包装物料形状特征提取和识别方法

目的为了提高包装过程物料抓取成功率,采用机器视觉设计一种物料识别和定位方法。方法以串联机械手臂为载体搭建一种基于机器视觉的物料识别、定位、抓取平台,包括物料传送模块、图像采集模块、视觉分拣模块、机器人控制模块和抓取模块等。重点论述相关图像处理算法,包括基于双边滤波的图像预处理方法,基于Canny算子的图像边缘检测,图像特征提取和质心定位等。最后进行实验研究。结果实验结果表明,码垛机器人的物料形状正确识别率可以达到99.25%,抓取成功率能够达到99.5%。结论所述物料形状识别和抓取定位方法可有效解决图像特征提取、定位等问题,具有识别率高、抓取准确等特点,能够满足包装搬运要求。     

基于灰度的亚像素插值视觉测量方法

针对现有视觉测量中的检测代价高,精度低和速度慢问题,该文提出一种基于计算机机器视觉的紧密内插值亚像素测量方法。该方法基于线性插值算法的原理,结合常规边缘检测方法和图像的灰度曲线图,利用阈值分割和标准长度进行亚像素自适应阈值选择。为验证该方法的有效性,对标准量块长度进行测量实验,并分析测量系统的误差影响因素。相比于传统的Canny算子方法检测结果,该方法的平均测量准确度提升46.2%。实验结果表明该算法的测量精度较高,可以快速、精确地测量出物体的几何尺寸。     

一种铝塑泡罩药品包装缺陷检测方法

目的针对铝塑泡罩药品人工检测时存在的包装缺陷,如效率低、成本高、稳定性差等,采用机器视觉技术对铝塑泡罩药品包装进行缺陷检测。方法采用快速鲁棒特征SURF提取算法、BOW算法和单分类支持向量机组成的缺陷检测算法框架,并完成铝塑泡罩药品包装缺陷检测系统的开发。通过搭建的实验平台获取280幅铝塑泡罩药品图像,并采用文中所提方法对180幅图像实施缺陷检测。结果实验结果显示,在阈值为1900、视觉单词数量为120、惩罚因子为0.9时,文中方法的准确率为99.4%。结论文中方法提高了铝塑泡罩药品包装缺陷检测的准确率和稳定性。     

基于Canny算子的改进的图像边缘检测方法

本文简要介绍了Canny算子边缘检测的基本原理,并对其性能进行了分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,文章提出了一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

FPGA软硬件协同处理实时图像处理系统

基于PC机图像处理系统实时性不强,DSP+FPGA图像处理系统的成本高、资源利用率低,单纯使用FPGA硬件实现的图像算法类型较为单一,针对这一系列问题,提出了一种基于FPGA软硬件协同处理的实时图像处理系统.采用一片FPGA芯片作为系统的核心,利用CCD相机等采集图像,通过SSRAM将图像缓存,以SOPC为控制核心,协调软硬件共同进行图像处理.易于使用硬件实现的图像处理模块(如滤波、形态学算法、图像校正、边缘检测等)均使用Verilog HDL语言实现,通过SOPC控制这些图像处理模块,实现相应的图像处理功能;而硬件难于实现的部分(如流程控制、复杂的分支判断)则使用SOPC中的CPU来实现.实验表明,系统卖时性强、图像处理速度快、可进行复杂图像算法的运算,同时具有设计简单、应用灵活、成本低的特点.     

刀具轮廓亚像素精度阈值分割算法研究

提取亚像素精度边缘轮廓是完成刀具几何参数精确测量的重要环节。该文研究了一种简单有效的方法,该算法基于灰度阈值分割定位像素级边缘,并经双线性插值法细分完成亚像素边缘轮廓的提取。最后设计实验对比分析了该算法以及基于Canny和Sobel算子的亚像素边缘检测算法所提取轮廓的特点。结果表明在准确的前提下,对高对比度图像应用该算法后,能比后两者更快速地完成边缘轮廓提取。     

改进 Otsu 算法在铝塑泡罩药品包装缺陷检测中的应用

目的为了满足药品缺陷检测系统的具体要求,需要有更好的图像分割效果。方法在二维Otsu法的基础上,提出新的阈值分割输出函数,并改进传统算法,使运算量大幅度降低。结果理论分析和仿真实验结果表明,该方法更能顾及药品图像边缘细节,具有好的分割效果,且分割速度也能满足实时检测要求。结论该改进算法用于铝塑泡罩药品包装缺陷检测更具有适用性和实时性。     

基于MATLAB的图像分割算法分析

作为数字图像处理的关键技术,图像分割在图像分析系统中发挥了不可忽视的作用。随着科学技术的不断进步,有很多不同的算法被应用到图像分割技术中,但是最常用的分析方法包括基于阈值的分割方法、基于区域的分割方法、基于特定理论的分割方法以及基于边缘的分割方法。该文主要利用MATLAB软件对基于边缘的分割算法和基于阈值图像的分割算法进行仿真分析。阈值分割技术的关键在于确定阈值,利用Otsu算法能够自动选取阈值,对图像进行分割;在边缘检测算法中,对4种算子(Roberts、Sobel、Prewitt和LOG)的分割结果进行图像分析可以得出,LOG检测算子得出的边缘检测结果最好。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

计算Canny算子双阈值的新方法

为提取颗粒图像的边缘,详细讨论非极大值抑制图像(NMS)灰度统计值的变化特点,提出一种基于颗粒图像的Canny算子双阈值计算方法。通过实验发现NMS图像中"谷"两端的灰度值为最佳双阈值。结果表明:该方法比已有的自适应算法更加准确,能够最大程度地去除噪声,保留有效边界。在图像法测量颗粒形态的过程中,该方法相对基于最大熵原理或Otsu方法的Canny算子更具有可靠性和稳定性。     

基于机器视觉的食品包装检测系统设计

目的为提高食品外包装美观性,确保食品包装质量,基于机器视觉设计一种食品包装检测系统。方法食品包装检测系统主要包括图像获取模块、图像处理和分析模块、输出执行模块等部分。讨论图像处理的关键技术,在传统小波变换的基础上,提出一种改进算法以增强图像特征信息,提高识别率,实现食品包装边缘检测。以污染、飞墨等典型缺陷为例,论述其特征提取方法,包括圆形度、长宽比、灰度标准差等。最后进行实验研究。结果实验结果表明,所述食品包装检测系统的检测精度在99%以上,具有较高的检测准确性。结论基于机器视觉的食品包装检测系统能够满足食品包装需求。     

基于机器视觉的包装机械贴标功能实现

目的 为了提高包装机械贴标工序的自动化程度和贴标速度、精度,设计一种贴标控制系统。方法 基于机器视觉设计一种贴标控制系统。该系统主要包括PC机、工业相机、视觉处理模块、运动控制模块、打印机、贴标机、标签检测模块等。重点论述图像处理算法,其中柔性形态学滤波和边缘检测用于贴标区域识别和定位;模板匹配则用于检测标签的平整度和倾斜度。最后,针对正方体包装纸盒、圆形包装纸盒、不规则包装纸盒进行试验研究。结果 实验结果表明,所述贴标系统平均正标率均在99%以上。结论 基于机器视觉的包装机械贴标系统能够满足包装要求,而且可以提高包装机械的自动化水平、提高包装效率、降低企业成本。     

基于机器视觉的包装物料自动筛选系统

目的为解决传统人工分拣作业效率低、速度慢、质量难以保证的问题。方法设计一种基于机器视觉的包装物料自动筛选控制系统,适用于多种输送线物料分拣的方案。结合多种图像处理算法,以提高物料筛选精度。改进中值滤波可实现图像预处理;形态学滤波可实现包装物料边缘检测;基于边缘匹配可完成物料识别。最后进行试验研究。结果试验结果表明,对于圆形、方形、三角形物料,所述包装物料筛选系统的分拣精度在99.5%以上,最大抓取速率能够达到150次/min。结论所述图像处理算法能够有效地提取物料边缘并实现物料识别,具有比较高的检测精度和稳定性,可以满足包装需求。     

基于机器视觉的水果分级系统设计

目的为提高水果分级准确度,以苹果分拣为研究对象,基于机器视觉设计一种苹果分级包装系统。方法根据实际分级功能需求,以苹果尺寸作为标准设计一种苹果分级系统的总体方案,包括DSP+ARM控制器、工业相机、传输带、光源等。重点讨论图像处理模块,首先完成图像背景分割;利用中值滤波实现图像平滑处理;采用Canny算子实现图像边缘锐化。在图像处理的基础上,建立苹果分级模型。最后进行实验研究。结果实验结果表明,人工挑选分级和机器识别自动分级的吻合率达到了96.8%,证实了系统的有效性和可行性。结论基于机器视觉的苹果自动分级的准确度已经接近人工挑选的水平,可推广到苹果类水果的自动分级、包装。     

基于Halcon的贴片电阻方向检测系统

目的设计贴片电阻方向检测系统,以解决当前贴片电阻排序编带过程中存在的检测效率低和检测精度低等问题。方法采用改进的基于形状的模板匹配算法,以机器视觉软件Halcon为平台,利用Canny边缘检测算子和Sobel算子进行边缘检测和滤波,生成模板图像的边缘点位置向量和梯度向量,并以模板边缘点与图像搜索区域的对应点的内积和作为相似度量,进行模板匹配。结果检测系统的识别时间为33 ms,同时其平均识别准确率达99.5%以上,相比于传统人工检测有较大提高。结论该系统具有良好的速度和准确度,可满足工业生产要求。     

基于图像处理的柔性材料自适应纠偏系统设计

目的为了解决印刷包装过程中柔性材料容易跑偏的问题,基于图像处理结合模糊PID控制提出一种自适应纠偏控制系统。方法介绍纠偏系统工作原理,利用传感器检测包装材料边缘,经图像处理、分析后得到偏差量,利用纠偏算法生成相应驱动信号,实现对纠偏机构的控制。为了实现包装材料边缘识别,提出一种图像处理算法,包括图像预处理、边缘识别等。同时基于模糊PID原理设计一种纠偏控制器,通过模糊规则实现PID控制参数的自适应调节。最后搭建纠偏控制系统,并进行相关实验。结果系统偏差可控制在1 mm以内,控制精度高,稳态性能比较理想。结论设计的纠偏系统可满足印刷包装对柔性材料运行精度的要求。     

一种基于机器视觉的平面加工机床控制系统的设计

针对服装、包装等加工行业中须将人工测量的纸质图纸或模型样件的尺寸信息录入计算机并转换成电子加工图纸而导致的加工周期长、生产效率低的问题,提出了一种基于机器视觉的平面加工机床控制系统,以实现对纸质图纸或模型样件的快速检测。采用“ARM+DSP”方式搭建了主从式运动控制系统,设计了系统各部分功能模块。构建了“工控机+工业CCD （charge coupled device,电荷耦合器件）相机+光源控制”的视觉检测系统,结合FAWS（feature adaptive wavelet shrinkage, 自适应特征的小波收缩）算法和麻雀搜索算法提出一种改进的FAWS算法进行图像降噪,并采用Canny算法进行图像边缘检测,实现图像轮廓的准确提取。设计了图像轮廓提取、轮廓数据转换为加工数据、数据通信等处理程序,实现了基于机器视觉的快速检测以及在系统加工过程中的人机交互。最后,对系统进行了实验测试,对实际加工效果进行了评价。结果表明,采用所研制的平面加工机床控制系统不仅能显著提高生产效率,而且能减小图像轮廓的误差。其性能稳定可靠,具有一定的工程实用价值。