机器视觉技术在果蔬的识别和分级中的应用

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 ,为了能充分了解国内外在果蔬方面的研究状况 ,本文综述了机器视觉技术在果品和蔬菜的识别和分级中的研究进展 ,以供参考     

机器视觉技术在果蔬的识别和分级中的应用

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，为了能充分了解国内外在果蔬方面的研究状况，本文综述了机器视觉技术在果品和蔬菜的识别和分级中的研究进展，以供参考。     

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。     

基于仿生智能算法的高水分玉米收购定等系统研究（网络首发、推荐阅读）

人工智能技术在解决传统农业难题方面表现出了无可比拟的优势。目前,粮食收购中对高水分玉米的水分含量和等级判定仍然以人工感官检测为主,存在工作量大、效率低、重复性差、主观性强等问题,影响企业效益和农民利益。针对玉米高水分快速检测的技术难题,采用机器视觉技术在挖掘玉米图像丰富信息的基础上,以互信息熵为耦合程度作为评价指标,研究了高水分玉米图像快速无损检测新方法及智能收购定等系统,并对系统进行了测试。结果表明,在实现“机器看水”仿生智能算法的基础上,进行高水分玉米收购定等是一条值得探索的技术路径。     

机器视觉识别技术在机械传动领域的应用分析

文章分析了机器视觉识别技术的构成和工作原理,介绍了机器视觉识别技术在机械传动领域的应用,包括在图像采集、图像处理、图像识别等方面的应用,并探讨了该技术在机械传动领域的发展趋势。机器视觉识别技术能够辅助工作人员识别机械传动设备运行状态,以便及时发现问题和解决问题,保障机械传动设备稳定运行。     

粮食不完善粒自动识别研究进展

随着机器识别和深度学习理论的发展,许多技术被应用到粮食不完善粒的自动识别检测中。本文从图像采集、图像预处理、特征参数提取、模型分析识别、存在的问题等方面综述了目前粮食不完善粒自动识别的研究现状,为在粮食购销储运中的不完善粒的动态快速检测提供了思路。     

机器视觉在织物疵点检测中的应用进展

探讨基于机器视觉的织物疵点检测应用现状及发展趋势。介绍了织物疵点视觉检测系统的基本结构和工作原理。从图像预处理算法、图像分割算法、织物疵点特征提取算法等3个方面,剖析了各种算法在织物疵点检测中的实际应用情况。总结了不同算法的检测效果和存在的不足之处,并对织物疵点检测的未来发展进行展望。认为:结合人工智能、多传感器的技术,构建稳定可靠的基于机器视觉的织物疵点检测系统可进一步提高疵点检测的准确性。     

农产品无损检测方法应用现状

本文以无损检测技术为切入点,简要介绍了核磁共振技术、声学技术、近红外分析技术、机器视觉技术、X射线等用于农产品品质无损检测的方法及其原理,论述了其在农产品中的研究现状,分析了各方法的应用前景及存在的问题。可为农产品的无损检测提供一定的检测理论基础。     

基于图像饱和度的棉花异性纤维图像快速处理方法

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。作为机器视觉检测技术的关键,图像分割方法决定着机器视觉检测的效果。在最近几年,各种分割方法得到了广泛的应用,包括单阈值分割、多阈值分割、自适应阈值分割等基于阈值的分割,基于边缘检测算法的分割,以及基于区域的分割。但是没有一种分割方法是通用的,各种分割方法的有效性还是取决于被分割对象,而这些方法在速度方面不适合     

基于图像识别技术的电动工具视觉检测系统应用

介绍了一种基于图像识别技术的电动工具视觉检测系统。机器视觉传感器采集被测物体图像后,将原始数据送入图像识别检测模块,该模块由机器视觉算法和深度学习的图像处理技术组成,利用图像采集技术对可视化检测项目进行建模分析。实际应用表明,电动工具视觉检测系统的测量效果优于人工光学检测,避免了人为因素造成的检测误差。     

机器视觉技术在水产食品感官检测方面的应用研究进展

机器视觉技术是一种无损、快速、经济的检测技术。结合国内外的相关研究现状,本文介绍了机器视觉系统的优点和对颜色、形状、尺寸等的检测方法,在此基础上,分别对机器视觉技术在包括鱼、虾、扇贝和牡蛎等水产食品感官检测方面的应用进行了详细阐述和讨论,此外,探究了机器视觉技术目前在水产食品感官检测领域应用的局限性及在深度学习方面的发展前景。本文旨在为水产食品的感官检测提供技术支撑,保障消费者的食用安全。     

凌云用机器视觉技术谱写行业质量检测新篇章

凌云光子技术集团（以下简称＂凌云＂）多年来长期专注于图像与机器视觉方向,致力于为国内图像及机器视觉领域的广大用户提供一流的质量工艺解决方案和高档次的视觉缺陷检测设备。     

基于机器视觉针刺机针板尺寸自动检测技术研究

针对实际生产中针刺机针板孔径及孔距检测问题,提出了一种采用机器视觉算法三坐标机器视觉跟踪检测针板孔径及孔距的非接触测量方法。在HALCON平台上使用滤波算子对图像进行运算处理,然后使用测量算子对图像孔位的直径和孔间距等进行测量。通过对针板孔位尺寸进行多次测试,分析发现该算法计算时间短,测量准确度高,边缘量化精度小于0.01 mm,为非织造行业机器视觉检测技术的应用提供了一种有效途径。     

计算机视觉在农产品外部品质检测中的应用研究

计算机视觉技术是一种无损、快速、经济的检测技术,是有可能取代人工(视觉)检查方法,在农产品质量检测中得到广泛认可。外观是农产品非常重要的感官属性,它会直接影响农产品的市场价值和消费者的选择,还在某种程度上影响其内在品质。本文介绍了计算机视觉系统的非接触式布置和高照明系统组件、图像处理和图像分析技术;在此基础上,详细综述了计算机视觉在农产品外部品质检测领域的应用研究,重点讨论计算机视觉技术在此领域的优势与不足,旨在为农产品外部品质检测提供技术支撑,并保障消费者的食用安全。     

“机器视觉检测系统”在卷盘烫印设备上的应用

<正>机器视觉,是将自动控制机器的能力和视觉传感结合起来。机器视觉检测系统是通过机器视觉产品,将被摄取目标转换成图像信号,传送给专用的图像处理系统,图像系统对这些信号进行各种运算     

基于机器视觉技术的皮革材料缺陷可视化研究

由于原材料的特殊性，皮革材料在进行深度加工以前都需要对材料表面的缺陷，如虫蛀、裂痕等进行筛查。基于机器视觉、数字图像处理技术等，对皮革材料缺陷的可视化检测进行分析，对皮革材料缺陷图像采集与处理、图像缺陷特征分析与提取、缺陷检测分类等关键技术进行总结。本文认为，对于皮革产业材料缺陷检测工艺而言，机器视觉能够大幅提升相关领域检测精度和检测效率，有利于皮革产业实现智能化发展。     

酿酒高粱不完善粒检测仪检测模型的研究与检验

针对现阶段酿酒企业检测高粱不完善粒效率较低和识别率不高等问题,结合市场上现有的粮食不完善粒检测仪器,开发了一套基于图像识别的高粱不完善粒快速检测仪,对图像的采集、关键硬件、机器视觉和深度学习等方面做了一系列研究,研究分别采用单一特征分析技术、基于机器学习的图像分类技术、基于深度学习的图像分类技术、细粒度图像分类技术对高粱图片进行分类识别分析,通过对比,最终利用Tensorrt部署技术将细粒度图像分类网络部署到设备中。结果表明,开发的高粱不完善粒快速检测仪的识别精度与人工检测的平均误差控制在1%以内;50 g高粱样品的检测时间控制在5min以内。相较于传统的人工检测,检测时间大大缩短,同时避免了人工检测主观上的偏差,对于酿酒企业的高粱不完善率检测鉴定具有重要意义。     

印花质量自动检测系统的新技术应用

提出了一种基于机器视觉技术的纺织印花图案质量新技术检测系统，利用数：芋图像处理算法对纺织印花织物图像进行检测，分析了机器视觉技术在印花生产质量自动检测中存在的问题，并提出了相应解决办法。     

基于机器视觉的包装机空头烟支检测技术研究

对基于机器视觉的包装机空头烟支检测技术进行了研究：在图像获取阶段,在分析包装机空头烟支结构特点的基础上,提出了机器视觉系统光源的照明方式,并参照国标对照明的角度进行了计算。使获取图像上的烟支空头特征突出;在图像处理阶段,采用基于数学形态学的开操作对图像进行预处理,使图像上烟丝的纹理特征减弱,而空陷区域的特征更加突出;最后采用计算机图像斑点识别技术。判别出存在空头烟支的烟组,最终完成基于机器视觉的包装机空头烟支的检测任务。图3表2参13     

基于DSP水果分级系统的一种新苹果检测方法

为了适应农产品加工过程中机器视觉水果分级技术的需要,本文描述了一种基于DSP的水果分级系统,介绍了一种水果分级过程中检测图像中水果的方法。通过采用单线扫描法和双线扫描法相结合的方法,使水果能够快速准确的被检测出来。该方法原理简单,容易实现。