基于机器视觉的导盲杖辅助识别系统设计

为弥补传统导盲仗的不足,设计了一款基于视频机器视觉的导盲杖辅助识别系统,帮助盲人识别盲道并解决盲道使用率低的问题。该设计由单片机、镜头组和输出设备构成,能够识别盲道的位置和不同功能,并进行相应提醒。该设计提出了基于自适应步长和边缘信息提取的NCC加速算法,在保证识别精度的前提下大大降低了运算量。经实验,证明了该设计的效果和实用性。     

基于机器视觉的镀锌板粉化区域的提取方法

提出了一种在镀锌板粉化双球冲试样中提取粉化区域的方法．首先在对试样硬件定位的基础上,利用不变矩方法计算出试样图像的重心,应用Canny算子提取出图像边缘,运用Sobel算子实现边缘检测图像的细化．考虑到硬件定位装置无法精确地将试样固定在同一位置,提出了一种改进的Hough圆检测算法来实现试样的软定位校正;然后提出了基于标准差的粉化区域分析方法,将机器视觉技术和统计学知识结合起来,利用粉化区域与正常区域间标准差的不同,有效地识别出了粉化区域的大小．试验证明,该方法提取镀锌板粉化区域大小的准确率达到99％,达到了实用化的要求．     

设施农业喷雾机器人的组合视觉导航方法

温室环境下,针对喷雾机器人在直线路径行驶时会存在偏差,在转弯路径处又需迅速获得导航信息的情况,设计一种导航线和QR码组合的视觉导航算法.在直线行驶路径贴上红色导航线,对采集到的图像处理后获得偏差、偏角进行方向修正,实现直线行驶精准导航.但导航线导航在转弯行驶时存在转弯效率低、偏差大等问题,因此设计QR码导航方法,通过识别贴在转弯处的存储有导航和决策信息的QR码,完成转弯处的迅速精准导航的要求.采集各种工况下导航线和QR码图像各120幅进行算法验证,导航线的平均纠正率为93.33%,QR码平均识别率为92.50%.导航试验结果表明:行驶速度在2.0 m·s~(-1)时,导航线和QR码的最大导航偏差分别为2.0和3.5 cm,满足喷雾机器人导航的实时性和准确性要求.     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

基于作物行特征的小型农业AGV导航基准线提取方法

针对基于视觉导航的农业机器人在导航基准线提取过程中易受杂草、缺苗干扰的问题,提出一种在玉米3～5叶期大田环境下快速、准确提取玉米行中心线作为小型农业AGV导航基准线的方法.采用超绿色灰度法以及Otsu法实现作物信息的实时获取;利用条形框模拟作物行长度、像素、走向特点,实现作物行位置初步定位,通过梯形模拟作物行在图像中呈现的上窄下宽的形状特征,实现作物行位置的最终定位;利用Hough变换统计特性实现作物行直线检测,并将当前帧导航基准线与上一帧导航基准线做夹角偏差对比(第一帧图像不做对比),偏差超出一定范围则继承上一帧导航基准线.试验数据表明,处理一帧640×480像素的图像平均耗时78 ms,导航基准线的提取准确率在94%左右.     

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。     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

基于机器视觉的基本苗统计方法

为了降低基本苗统计中的人力成本、提高统计效率和精度,设计了一种基于机器视觉的统计方法.新方法根据图像在HSV空间的良好性质确定兴趣区域,通过图像腐蚀与膨胀算法去除噪声,获得利于提取的连通域,并达到最后统计的目标.利用植保无人机在徐州某地区水稻农田获取的基本苗图像,将图像从RGB空间转换为HSV空间,通过阈值选择获取兴趣...     

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.     

基于机器视觉的机械表走时精度测量

针对机械表读时需要耗费大量人力物力的现象,提出了一种基于机器视觉的自动化机械表精度测量方法. 首先设计了一个用于图片采集的硬件系统,然后在采集到的图片上,利用改进后的mask-rcnn网络,对指针和各区域进行了提取,其次利用canny算子对表盘进行边缘提取,确定各连通域的质心,根据各质心到12点位与6点位之间连线中点的距离关系,筛选出刻度质心,用刻度质心拟合表盘内圆,确定表盘中心的位置. 然后将中心与12点位中心的连线作为测量的基准线,再利用RANSAC最小二乘距离法对各指针的中心线进行提取. 通过计算基准线与中心线之间的角度关系,进而达到用机器读取时间的目的,同时针对机械表的读数识别,提出了误差校正原则,大大提高了机械表精度测量的效率.     

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...     

基于机器视觉的螺纹参数检测

依靠机器视觉技术,对螺纹检测的图形处理技术进行了研究,提出了螺纹多参数的检测方法。介绍了图像处理技术中的预处理、边缘轮廓提取、参数标定等技术,并研制了相应的检测软件。实验结果表明该软件能对螺纹进行实时、高速的检测。     

基于机器视觉的物料袋图像深度信息的提取

建立机器视觉的几何测量模型,设计实验装置并进行标定。得到输出深度图像中灰度值与物体实际深度之间的反比例关系式。实现物料袋深度信息的提取,很好地反应出物料袋的表面形貌,并对所得结果的误差进行分析。     

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。     

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.     

浅析基于机器视觉的芯片标识识别系统

本文详细介绍了机器视觉系统的组成,并对基于机器视觉的芯片标识识别系统的特点进行了阐述,最后对芯片标识识别系统的整体框架和构成作了一一介绍。     

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。     

基于机器视觉的雨滴谱粒径统计方法

基于机器视觉理论,将复合联级变换和插值相结合,解决了图像变换产生的畸变问题. 运用距离变换和粒径统计,将粘连的雨滴分离后对雨滴粒径统计.试验证明,该方法能高效准确提取雨滴谱特征.