基于变径圆的烟丝宽度图像检测方法

为提高烟丝宽度检测效率与准确性,建立了基于变径圆的烟丝宽度图像检测方法,通过与现有的ISO投影法、Hough变换法进行对比,分析了 3种方法在测量烟丝宽度时的准确性和检测效率.结果表明:①变径圆算法检测的标准线条宽度与实际宽度的相对误差最大为5％;采用变径圆法和ISO投影法测量30根烟丝,两种方法检测结果在95％置信区...     

基于计算机视觉的纺织品色牢度检测方法

文中指出应对不同纤维种类、不同色牢度类别、不同纤维表面颜色分别建立数据库,以提高仪器检测色牢度的准确性和精确度。并在此基础上,采用计算机图形学、图像处理、颜色空间转换和计算机视觉色差等技术,开发了基于计算机视觉的纺织品色牢度检测系统,详细阐述了该系统的设计方案、测试流程,建立了色差等级评定系统,然后以标准灰色变色模式为例,说明了等级评定的过程,测得了标准样卡色差,通过曲线拟合得到了灰色变色评级公式。与色牢度目测法的结果对比发现,该色牢度检测系统操作简单,测试结果准确,可以取代目测法;另外还可用于纺织品色差的检测。     

基于计算机视觉的玉米粒形检测方法

提出了利用计算机视觉技术检测整粒玉米和破碎玉米的方法,以适应快速准确检测玉米品质的要求。设计了一套基于计算机视觉技术的玉米粒形检测装置,开发了玉米粒形检测算法;首先采用玉米粒形检测装置获取玉米籽粒图像,再对图像进行预处理,然后根据玉米籽粒的特点提取面积、周长、长、宽等8个特征参数,将粒形特征参数作为输入值构建BP神经网络对玉米的粒形进行检测。结果表明:该方法对整粒玉米检测的准确率为97.50%;对破碎玉米检测的平均准确率为91.83%。     

基于机器视觉的烟丝质量特征在线量化分析

为了实时监控产线烟丝的质量特征,该文研究设计一种新型在线烟丝检测设备,其通过机械结构设计实现自动从产线获取目标烟丝,振筛分离烟丝,测量烟丝,并最终将所测烟丝送回产线。其使用的图像识别算法基于机器视觉,通过基于亮度、色度和浓度（YUV）色彩空间的阈值分割法,精确地分割烟丝与背景,并通过提取烟丝骨架,实现对不重叠烟丝的长度和宽度的测量。通过对比实验表明,算法平均精度误差在5%以内,烟丝宽度误差在0.1 mm以内。所设计的烟丝结构检测仪既能测量单根烟丝的参数,能够统计整批烟丝的结构参数,提供多维度多尺度的信息,并且可以实现在线检测分析,提高测量的效率,为制丝工艺质量的监控及精细调控提供重要基础支撑。     

基于计算机视觉的柑橘无损检测技术

分析了柑橘无损检测和分级技术的重要性及其发展现状,阐明了基于计算机视觉的柑橘无损检测的流程.柑橘的好坏主要由柑橘的大小和形状决定,2个特征参数的提取运用了数字图像处理技术, 根据控制规则,输出1个变量即苹果等级分类.实验结果表明:该方法能较好地区分柑橘的好坏,达到预期的目标,结果是可以接受的.     

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。     

基于计算机视觉技术的稻米检测研究

综述了计算机视觉技术在稻米品种、外形轮廓、垩白度、加工精度、留胚率、整精米率、黄粒米和稻米化学成分等检测中的应用。     

基于计算机视觉的十字线检测算法

为检测四色印刷套印是否准确,提出一种基于计算机视觉的十字线检测算法.通过对印刷品的黄、品、青、黑四色十字线进行图像分割,得到四色十字线;分别对四色十字线进行图形定位,得到四个十字线的中心;根据四个中心的位置关系判断四色套印是否准确.实验证明,该算法能正确检测套印是否准确,并且容易实现.     

基于计算机视觉的织物色差检测

为了有效地检测织物色差,针对织物色差检测存在的问题,在比较RGB模型、XYZ模型后,提出采用L*a*b*模型,并给出了各模型间的转换公式.通过对计算机获取的织物彩色图像进行一系列的转换、分割和定位后,计算其色差并进行相应的分析.经过试验证明:采用以上方法对纯色和印花织物的色差检测都是可行和有效的.     

基于计算机视觉的织物疵点检测技术研究进展

对基于计算机视觉的织物疵点检测技术进行回顾,介绍了灰度共生矩阵法,局部二值模式算法,邻域关联分析,自组织映射,支持向量机,学习向量量化分类器,多分类器组合和决策融合等算法等在图像预处理,特征提取、分类和识别等方面的应用情况,着重讨论了一种基于多数投票原则的多分类器决策融合技术,试验结果证实该技术有较高精确性.     

基于计算机视觉的啤酒瓶空瓶检测图像采集技术

针对传统的检测系统速度慢、效率低的缺点,论证基于计算机视觉的啤酒瓶空瓶检测图像采集技术实现的可行性,讨论了图像采集技术实现的方法,论述了系统的基本技术路线,建立了系统框架,并分析了研究中需要解决的主要问题。该技术对于克服当前人工检测的弊端、提高酒瓶空瓶检测效率有极大的推动作用。     

基于计算机视觉的精密零部件质量检测研究

近年来,研究人员基于计算机视觉完成了精密零部件质量评估。文章介绍了各种方法的概述,包括图像采集、预处理、图像分割、特征提取和分类。这些方法针对表面缺陷,关键尺寸,形状提高了零部件的精度问题。     

基于视觉图像的鲅鱼新鲜程度的检测方法

鲅鱼新鲜程度是评价其质量好坏的重要因素。为提高鲅鱼检测新鲜程度准确性,研究基于视觉图像的鲅鱼新鲜程度的检测方法。研究对象是某地海鲜市场中的30条鲅鱼,通过鲅鱼视觉图像采集系统采集鲅鱼视觉图像,利用区域填充算法及形态学开运算对采用大津法分割的鱼体二值图像进行填充及去噪,融合上山法与区域生长方法分割鱼眼区域,通过全局动态阈值分割方法分割鱼鳃图像;提取图像特征时,利用图像的R、G、I分量灰度均值提取鱼体、鱼眼及鱼鳃图像颜色特征,采用G分量提取鱼眼中心区域面积。将图像特征输入到NeuroShell 2神经网络判别模型中,实现鲅鱼新鲜程度的有效检测。经实验验证,该方法检测鲅鱼新鲜程度的准确率平均高达98.28%,依据鱼眼中心区域面积+颜色灰度均值特征进行鲅鱼新鲜程度检测的准确率最高,且检测不同死亡时间的鲅鱼新鲜度的检测准确率高达95%,说明鲅鱼新鲜度的检测为海鲜检测提供了理论基础。     

基于计算机视觉的皮革检测技术研究

皮革表面难免存在破损、划痕、褶皱等瑕疵,为提高产品合格率,对皮革进行质量检测显得尤为重要。长期以来,皮革检测普遍由人工完成,然而人工检测存在效率低、成本高且误检率高等不足之处。鉴于皮革表面纹理、光泽、色彩都具有鲜明的特点,将计算机视觉技术用于皮革正反面识别及缺陷检测方法的研究中。基于图像处理系统组成框架,借助模式识别中的人工神经网络设计分类器,经试验表明,人工神经网络三层结构在皮革正反面识别的应用中具有较高的准确率。本文将统计学中的共生矩阵思想引入皮革图像纹理特征提取的研究中,并提出一种基于模糊算法的C-均值聚类方法,可精准高效识别皮革表面缺陷。     

基于计算机视觉和人工神经网络预测挤压食品的质构特征

应用计算机视觉系统分别提取不同配方的挤压食品和同一样品不同部位的颜色值(HSI和L*、a*、b*),同时用质构分析仪测定样品质构特征。借助线性拟合模型通过样品的颜色对挤压食品的质构特征进行相关性分析,并利用BP神经网络模型通过颜色预测挤压食品的质构。线性拟合模型显示,硬度和胶粘度分别与a*值和对比度之间高度相关。两组实验中硬度与a*值之间的R2分别为0.9558、0.9429;胶粘度与对比度之间的R2分别为0.9741、0.9619。弹性与a*值和对比度之间具有一定的相关性,两组实验中弹性与a*值和对比度之间的R2分别为0.8675和0.8320。利用实验所得硬度、胶粘度、a*值以及对比度数据优化含有2个隐层的BP神经网络,得到两组实验对应最优网络模型结构,即每层所含神经元的数量分别为20、20,均方根(RMS,%)为4.25;20、40,均方根(RMS,%)为3.85。利用最优神经网络运用a*值和对比度对两组实验中的硬度和胶粘度进行模拟,得到的相关系数高于线性拟合模型拟合结果,两组实验中硬度与a*值之间的R2分别为0.9671、0.9770;胶粘度与对比度之间的R2分别为0.9766和0.9856。采用最优网络模型用颜色信息对挤压食品硬度和胶粘度的预测和验证结果表明,利用计算机视觉系统所提取的颜色值可以通过人工神经网络快速准确预测挤压食品的质构特征。      

基于机器视觉的棉花颜色检测方法

针对国内目前通过图像处理测量棉花颜色等级方法较少的现状,设计了一种基于机器视觉的棉花颜色检测方案。为提高棉花样本的拍摄质量及高效性,使用Halcon软件连接CMOS工业相机进行实时采集。首先对采集的棉花样本图进行预处理,通过阈值分割算法将棉花样本图转化为二值图像,且使用高斯滤波去噪声从而去除棉花中的杂质信息,并对预处理后的图像进行区域划分。然后通过RGB值转换为CIE XYZ颜色空间值,得到各子区域棉花颜色参数值,并引入K均值算法聚类各子区域颜色值以确定棉花最终颜色参数值,从而确定棉花颜色等级。最后通过实验验证及数据分析,将本文检测方法与MCG-1棉花检测仪器检测结果进行对比,结果表明2种方法检测结果一致;并通过在不同时间下持续对棉花样本进行数据检测,验证了本文方法的稳定性和精确性。本文检测方法可行且检测成本较低,可代替昂贵的仪器检测方法供企业使用。     

基于计算机视觉的运动目标研究分析

对视频中的运动目标进行跟踪、识别、检测,并对目标行为进行研究、分析,这就是基于视觉运动目标分析。检测与跟踪运动目标是理解与分析目标行为的前提。文章以计算机视觉为基础,分析了其检测与跟踪运动目标等问题,该研究对于检测和跟踪视觉运动目标的算法分析意义重大。     

计算机视觉技术在食品品质检测中的应用

随着社会经济的发展,人们对身体健康越来越重视,食品安全关系生命健康.当前食品品质越来越受关注,而计算机视觉技术有助于对食品品质进行检测和评价,在检测食品尺寸、色泽、外表伤痕以及食物腐败方面均有重要应用.     

计算机视觉技术在农产品和食品检测中的应用

随着计算机视觉技术的发展与计算机运行速度的提高和硬件成本的下降 ,计算机视觉技术在农产品和食品检测领域中的应用越来越广泛。本文综述了国内外农产品和食品检测中计算机视觉技术的应用研究和发展情况。     

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。