基于机器视觉和人工神经网络的库尔勒香梨颜色分级

为实现香梨颜色的自动化分级,建立了机器视觉实验台,将实验台采集到的香梨图像由RGB格式转化为HSI格式进行描述,并采用H分量信息对图像进行背景分割,提取香梨表面像素的颜色信息,建立BP网络对图像颜色进行分类,网络输入层有2个节点,隐含层有7个节点,输出层有1个节点,颜色分类结果的准确率为95%。     

基于机器视觉的麻核桃分类算法设计

麻核桃的分类有助于产品销售,传统分类方式仅限于人工操作。为实现麻核桃的自动化分类,设计一种麻核桃分类算法,该算法通过构建核桃像素概率分布模型实现。根据核桃不同视图,利用同类核桃构建像素概率分布模型以及惩戒模型。利用矩阵乘积方式将待测核桃样本与两个模型分别进行对比,并将计算结果作为测试样本种类归属的判据,并以此对核桃进行分类。利用3 000个核桃样本,建立一个包含9 000张图片的数据集,对算法的性能进行评估。经过测试,在3次交叉测试实验中,该算法取得了97.36%的识别率。实验结果表明,在麻核桃分类识别中,该方法具有较好的应用前景。     

基于机器视觉的芒果检测与分级研究

为了提高贵妃芒果检测与分级的准确率和效率,首先用标定好的工业相机对芒果进行拍照,然后使用HALCON对芒果图像进行灰度化和图像分割预处理,接着提取芒果面积、果形指数、成熟度、缺陷面积和缺陷个数5个特征参数并归一化,把它们分别作为GMM、MLP、SVM和KNN分类器的输入向量,并以芒果的4个等级作为分类器的输出向量,最后以每级120个训练样本,60个测试样本分别对4种分类器进行训练和测试。结果表明4种分类器的平均准确率依次为92.5%、93.75%、98.75%和98%,准确率较高,有一定的实际应用价值。     

基于机器视觉与光谱融合的柑橘品质无损检测分级系统设计与试验

针对柑橘果径、着色率和内部糖度3项关键品质指标,基于双锥滚子式果杯传输线设计了一套柑橘综合品质无损检测分级系统,该系统主要包括喂料部分、机器视觉检测模块、近红外光谱检测模块和分级执行部分.机器视觉检测模块采用单相机拍摄不断翻滚的柑橘视频来获取大量不同姿态的柑橘图像,并进行轮廓提取,以单个柑橘所有帧图像的最小外接圆直径的平均值计算果径,以每一帧图像得到的其二维黄色占比的平均值作为全表面着色率.在近红外光谱检测模块中设计了透射式光路,采集柑橘透射率光谱,并按在线检测时柑橘出现的两种高频姿态建立了混合姿态糖度检测模型,对比不同预处理方法下的建模结果,选取应用效果较优的多元散射校正(MSC)后建立的偏最小二乘法(PLS)模型.在线试验结果表明：果径检测的最大绝对误差为-1.42 mm,着色率检测的最大绝对误差为0.048,糖度检测结果的相关系数为0.817,均方根误差为0.658%.内外品质的联合检测分级按判别树决策方法确定了3种品质的联合分级方式,在分选速度为5个/s时,综合分级的平均准确率可达到91.16%,该检测分级系统整体结构简单,对于类球形水果具有较强的适用性,在产业化应用上有很大的...     

基于机器视觉的蓝莓果实分级研究

针对蓝莓果实的传统分拣方法效率低的问题,提出利用机器视觉技术进行蓝莓果实投影面积的数字化识别与计算.采用最大类间方差法对蓝莓果实图像进行分割,并用形态学处理方法去除连通区域,采用最小二乘法对蓝莓果实区域进行近似圆拟合,经过标定后计算出蓝莓果实的面积和周长.结果显示,以手动分割结果作为标准计算相对准确率情况下,采用蓝莓果...     

基于机器视觉的首饰识别

为了实现首饰的自动识别,设计了一套基于机器视觉的首饰识别系统,并提出相应的算法。采用8种首饰作为试验样本,利用G+R分量和的颜色阈值分割法,并用27×27的模板对二值化图像进行滤波,采用2×2窗口内像素灰度值之和并结合阈值的边缘提取方法。提取面积特征和图像形心到边缘的距离特征。对面积判断其大小在设定数值范围内,对距离特征采用互相关算法处理。实验结果表明,该方法的识别准确率达100%,识别一个首饰所用时间约3秒,满足在实际中应用的要求。     

基于机器视觉的小齿轮质量检测研究

研究机器视觉检测系统小模数齿轮质量检测中的应用,着重于研究机器视觉检测系统设计即系统设计中各部件选型技巧,应用了HALCON软件进行图像分析处理,通过软硬件合理搭配使检测系统达到速度和精度上的要求。     

一种基于智能相机的机器视觉系统的设计

从传统机器视觉系统的概述入手,介绍了智能相机机器视觉系统的特点、组成,从硬件、软件两方面给出了智能相机机器视觉系统的开发思路;智能相机机器视觉系统的开发,主要利用实验室开发平台来仿真工业生产线,实现系统的各项功能;结果表明：该开发平台完全可以移植到工业生产线中,具有较强的实用价值。     

机器视觉系统的设计

介绍了机器视觉系统的概念,提出了机器视觉系统的典型组成,在进行用户需求分析的基础上,详细讨论了如何利用光源、光学镜头、摄像机、图像采集卡以及图像处理软件等主要部件来设计开发一个焊缝机器视觉应用系统的关键技术.最后给出了一个焊缝检测应用实例.     

基于机器视觉的机器人写字技术的设计

针对教学与实验,提出一种基于机器视觉的机器人写字方法。以六自由度DENSOVP6242G机器人、信捷机器视觉和PC机为实验平台,通过机器视觉获取字符的图像信息,采用VC++编程,利用机器视觉自定义协议将图像传输给PC机;借助OpenCV库对图像进行阈值化、闭运算、细化和笔画分割等一系列的处理;利用图像处理得到字符坐标信息控制机器人的多轴联动,机器人控制器与PC机之间通过ORiN2连接,从而完成字符的书写。实验表明,在字迹清晰条件下该方法能够使机器人准确地写出机器视觉所看到的字符。     

农产品视觉检测与分级的研究现状与发展趋势

综述了国内外水果、蔬菜及其它农产品视觉检测分级研究与应用的现状,归纳了现有研究尚存的主要问题,如研究对象比较单一、图像采集不全面、缺少内部品质的视觉信息提取与检测、多数农产品视觉分级系统生产率比较低等。提出广泛扩展研究对象种类、农产品全面图像的摄取、结合红外、微波、核磁共振等技术进行内部品质的视觉信息提取与检测、研究快速并行图像处理算法等作为今后的发展趋势。     

微尺寸视觉精密检测系统设计

微小零件（微尺寸）几何量的精密测量，是当前精密加工、测量和装配中的一个难点。传统的接触式测量，极易破坏工件和改变零件的相互位置。基于机器视觉的高精度几何量测量系统，既具备了非接触式测量的优点，同时也有较高的性价比，是机器视觉技术在该领域中的一次成功应用。它采用在改进的Canny边缘的梯度图像上进行二次曲面拟合，获取零件精确边缘（轮廓）的方法，实现了对其相关几何量进行精密测量；同时，还解决了自动对焦，自动跟踪，数据自动“缝合”以及高精度和小视场之间的矛盾及光源等技术难题，达到了微米级的测量精度。     

一种基于机器视觉的图像采集系统设计

一种采用STC89C516和K9F2808UOC来实现基于机器视觉的图像采集系统改进存储算法,可以实现8Kbit/s的无错采集速率,成本低廉实用.     

基于机器视觉的硅片检测分类系统设计

等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该工序后的表面破损检测和减反膜颜色的检测主要通过人工完成,存在不稳定、高碎片率和低速率等问题,需要利用机器视觉技术,开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备选型,利用“Visionpro”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明,该系统破损测量的精度在0．2mm以内,图像颜色检测满足实际应用需求。     

机器视觉及其应用

介绍了机器视觉的研究内容 ,比较了机器视觉与人类视觉的差异 ,分析了机器视觉研究状况 ,并对机器视觉今后的发展方向做了展望 ,最后阐述了机器视觉的应用     

基于机器视觉的硬盘磁体检测系统设计

针对目前硬盘磁体人工检测速度慢、精度低等问题,采用了基于机器视觉的检测技术,设计了一套硬盘磁体检测系统。根据测试要求对工业相机、镜头、光源、图像采集卡等硬件进行了选型,对视觉图像处理、人机界面等软件进行了设计。最后通过实验验证,表明该系统可以满足实际检测应用要求。     

基于机器视觉的气门摇臂安装检测系统设计

气门摇臂安装是汽车发动机生产工艺流程中一道重要的工序,摇臂安装是否到位、摇臂是否缺失以及气缸垫的有无检测主要通过人工完成,存在不稳定、高报错率和低速率等问题,需要利用机器视觉技术,开发摇臂安装视觉检测系统。根据具体的测试要求进行光学设备选型,利用“Visionpro”视觉开发软件设计气门摇臂安装检测程序。实际使用结果表明,该系统测量的精度在0．057mm以内,安装位置检测满足实际应用需求。     

基于机器视觉的手机电池尺寸检测系统的设计

为了提高手机电池极耳和极耳胶尺寸检测的精度和效率,设计了一种基于工业相机、伺服电机和机械手的自动检测系统,并对该系统进行了运动控制系统和检测软件的设计,同时给出了基于视觉原理的极耳和极耳胶尺寸的实用检测方法。根据具体的测试要求完成光学设备选型,利用“VisionPro”视觉开发软件编写电池正负极耳和极耳胶尺寸测量程序。该系统具有自扫描、高精度、稳定性强和非接触等优点,对同类项目的设计有一定的参考价值。实际使用结果表明,系统尺寸测量的精度达到±0．05mm,满足实际应用的需求。