配的图像分析与指令控制软件系统,是一个较为复杂且精密度较高的自动化设备。本文在阐述机器视觉技术的基础上,详细分析基于机器视觉的齿轮分拣装置旨在提供一定的参考与借鉴。     

带夹持器冬枣分离设备的研制

该设备采用光电分离与机械分离相结合的技术实现了冬枣的生熟与大小的分离,冬枣被振动盘送到圆盘上以后,夹持识别器开始进行冬枣的生熟与大小的分离,夹持识别器是基于光电池和电位器设计的,其内安装的由红色LED、功率放大器、可调电阻和单片机等组成的光电传感器实现了对电磁铁的有效控制,光电池的输出电流可以检测出LED反射光的强弱,从而辨别出冬枣的生熟,而夹持器内电位器内阻的变化可以确定冬枣的大小。该设计方案的出现,解决了冬枣的自动化分拣问题。     

基于机器视觉的水果分级分拣系统关键技术研究

机器视觉就是利用图像摄取装置等产品代替人眼做测量和判断,当前在水果分级分拣领域应用极广,已成为工业机器人进行农产品自动化检测的研究热点,但如何对采集到的自然图像进行高效目标分割和识别检测,成为制约分拣机器人应用的技术难点。现利用机器视觉测量精度高、结果稳定可靠和非接触性等优点,通过对苹果进行尺寸测量、空间定位,并根据果形大小、色泽光洁程度和表面缺陷等指标进行特征识别,实现对苹果品质的科学精准分级和自动分拣,并利用机械手臂自动完成不同等级水果的分拣,实现生产线上的"手眼"协调工作。     

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。     

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。     

饮料液位自动检测系统设计

为了提高饮料液位检测的效率,介绍了一种新型的瓶装饮料液位自动检测系统。该系统采用基于机器视觉的检测方法,采用CCD作为检测元件。并基于LabVIEW和IMAQ Vision,开发出了对饮料瓶进行图像获取、图像检测识别的软件。按识别结果进行分拣,从而摆脱了人工分拣的缺点,提高了检验的效率,实现了塑料瓶装饮料罐装线的全自动、非接触和在线检测。研究结果表明,该系统能有效地检测出饮料的液位位置,并判断灌装是否合格,具有准确率高、运行稳定、检验速度快等优点。     

基于机器视觉的手机镜片分拣系统

设计实现了一套基于机器视觉的以PLC为控制核心的手机镜片分拣系统。针对不同尺寸的镜片设计了基于区域分割的图像采集系统,并给出了相应的上位机产品分拣程序模型。实验结果表明该系统能够高速可靠地采集图像、分拣成品。     

基于LabVIEW的Tripod机器人视觉处理和定位研究

针对传统的物流分拣过程效率低、成本高的现状,以及利用机器视觉进行分拣快速、可靠的优点,对机器视觉、图像处理和Tiropd机器人进行了研究,基于LabVIEW,设计了Tripod机器人视觉系统,将分拣过程简化为对几何体的识别和抓放过程。利用边缘提取、滤波去噪、圆心检测等算法,采用LabVIEW视觉模块及其库函数,进行了图像的预处理、特征提取以及中心点定位。研究结果表明,基于LabVIEW的Tripod机器人系统能够准确识别平台几何体的颜色和形状,可较为精确地定位几何体中心,满足后续控制的要求。     

基于机器视觉的金属工件智能分拣系统设计

针对传统工业中人工分拣效率低和成本高等问题,设计了基于机器视觉的机械臂智能分拣系统。通过摄像头采集图像并对图像进行灰度滤波操作后,使用SOA-OTSU算法对图像进行阈值分割,对目标区域进行Blob连通域分析,实现对工件的识别与定位。运用标准D-H参数法建立三自由度机械臂模型,将工件位置坐标代入逆运动学方程,解得每个连杆的关节转角,将其转化为机械臂步进值,并通过串口通信方式发送给Arduino,由Arduino控制机械臂完成工件的抓取与放置。实验结果表明,该方法提高了分拣系统抓取的准确性。     

基于机器视觉的矿用输送带纵向撕裂检测系统设计

针对矿井生产中输送带纵向撕裂事故的易发性,使用机器视觉方式设计一套自动的事故检测系统。利用工业CCD相机对输送带的实时情况进行采集,下位机PC处理平台对输送带图像进行撕裂识别和检测,下位机与报警及输送机控制装置相连,可实现事故时对输送机工况的及时控制。     

基于机器视觉的罐盖质量检测系统设计

文中根据饮料易拉罐罐盖制造生产线的工作环境和检测要求,研制了基于机器视觉的罐盖质量检测系统,实现了铝制罐盖瑕疵的自动检测和快速剔除.该检测系统由下盖装置、盖传送装置、光源与图像采集系统、视觉处理及控制系统、次品剔除装置等组成,铝制罐盖经下盖装置连续不断的进入盖传输区域,盖传输装置通过真空将罐盖吸附在传送带上,当罐盖通过成像系统时,光纤传感器触发工业相机和光源,获得高速罐盖图像,图像检测系统分析罐盖多个检测区域,电气控制系统根据图像检测结果分拣罐盖.通过实验测试证明:该视觉系统实时性好,可靠性高,有效地提高了罐盖检测生产线的工作效率.     

玻璃纤维网格布缺陷自动检测系统的研究

基于机器视觉设计了一种玻璃纤维网格布缺陷自动检测系统,可实现玻璃纤维网格布缺陷的识别以及分拣等功能。整个系统采用STM32作为运动控制处理器以实现机械手的运动控制,利用NI myRIO平台采集玻璃纤维网格布信息,设计玻璃纤维网格布缺陷识别算法,完成图像的处理与分析从而驱动机械手完成网格布的分拣。实验结果表明该系统可以实现玻璃纤维网格布缺陷的识别以及分拣。     

基于工业CCD摄像机的机器人视觉定位系统研究

提出了一种基于工业CCD摄像机的机器人顶部视觉定位检测技术。CCD传感器感应由光学镜头聚焦的光线在其电荷收集品格阵列上产生的电荷来获得3D场景的视觉信息,并将其输送到图像采集卡。图像采集卡通过对场景信号解析,再通过机器视觉算法对机器人识别,并通过建立图像坐标与世界坐标之间的关系得出机器人的世界坐标,进而对机器人的移动进行导航。     

机器视觉图像采集实验平台的开发与应用

为了将机器视觉识别检测新兴技术引入课堂教学,并满足学校"实用、适用"的实践实验教学装置的需求,开发出一款体积紧凑、功能完善、性能稳定的机器视觉识别图像采集实验教学平台.该实验平台具有动态图像采集、静态图像采集、自动触发、四通道光源集中控制、动态调速、光源组合打光实验等功能,同时,以二维码识别检测验证了该实验平台运行可靠...     

基于机器视觉的螺钉在线检测

介绍了一种基于机器视觉技术的非接触式螺钉在线检测系统。该系统利用CCD相机采集图像,经过拉普拉斯锐化算子、中值滤波等图像处理,可获得清晰的螺钉轮廓图像,再利用机器视觉的相关几何运算测量出各个螺钉几何参数,实现螺钉的在线检测。实验表明,该系统检测速度快、精度高,具有很好的推广应用价值。     

基于机器视觉的光电传感器焊缝自动识别方法

针对光电传感器焊缝自动识别的F1较低、方法复杂度较高和存在识别时间较长的问题,提出基于机器视觉的光电传感器焊缝自动识别方法。通过机器视觉技术采集光电传感器焊缝图像,利用高斯模型检测出图像的目标区域,结合海森矩阵提取目标区域的特征点,将提取的特征点输入到量子门神经网络模型中,得到识别结果。仿真实验结果表明,所提方法的光电传感器焊缝自动识别复杂度低,且识别效率与F1值均较高。     

基于机器视觉的传送带分拣技术研究

将机器视觉应用于传送带分拣系统,使得分拣系统具有更高的适应性,能够适应各种任务下的分拣需求。对机器视觉在分拣平台应用上存在的标定问题进行了研究,完成了基于机器视觉的传送带分拣系统搭建。首先分析了视觉系统的标定方法,然后提出了一种传送带与机器人的位姿关系的标定方法,最后在摄像机标定和传送带标定的基础上实现了机器人与摄像机的位姿标定。实验证明:工件的定位识别精度能够满足识别分拣的要求,能够完成机器人的分类抓取任务。     

基于机器视觉的轴承座分类识别系统研究

针对轴承座零件人工分拣效率低、出错率高等问题,对工业相机标定、轴承座图像采集、混合去燥、轮廓拟合、特征比对与目标分类方法展开了研究,提出了一种基于机器视觉的轴承座分类识别系统。首先搭建了一套图像采集系统来采集工业照明背景下多个轴承座摆放的图像,利用中值滤波对这些图像进行了去噪处理,将图像二值化后再利用特征过滤进一步对图像进行了混合去噪处理,遍历拟合了各轴承座轮廓并求出了其最小外包矩形,通过仿射变换将轴承座图像摆正,最后再根据3种轴承座的具体特征设置了ROI区域,依次对其进行了分类筛选,利用爱普生机器人进行了分类抓取实验。实验结果表明:该机器视觉分类识别系统总体识别准确率高达99.967%,相比于传统人工分拣有较大提高,可满足工业生产要求。