烟盒第六面外观检测装置的设计

为解决烟盒第六面外观缺陷剔除问题,设计一套由CCD工业相机、图像采集器、图像显示屏和IO电路等组成的烟盒第六面外观检测装置。该装置采用Micro Ⅱ系统GDL程序和Otsu阈值分割算法,对ZB45型包装机生产过程中的烟盒第六面外观图像进行识别,准确检测并有效剔除第六面存在条码、文字信息等外观缺陷的产品。实验结果表明:设计的烟盒第六面外观检测装置的剔除准确率达9971%,使用检测装置后烟盒外观缺陷检出率提高0034 6%。     

基于形状先验和在线鉴别性分析的道路检测

基于视觉道路检测是无人车视觉导航和高级驾驶员辅助系统的关键技术,本文提出了一种基于道路形状先验和在线鉴别性分析的道路检测方法. 该方法利用已标记道路图像样本,训练得到道路形状字典,进而使用稀疏表示方法识别道路形状类型;通过道路形状的识别,获得准确的道路形状先验信息,从而得到非路区域和道路区域在颜色空间上的分布;基于这两类分布,进一步引入鉴别性在线选择方法寻找最大鉴别颜色通道图像,该通道图像能易于分割出道路区域,从而实现了一种基于鉴别性分析的道路检测方法. 在标准库和自建库上的实验表明本文方法能有效提高道路检测的准确性和鲁棒性.      

基于脑电探究外观特征对产品识别的影响

采取行为实验和脑电实验相结合的方法,分析产品外观特征元素(形状、颜色、材质)及其熟悉度(低、中、高)对产品识别的影响。脑电实验前,通过问卷获取被试的主观评价数据,进行实验假设。脑电实验采用经典的"学习-再认"范式,实验材料为3(形状、颜色、材质)×3(低、中、高)混合设计。结果表明:低和高熟悉度的颜色特征、低熟悉度的形状特征以及高熟悉度的材质特征能够有效提高产品的识别度。     

基于VC的单个钎焊环剔除控制系统的设计

在传统的钎焊环检测分选系统中,由于钎焊环处于平铺片状排列在传送带上,剔除过程中采用的气嘴喷射方法会将许多合格环带出传送带,剔除效果不够理想。本文针对该问题,设计了利用小气缸作为机械手的剔除机构,提出一种利用VC和下位机PLC结合的剔除控制系统,完成了对单个缺陷钎焊环的剔除。通过试验证明:利用该剔除系统能够有效地减少了被吹落合格环的数量,提高了剔除的准确度和有效性。     

苹果果梗和缺陷的识别技术研究

为解决苹果自动检测和分选中苹果果梗和缺陷的识别这一瓶颈问题，提出基于HIS颜色模型下亮度，的分布特性，从信号处理的角度确定苹果的果梗和缺陷区域．再提取区域纹理特征，构筑模拟退火神经网络作为模式分类器，区分果梗和缺陷．试验结果表明用该方法识别准确率接近90％．为苹果的在线检测和分级打下了良好的基础．     

基于多信息融合的失效DPM码识别

针对复杂生产流通过程中,传统算法无法对因防护不当和磨损污染等原因造成的金属刀具表面二维条码缺损和磨损等失效问题进行定位和识别的缺陷,设计了一个基于多信息融合的失效条码识别系统,完成刀具产品的识别和条码信息的提取.该系统利用图像传感器和重量传感器对刀具形状、残余条码纹理和重量等特征进行量化,提取高维特征向量.通过支持向量机与证据理论相结合,实现对失效条码的分类识别.实验结果表明,该系统能够对条码存在污损的刀具进行准确、快速地分类和识别,满足实际生产中的要求.     

一种仿射变换的印刷品缺陷检测方法

针对传统印刷品缺陷检测方法速度慢、检出率低的问题,提出一种仿射变换的快速检测方法.首先利用SURF(speeded-up robust feature)算法进行特征点匹配,并采用RANSAC(random sample consensus)算法剔除误配点后得到高纯度的匹配点对,然后利用最小二乘法拟合得到变换参数,最后通过图像差分和后处理,识别并标记出缺陷所在位置.经过试验验证,相对模板匹配和分层检测算法,该方法无论在算法速度还是缺陷检出率上都有很大提高.     

基于SOPC的物体特征识别系统

提出一种基于SOPC的物体特征识别系统。系统由复杂的预处理、不变矩提取以及分类识别、输出结果显示等模块构成,能完成物体的形状、颜色、位置、大小的识别及其在识别结果的VGA上显示。形状识别时间在6S以内,颜色识别在0.1S以内。在识别率方面,形状识别率基本上能达到98%,六种颜色识别率也基本达到了96%。     

基于颜色和形状的道路交通标志检测

提出了一种基于颜色分割和形状分析的交通标志检测方法.首先利用改进后的简单向量滤波器分割感兴趣色彩区域,对不同色彩区域进行相应形状检测.采用拐角特征与几何结构分析相结合的方法检测矩形与三角形标志,提出了一种基于对称性特征的简单编码算法,并应用于圆形检测.实验结果表明,该方法能在多种复杂场景中有效地定位交通标志,对天气变化有一定鲁棒性,为后继的交通标志识别工作奠定了良好基础.     

烟条外观检测系统设计探讨

为了保证烟草行业加工生产的烟条外观质量,通过加装利用视觉成像技术为基础的烟条外观检测器对其外观进行检测分析,将有质量缺陷的烟条剔除。经过实际运行,该检测系统稳定,检测可靠性高。     

基于形状模板匹配的冲压件外形缺陷检测算法研究

针对流水线上冲压件外形缺陷的自动检测,提出一种基于形状模板匹配的检测方法.(1)以背向照明的方式离线获取标准冲压件图像,并通过最大类间方差法(Otsu)与形态学等操作建立形状匹配模板,检测ROI和缺陷检测模板;(2)在线采集待测工件图像,并利用形状模板匹配算法查找待测工件在图像中的位置与旋转角度;(3)利用仿射变换配准检测ROI和缺陷检测模板,并进行外形提取和动态阈值获取缺陷.实验结果表明,该方法可有效提取待测冲压件的外形特征,进而得到缺失、变形和毛刺等多种外形缺陷,其检测速度快,具有较好的鲁棒性.     

基于DSP的带钢表面缺陷实时检测系统的研究

为了有效地解决在线高速实时检测这个关键性问题,本研究主要从软、硬件两个方面进行,将制约系统实时性的缺陷图像的识别过程分离出来,交由DSP芯片进行专门的处理,同时采用了兼顾识别效率及识别准确性的支持向量机的二级分类器对带钢的缺陷图像进行识别.在该硬件检测系统下对缺陷图像的正确识别率达到98%,缺陷图像的识别时间可控制在10 ms以下.通过理论上的分析和试验的测试证明所搭建的先进的TMS320C6416 DSP图像处理平台能够很好地满足实际生产线上的带钢表面缺陷的实时检测系统在处理速度和精度上的要求.     

基于CCD摄像机石材表面颜色识别方法

目的解决石材颜色识别中存在的人工检测效率低、识别结果受主观因素影响大的问题,实现石材表面色差自动识别,为实现石材表面质量检测的自动化奠定基础.方法基于HSV颜色模型根据人类视觉系统对颜色感知的经验值对图像的色调、亮度和饱和度进行均匀量化,并将量化后得到的72柄一维矢量进行计算.由CCD摄像机采集石材样板图像,通过MATLAB编程软件实现图像的提取、处理、分析等过程,完成石材表面颜色识别.结果通过实验与人眼识别的颜色对比,匹配值可达到0. 82以上,检测方案可行,基本可以完成石材抛光表面的颜色识别.结论该色差检测系统可实现石材表面颜色从模糊识别到数字化识别过程,量化识别与模糊识别的结果相近似,为石材表面色差自动化检测提供理论和实验基础.     

一种基于机器视觉的螺纹缺陷检测方法

针对目前螺纹检测精度较低,在线检测实现较难的问题,提出了一种基于机器视觉的螺纹缺陷检测方法.通过工业CMOS相机在线采集螺纹零件图像,经图像预处理、二值化后,进行螺纹的边缘提取及缺陷检测等.该算法由Matlab编程实现.实验结果表明,该螺纹缺陷检测方法能有效识别无螺纹、少螺纹、螺距不规则等外观缺陷,且一个螺纹的检测时间在300ms以内,满足检测要求.     

基于BP神经网络的纸张缺陷检测与识别研究

纸张表面缺陷会直接影响印刷产品的质量。为了快速、准确地检测出纸张缺陷,本文提出了一种基于BP神经网络的纸张缺陷检测与识别的方法。先将纸张缺陷经过形态学处理,再进行形状分析,然后把距离、面积、延长因子和圆度因子四个特征参数输入神经网络进行训练,最后利用训练后的神经网络对纸张缺陷类型进行识别。实验表明:将BP神经网络用于纸张缺陷检测中,能有效地检测缺陷类型,并准确识别常见的尘埃、孔洞、裂口和褶子四种纸张缺陷。     

基于Kinect的机器人臂手系统的目标抓取

为了实现机器人臂手系统的目标抓取, 采用Kinect对目标信息进行实时检测. 首先,采用张正友棋盘标定法完成对Kinect内外参数的标定. 其次, 利用深度信息进行深度分割, 滤除大部分干扰背景, 再通过颜色与形状特征实现目标的识别与定位. 将识别对象的3维坐标通过以太网发送至机械臂控制台, 随后机械臂移动至目标位置. 最后采用变积分PID算法控制灵巧手接触力, 保证响应的快速性及精密性, 实现灵巧手的精细抓取. 通过设计一套完整的实验系统验证了该方法的有效性.     

基于机器视觉的安瓿瓶在线质量检测系统设计

针对药用玻璃安瓿瓶生产中人工检测存在的检测速度慢、效率低等问题,设计了一套基于机器视觉的在线质量检测系统。利用工业摄像机获取安瓿瓶图像信息,通过数字图像处理技术,实现对图像的预处理和边缘检测,进而判断瓶体是否有污渍和破损等缺陷,将不合格产品剔除,利用LabVIEW技术设计了人机交互界面,实时显示检测结果。实际测试表明,该系统能够实现安瓿瓶的实时检测,提高检测效率,能够满足实际生产的需求。     

一种基于特征检测的机器人足球检测识别方法

针对足球机器人目标识别的实际特点,以智能足球机器人为研究对象,提出了一种基于足球颜色、面积匹配模板和边缘特征相结合的足球检测方法。此方法首先利用颜色特征信息对图像中颜色相似度进行计算来完成足球的颜色识别。然后,通过分析计算足球在全景摄像头中处于不同位置所成的图像像素尺寸与场地中所处位置距离之间关系,建立了足球识别的面积匹配模板,根据该模板可以计算出在图像中处于不同距离的足球轮廓面积。在此基础上,结合足球边缘特征进一步完成对足球的识别。实验表明该方法能够有效地提高足球识别的效率和准确性,并具有较好的实时性;同时对其他目标物的识别也具有一定的借鉴意义。     

大型回转体超声检测中缺陷类型的在线识别

大型回转体超声探伤中由于需要实时处理大量数据,且全面的缺陷特征信息难以获得,导致缺陷类别在线识别困难.对多个超声波探头获取的同一缺陷的互补特征信息,利用BPNN的并行计算能力分别进行缺陷类别的局部决策,再采用D-S理论实现缺陷类型的融合识别.为使神经网络更适合于在线数据处理和缺陷识别,对标准BP算法进行了改进,在不增加计算量和存储量的前提下,避免了网络陷入局部最小,提高了网络的收敛速度.将改进后的BP网络的非线性建模能力与D-S证据理论的不确定性推理能力进行有机结合,使论据理论的支持度的分配避免了主观性,从而提高了决策的确定度和识别的可靠性.采用已知缺陷的回转体工件进行在线融合识别机制进行测试,其结果说明了该方法的可行性及有效性.     

基于BP神经网络的典型牧草特征提取与识别研究

针对内蒙古荒漠化草原牧草监测与数字化程度较低的问题,实现了三种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据.运用MATLAB图像处理技术,对糙苏、羊草及鹅绒萎菱菜进行图像预处理,提取了12种颜色矩特征和4种形状特征,利用BP神经网络法实现了三种牧草的图像识别,识别正确率为86.9%.试验结果表明,基于颜色矩特征和形状特征的BP(back propagation,BP)神经网络图像识别方法能够有效地实现典型牧草的图像分类研究.自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据.