彩色瓷砖的自动分类系统

将彩色图像处理技术应用于机器视觉。为了检测瓷砖表面的细微色差,使用低端采像设备实现精确色彩测量。研究了彩色成像系统在不同光照及及噪声条件下的色彩校正原理,提出了一种矩形物体图像分割的简易得法和对训练样本进行修正的方法。探讨了特征参数与分类器的关系,提出分层分类并采用不同特下参数的方法来加速计算。     

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。     

基于机器视觉的电线绝缘厚度自动测量设备的研究

基于机器视觉的电线绝缘厚度自动测量技术,通过图像边缘定位法和基于相关法图像配准的改进方法,突破性传统单点逐个测试方法,实现了电线电缆绝缘厚度和外径的全自动测量。     

机器视觉在膨胀螺栓自动装配线中的应用研究

基于机器视觉的膨胀螺栓自动装配线,可以准确分辨螺栓套筒的开口方向,从而保证能够实现膨胀螺栓的自动装配。其装配速度可以达到每分钟80套,装配合格率可达99%。该装配线的应用较好的解决了人工方式下,劳动强度大、用工成本高、效率低下等行业普遍问题。     

喷丝板自动检测中基于机器视觉的自动纠偏

提出一种基于机器视觉的局部搜索算法,通过控制马达在3mm×3mm范围内移动检测平台进行局部搜索被检微孔,实现自动纠偏功能,解决目前喷丝板自动检测仪不能检测一些存在位置偏差微孔的喷丝板的问题,提高喷丝板自动检测仪的自动化程度.     

基于机器视觉的大型管道自动焊接系统

针对大型长输管道(直径≥1 200mm)现场施工条件下对接环形焊缝焊接精度要求高、作业环境恶劣等问题,采用机器视觉、弧压跟踪、倾角检测技术使焊接专用机器人自主跟踪并规划焊接路径,自动调整弧压、电流等焊接参数,实现大型长输管道环焊缝全位置自动焊接。经实际应用表明,可显著提高焊接质量和效率,减轻操作人员劳动强度,减少可能的事故性损失。     

基于机器视觉的零件自动装配系统

针对工业装配生产线的削刀架自动装配问题，基于机器视觉技术，构建了一套在线机器视觉系统．采用特征值方法识别零件，并通过质心法结合特征点及最小二阶矩进行定位．利用带有透镜径向一阶畸变的小孔摄像机模型，采用径向排列约束（RAC）2步标定法对摄像机进行了标定，并在线验证．实验结果表明，该方法可获得很好的识别效果，识别零件正确率100％，系统工作时间约300ms，满足装配作业的实时性和精度要求．     

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。     

基于机器视觉的烟叶自动分组方法简

烤烟烟叶的分组依据主要有烟叶的部位和颜色,传统的分组方法主要是依靠人的感官(视觉、触觉、嗅觉)进行分组评判,这种评判方法主观随意性强,容易受到个人因素和环境因素的影响.为了克服这一缺点,利用机器视觉技术,对福建三明产区的K326烤烟,除完熟组以外的7个主组共78片烟叶提取外观特征,包括烟叶的几何特征(如长度、宽度、伸缩度、面积)和颜色特征(如色调、饱和度).将传统烟叶分组中定性的分组因素量化,再经过模糊综合评判方法判断烟叶的组别,为烟叶进一步精准化分级做准备.分组实验的正确率为91.30%,已经达到了人工分组水平.     

基于机器视觉的水面巡航清洁机器人

针对小面积水域垃圾漂浮物打捞方式落后以及人工清理效率不足等问题,提出一种基于OPENCV机器视觉的水面巡航清洁机器人.机器人以STM32F103ZET6为控制器,采用边缘识别Sobel算子进行距离控制和航线规划,LBP级联分类器进行目标检测,联动推杆机构和摆动捕捞机构进行垃圾回收,以双无刷电机作为水中动力结构.机器人支持移动终端远程控制,搭载姿态模块进行侧翻预警,航行状态下目标识别率能达到86%以上.系统响应速度快,具有较好的抗干扰能力,对水域清洁维护具有重要意义.     

基于机器视觉技术的射击训练系统

简述了机器视觉图像识别技术在射击训练中的应用,并从硬件、软件组成及工作流程等方面对其进行了系统介绍,系统完成后可降低射击训练成本,提高报靶速度、精度。     

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。     

基于SBB工艺的机器视觉系统

随着硬盘生产工艺的不断进步，硬盘磁头越来越小，硬盘的体积也越来越小，容量却越来越大。硬盘磁头组装件生产工艺主要有GBB和SBB。GBB工艺由于无法适应小磁头生产而必将被依赖于机器视觉的SBB工艺所取代。因此开发SBB工艺的机器视觉系统已是迫在眉睫。这里研究了机器视觉原理及SBB工艺，开发出满足硬盘磁头组装件生产所需的机器视觉系统。     

基于机器视觉的小龙虾分级算法设计

小龙虾是中国重要经济水产,其价格随产品等级波动较大。传统的分级技术对小龙虾销售有一定限制,发展分级技术对于提高小龙虾经济价值有重要意义。根据小龙虾销售规范的要求,设计了小龙虾分级算法,分别利用R分量占比统计法、椭圆近似法、椭圆切割法对虾体生命状态、尺寸及残缺度进行检测。实验结果显示,在100个随机检测样品中,算法误判率约3%。相较传统分级方式,该算法不仅具有效率优势,同时具有相对低的误判率。     

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.     

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。