基于机器视觉的水果分拣系统

近年来我国的水果产量增长迅猛,以往人工分拣的形式已经很难满足现代农业生产的需求.为了提高水果的分拣效率,达到现代农业生产的需求,提出以机器视觉代替人工对水果进行分拣.本系统以托盘传送装置为水果硬件部分,配合CCD面阵工业相机获取图像并传送至预先编写的图像处理程序中.在程序中对所获水果图像进行预处理、特征提取.将提取的特征值作为输入通过神经网络分类,预计分拣正确率在98%左右.     

面向智能视频监控系统运动目标检测的轮廓提取方法

针对传统的混合高斯模型方法易受干扰、运算量大的缺点,提出了一种应用于智能视频监控系统运动目标检测的轮廓提取方法.首先介绍了常用的运动目标检测方法;接着描述了传统的混合高斯模型方法,分析了该方法在目标检测方面存在的缺点,提出了一种新的轮廓提取方法.以过程为像素块混合高斯模型方法提取前景目标,采用数学形态学方法进行前景连通,Freeman链码寻找轮廓,Douglas-Peucker算法拟合轮廓,图像矩提取目标轮廓质心;最后对所提出的方法进行实验验证,并与传统混合高斯模型方法进行比较,实验结果证明,所提出的方法能更有效地滤除噪声,更准确地提取出目标轮廓.     

插件元器件分拣机器人系统设计与实现

针对传统的插件元器件分拣方法准确率较低的不足,搭建一个基于机器视觉的分拣机器人系统.该分拣机器人系统对目标定位时,采用改进的自适应阈值的Canny边缘提取算子提取目标的边缘信息,克服了光照变化对目标定位的影响;目标分类时,采用SURF提取关键点与FREAK描述的方式对目标进行描述,二进制的描述子相比传统浮点数描述子,加快了模型的建立,缩短目标分类的时间.实验结果证明:该系统能有效提高分拣机器人系统对多目标的分类准确率,缩短多目标的分类时间;同时对环境有较好的适应能力,提高了生产效率.     

基于正则表达式融合语义的农产品自动识别方法

针对同一条传送带上不同类别农产品自动分拣识别率低的问题,根据应用场景下轮廓、颜色和空间相对位置等物理特征不变,以及不同农产品会产生不同振动波的特征,通过建立基于颜色、线条、位置、振动等信息的特征元素库,利用正则表达式的语义规则,对基础特征元素进行先验知识的有序组织,赋予它们描述不同农产品匹配特征的能力,从而快速构建出不同农产品的匹配模型,缩短分拣过程中农产品目标模型生成时间,同时由于融合了振动特征,使得外形相似农产品的识别准确率得到较大提升.试验结果表明:基于正则表达式融合语义特征提取的农产品识别方法能够快速、准确识别各类农产品,从而实现自动分拣的目的,在固定视角下其识别率为92.5%,平均识别时间为50.3 ms,相较传统的尺度不变特征变换(SIFT)和加速鲁莽特征(SURF)算法,本算法在固定视角下的分拣精度和分拣效率均有所提高.     

基于视频流的运动人体检测方法研究

提出一种基于对称帧间差分与背景减除相结合的运动目标检测和自适应背景更新方法.该方法首先建立背景模型,采用帧间差分法将当前帧图像分别与其相邻两帧图像相比较得到运动目标前景部分,并将三帧中变化率小于某一阈值的像素点以一定的更新率实时更新到背景模型中.同时,采用背景减除法对所建立的背景模型进行前景提取,将两种方法所获得的前景图像进行融合,再通过数学形态学运算去除噪声及小面积非人体运动部分,最终得到完整可靠的运动人体二值图像.实验结果表明该方法准确高效,能很好地克服光线的影响,提高监控系统的稳定性.     

基于视觉的并联机器人智能分拣系统设计与实现

针对传统工业机器人无法满足复杂分拣环境下作业要求的问题,设计基于视觉的并联机器人智能分拣系统.以Delta并联机器人、CMOS相机为硬件基础,运用固定阈值和轮廓提取等方法对图像进行预处理,求解出所观察目标的空间位姿,通过Hu矩匹配法对工件进行识别匹配,提高并联机器人对环境的认知能力和智能性.系统测试结果表明,该控制系统运行可靠,搭建的智能分拣系统能够快速识别分拣工件种类,且抓取准确率高、速度快,拓宽了并联机器人的应用领域.     

一种配送中心订单分拣优化问题的研究

研究一种配送中心订单分拣优化问题.目标函数设置为总的拣选订单行走的距离,使用遗传算法优化订单的分批组合,并且在本文中订单分批时,先挑选种子订单,通过对种子订单有策略的选取,最终达到优化拣选的总距离的目的.所采用的模型、方法对订单分拣有较好的优化.     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

基于视觉特征的水果蔬菜自动分类方法

为实现超市中水果蔬菜等产品的自动销售,提出了一种基于视觉特征的水果蔬菜自动分类方法。首先将所获得的水果蔬菜图像划分为多个重合的子块;接着提取这些子块的视觉特征,即尺度不变特征和方向梯度直方图特征;为了提高特征的表征能力,还将这些提取出的特征融合在一起描述目标;然后对融合后的特征做编码和池化操作以降低特征维数并提高特征区分能力;最后用所得特征训练支持向量机分类器并最终实现水果蔬菜的自动识别与分类。与现有方法相比,提出的方法在超市农产品数据库上取得了较高的识别率,从而为实现水果蔬菜的自动销售提供了技术支持和理论保障。     

基于视觉特征的水果蔬菜自动分类方法

为实现超市中水果蔬菜等产品的自动销售，提出了一种基于视觉特征的水果蔬菜自动分类方法。首先将所获得的水果蔬菜图像划分为多个重合的子块；接着提取这些子块的视觉特征，即尺度不变特征和方向梯度直方图特征；为了提高特征的表征能力，还将这些提取出的特征融合在一起描述目标；然后对融合后的特征做编码和池化操作以降低特征维数并提高特征区分能力；最后用所得特征训练支持向量机分类器并最终实现水果蔬菜的自动识别与分类。与现有方法相比，提出的方法在超市农产品数据库上取得了较高的识别率，从而为实现水果蔬菜的自动销售提供了技术支持和理论保障
     

要因模型在物流分拣系统设备运行管理中的应用

某物流公司自主设计了分拣系统,设备数量达到667台,零部件数量大,非标设备占比35%,日均分拣商品数量达到20万件,按月统计,由于设备故障导致的分拣设备停机8 h/百万件,以降低分拣设备停机为目标的关键设备维修成为需要解决的核心问题。为充分利用分拣设备管理系统的设备运维数据,设计了要因模型。采用德尔菲法建立专家知识库,设置合理的评分项和权重值,精准定位对分拣设备停机影响最大的设备,当确定设备后,集中多方面专家,采用实验、计算、测试等手段,找出故障要素,制定维修方案,指导维修。通过实践验证,要因模型的运用使分拣设备停机下降到5. 2 h/百万件,方法有效。     

衡阳市蔬菜水果农药残留现状、原因与对策

通过对2005年至2010年衡阳市蔬菜水果质量安全例行抽检结果进行比较分析,发现衡阳市近年来蔬菜水果农药残留指标整体上控制在全国农药残留超标率10.0%规定范围之内。2～7月,蔬菜水果中的农药残留超标率很低;8～10月,农药残留超标率明显上升,并且超标品种主要是豆类、叶菜类等蔬菜。建议加大检测力度,加强农药的监督管理,广泛宣传农产品质量安全知识,进一步提高蔬菜水果质量安全水平。     

视频监控中可变人体行为的识别

为有效识别视频监控中的人体行为,提出了新的人体行为识别模型和前景提取方法.对前景提取,采用背景边缘模型与背景模型相结合的前景检测方法,有效避免了光照、阴影等外部因素的影响.为了快速发现人体运动过程中产生的新行为,采用分层Dirichlet过程聚类人体特征数据来判断是否有未知人体行为产生,用无限HMM对含有未知行为模式的...     

基于色彩分割与局部模型匹配的非刚性目标跟踪

针对固定监控场景提出了一种基于色彩分割与局部模型匹配的目标跟踪方案.利用自适应混合高斯背景模型提取前景运动目标,通过基于区域生长的色彩分割算法建立目标局部模型并实时更新,结合区域约束条件和模型特征匹配实现目标跟踪.实验结果证明,本算法能有效地实现多运动目标的跟踪,对跟踪过程目标部分遮挡与形变问题具有良好的适应性和鲁棒性.     

一种基于反馈信息的视觉图像背景建模方法

高斯混合模型已经广泛应用于视觉图像的运动目标提取.但传统高斯混合模型存在静止前景融入背景的问题.为了解决这个问题,提出了一种特定场景下基于反馈信息的背景模型更新改进算法.首先采用基于形状特征的目标分类器将前景目标识别为行人和车辆,然后通过多目标跟踪判断目标是否静止,进而将前景目标识别为静止行人,运动行人,车辆三种模式,最后将跟踪与分类的结果与高斯模型的更新相结合,根据分类后反馈的信息对不同的分类区域采取不同的学习率更新.实验结果表明,该方法能够有效地解决特定场景中前景融入背景的问题.     

多特征融合的句子级译文质量估计方法

与传统的机器译文评价方法不同,译文质量估计技术旨在无参考译文的情况下对机器译文质量进行评价.针对目前流行的基于深度学习的译文质量估计方法因数据匮乏和模型限制导致所提取的深度学习特征不充分的现状,提出一种多特征融合的方法.该方法将词预测特征、语境化词嵌入特征、依存句法特征和基线特征等从不同模型中提取到的特征分别输入到基于循环神经网络的下游模型中,进一步学习后采用不同的特征融合方式进行融合,以此来提高译文质量估计的准确性.通过对比实验表明,本文所提出的多特征融合策略相比于单个特征能更好地对双语信息进行表达,且进一步提高了译文质量估计的皮尔逊相关系数等评价指标.     

供不应求季节性商品的价格控制和生产销售决策模型

讨论了蔬菜、水果等易于变质的季节性商品等在供不应求情况下的价格控制和生产销售决策模型.根据人们日常的经济活动和蔬菜水果等商品从本年度自然上市到下一年度自然上市这一周期内的需求和销售情况,给出了切合实际的假定条件,构建出模型结构,应用数学分析求极值的方法求出数值解,合理地确定了商品售价函数曲线和销量函数曲线.为组织供货销售和决定销售价格提供了理论依据,对农业生产和商业活动具有较强的指导作用.     

基于亮度感知的前景提取

前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型。该模型依据像素对的亮度视觉相关性,联合视觉区域内相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓。相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量。     

物料聚类分析下的仓库货位指派优化

为减少订单分拣距离和分拣差错率,研究仓库物料的货位指派问题,提出一体化的基于物料聚类的货位指派优化方法.使用概率和集合定量描述物料关联性,建立物料聚类模型和物料聚合类的指派模型,并在ILOG CPLEX优化软件上求解,完成物料聚合类中所有物料的具体货位分配后,用库存调整原则对基于物料聚类的货位布局微调,满足物料的特殊要求和布局目标整体最优.验证结果显示,16种物料聚合为7类时订单分拣距离最短,为536单位距离.对比随机货位分配和基于频率的货位分配方法,基于物料聚类的货位指派优化方法的总分拣距离分别减少了18.54%和10.37%.     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.