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。     

基于机器视觉的水面垃圾自动监测算法的研究

针对水面垃圾自动监测的问题,提出了一种基于机器视觉的自动监测算法。首先通过将原始图像转换为亮度灰度直方图,再通过边缘提取算法获得水面图像中垃圾区域的边缘,最后根据垃圾区域边缘提取垃圾区域。实验结果表明该算法能较好的提取水面图像中的垃圾区域,为水面垃圾自动监测提供理论支持。     

基于机器视觉技术制作烤羊肉比色卡

为建立一种能够快速无损识别羊肉烤制过程中颜色变化的标准化方法,本研究基于机器视觉技术结合三种算法(均值算法、K-Means算法和K-Means+图像降噪算法)制作烤羊肉颜色识别比色卡,对烤羊肉的颜色进行在线监测.结果表明,三种算法制作的比色卡均能呈现出羊肉烤制过程中的颜色变化.为明确三种比色卡的准确率,研究采用K-me...     

基于机器视觉的装甑布料系统设计

针对现有机械装甑效果不佳,设计了一个具有机器视觉的酿酒装甑布料系统,以人工装甑经验为模型,用红外热成像技术引导装甑机器人,实现智能装甑布料。     

基于机器视觉的织物瑕疵自动检测硬件系统设计

为实现织物瑕疵的自动检测功能,设计基于机器视觉的织物瑕疵在线检测硬件系统。该系统是在传统验布机的基础上,改进机械结构,设计机械传动装置,选择并配置采集图像的硬件设备以及图像处理硬件设备,保证系统能够获取清晰、稳定的图像信息,满足织物疵点检测各项性能要求。     

基于机器视觉的食品码垛机器人控制系统设计

食品包装码垛机器人只能完成固定形状物品码放,不能根据码垛对象尺寸、形状等具体情况进行相应判断,智能化程度较低。为提高码垛机器人的智能化程度,设计一种基于机器视觉的食品包装码垛控制系统。分析码垛机器人工作的基本流程,为提高机器视觉检测的准确率,介绍摄像机标定方法及图像边缘检测。结果表明,设计的机器视觉码垛机器人分辨准确率为100%,能够对规则的食品包装箱进行分类码放。     

基于机器视觉的草莓自动分级方法研究

针对传统草莓自动分级处理系统利用单一特征衡量草莓品质的不足,提出从成熟度、质量、形状三方面综合评估的方法,以快速有效地完成草莓自动分级处理。该方法先计算分析HSV颜色模型中H参数判断草莓成熟度,利用图像投影面积-质量函数关系对成熟度达标的草莓进行质量测算,再采用K均值聚类法与判别分析相结合对质量达标的草莓进行形状分类,并利用加权法计算草莓质量与形状评级分确定草莓品质等级。试验表明,该方法与人工评级相比准确率达到90%以上。     

基于机器视觉的卷烟爆珠在线检测系统设计

目的：针对卷烟爆珠的质量检测,设计和构建融上料传送、机器视觉图像处理及不合格品剔除功能为一体的卷烟爆珠质量检测系统。方法：通过改进类间方差法对爆珠单颗粒图像进行提取,通过灰度分析、非线性度变换及改进最小外接圆等算法,实现爆珠质量自动化检测,在完成图像自动化检测之后,通过设计的不合格品剔除机构进行剔除,并开展爆珠质量检测的重复试验和应用分析。结果：该系统对不合格爆珠的异色、异行、破损总误检率低于3%,能精确剔除不合格爆珠且系统稳定可靠。结论：基于机器视觉的卷烟爆珠在线检测系统设计,能完成对爆珠质量的自动化在线检测,提高了检测速度与准确度。     

我国基于机器视觉的水果自动分级技术及研究进展

综述了国内基于机器视觉的水果自动分级技术在大小、形状、颜色和表缺陷分级方面的研究现状,分析了基于机器视觉的水果自动分级过程中存在的不足,提出了利用定向装置与机器视觉相结合的水果分级的思路。     

基于机器视觉的零部件尺寸检测技术

在工业生产中,基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像,利用基于HALCON软件的数字图像处理技术,采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统,实现了对零部件的精确检测。经过大量的实验结果表明,在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。     

基于机器视觉的智能车视觉矫正系统分析设计

鉴于在智能车机器视觉系统中机器视觉会产生图像形变,利用成像过程中的几何光学参数,建立畸变模型,推导得出了求解全部参数的线性矫正算法.实验证明,该矫正算法可以准确地矫正引导线的形变,为智能车路径提供准确的参数.     

基于机器视觉的印品质量在线检测

印品质量检测的意义 在印刷向小批量、多品种、多色、高效方向发展的今天,印刷品越来越精细,人们对印品质量和印刷效率也有更高的要求,带有缺陷的印品是人们所不能接受的。要提高印品质量和印刷效率的有效途径之一就是对印品进行质量检测。因此,印刷厂商对印刷品在印刷过程中实行质量自动监测,是梦寐以求的手段之一。尤其在高速运转的印刷机上,如不及时发现并排除故障,就意味着大量废品、次品损失,特别是在原材料成本不断增加的今天,废品的增多就意味着生产成本的增加,对企业的影响极大。另外,如果印刷过程中出现以上问题,而没有及时进行检查,把一些废品流入社会,将给印刷厂家造成极坏的社会影响。所以印刷品质量检测有着深远的意义。     

基于机器视觉的预包装食品检测

基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。     

基于机器视觉技术大米品质检测

该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。     

基于机器视觉的坯布自动检测技术

针对我国纺织品检测大多采用人工检测,检测速度低,误检率、漏检率高等问题,提出了实现织物疵点检测自动化、鲁棒性的设计理念。介绍了目前国内外在织物检测方面的主要识别方法以及织物自动检测系统的研究成果,阐述了机器视觉软、硬件技术的发展现状及目前机器视觉技术在纺织检测应用中存在的问题;分析并提出研制分布式的、面向高速生产线的鲁棒机器视觉检测技术是适合我国坯布自动检测系统的研究方向。     

基于机器视觉和机器学习的羊骨架自动分割方法

为实现羊骨架自动化加工,提出一种基于机器视觉和机器学习技术的羊骨架自动分割方法。采集396组羊骨架样本,利用图像处理技术提取24组坐标参数,分别为羊骨架躯体、腰椎、颈部和胸腔等4个部位最小外接矩形的6个特征点(中心、质心和4个顶点坐标)。通过显著性检验筛选出16组特征,进行异常值检测和归一化操作,按7∶3的比例划分训练集和测试集。对比Lasso、Ridge、SVR和GBDT机器学习模型预测效果,优选Lasso、SVR和GBDT作为个体学习器,以0.30∶0.25∶0.45的权重集成时,模型预测效果最优,均方根误差为7.93。在验证集上坐标残差绝对平均值为2.32像素点,拟合度R²为0.961,在测试集上坐标残差绝对平均值为2.53像素点,拟合度R²为0.947,测试表明模型预测精度较高且泛化能力较强。搭建多关节机器人平台进行分割试验,轨迹预测精度达到3.4 mm,理论效率达413只/h,约提升了37.9%,表明该方法有效可行且效率显著提升。     

基于机器视觉的零件圆心距在线测量系统设计

为了实现精密零件尺寸在线检测的智能化与高精度,课题组设计了一种基于机器视觉的尺寸检测系统.该系统利用OpenCV实现算法设计,基于Canny边缘检测,结合Zernike矩实现亚像素边缘提取,利用最小二乘法实现圆心拟合.在QT平台上,基于OpenCV结合C++完成测量系统的界面开发.检测结果表明:该测量系统精度能达到0....     

基于机器视觉的瓦楞纸压制送料机器人的控制

本研究采用工业相机采集纸板切割机切下的纸板纸尖图像,取得纸尖在机器人世界坐标系中的定位数据,根据压辊机的位置和所需要的瓦楞角度,建立了机器人的姿态预测模型。在机器人运行时通过调整机器人的运行姿态,实现瓦楞纸的压制上料。经过实际运行,系统可以将瓦楞纸位置误差控制在5 mm以内,旋转角度误差控制在2°以内。结果表明,基于机器视觉的机器人送纸过程的稳定性和可靠性均优于人工操作,但是灵活性还有一定的欠缺。     

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。     

基于机器视觉激光切割自动寻边技术研究

论述了利用计算机视觉和图像处理技术实现激光切割机自动寻边切割的基本原理和实现方法.提出一种阈值滤波算法用于图像预处理,能在去除噪声的同时,较好地保留原图像的边缘信息.为了克服由于环境而导致的光强变化及物体表面粗糙度对物体图像边缘的影响,采用改进的边缘检测算法用于边缘信息的提取,通过设计一个梯度极值算子窗口,在窗口领域内直接对像素进行操作,来提取边界特征像素.用VC 6.0开发了整个系统的图像处理软件和系统控制软件,该方法对自动寻边切割具有计算简单、效率高、边缘提取准确的特点,已成功地应用于实际的自动寻边激光切割系统中.