基于机器视觉的圆孔零件内外径尺寸精密检测

利用机器视觉技术建立了圆孔类零件内外径检测系统,有效解决了圆孔类零件内外径人工检测效率低、检测结果误差大等问题。图像处理方面,首先对零件图像高斯滤波去噪,其次采用Canny算子边缘检测,然后基于最小二乘法椭圆拟合算法进行边缘拟合,从而实现对内外径的亚像素检测。试验表明,该系统离散度为0.039 mm,满足实际生产要求。     

基于模式识别的图像检测算法的研究

本文阐述了在图像检测系统设计中运用模式识别的检测算法研究,主要检测零件加工质量,获取图像检测结果,以提高识别效率。关键技术是零件图像参数的精确提取和识别。通过阈值对灰度图像进行二值化,再对处理后的图像进行平滑与增强,采用Canny算子进行图像边缘检测,借助特定模式识别方法,进行智能判别。软件调试结果说明,上述算法在零件加工质量检测中可以获取高效、精确的结果。     

基于支持向量机理论的植物根系图像边缘检测方法

由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰.     

基于DM642的农产品图像边缘检测系统设计

基于DM642和CPLD架构实现农产品图像的采集与处理,并利用Canny算子检测农产品图像边缘信息。针对农产品种类丰富、外形多样、边缘信息复杂且图像在采集过程中容易受到外界因素影响的特点,采用一种新的调试技术,将Matlab和DSP两者结合起来,充分利用两者特长,在线调节Canny算子阈值,简化系统开发的分析、调试和验证过程,并使系统具有更强的通用性,满足不同农产品边缘检测需要。     

基于图像边缘检测的红枣分级方法

我国红枣的种植规模庞大,但加工水平不高,影响了其竞争力和经济效益。分级是水果进入市场之前的重要处理环节,对经济效益有提升作用。与传统方法相比,计算机视觉分级的检测精度高,能实现无损分级。图像边缘检测是基于计算机视觉分级的核心,合适的边缘检测算法能够极大地减少计算量,提高分级效率。为此,建立了一种基于图像边缘检测的红枣分级方法,利用小波变换、自适应Canny算法和梯度算法分别检测边缘,并计算红枣的大小和表面缺陷比率作为等级划分依据。试验表明:3种算法对边缘的定位精度都很高,能有效检测到表面缺陷。这3种算法各有优缺点,自适应Canny算法是最为理想的检测算法。     

基于改进Canny和灰度矩的水下图像边缘检测方法研究

针对水下图像对比度差、模糊,致使检测出的边缘存在不连续和伪边缘的问题,提出一种基于改进的Canny和亚像素的水下图像边缘检测方法。采用改进的Canny算法检测水下图像的像素级边缘,在此基础上采用灰度矩提取图像的亚像素边缘特征,提高边缘的定位精度和检测率。实验结果表明,提出的算法相较于传统的像素级边缘检测算法在边缘轮廓的提取、减少伪边缘、提升边缘精度方面有较大优势,尤其是对深海环境中光源单一以及图像对比度差的物体边缘的检测具有更显著的效果和定位精度。     

基于机器视觉的零件尺寸测量方法研究

为了提高视觉测量软件平台图像处理的效率与实用性,在进行基于机器视觉零件尺寸测量软件开发前必须要规划出一套行之有效的测量方案。通过对比现有的图像处理技术,分析了相机标定、滤波、阈值化处理、形态学处理、边界检测、轮廓提取等算法,给出了实用性更强、测量效率更高的零件尺寸测量方案。在新提出的零件测量流程中,明确了特征值获取的算法,同时在零件模型构建算法中,给出了改进后的零件位姿匹配算法,通过整合各个已改进的算法,极大地提高了本套零件尺寸测量方法的实用性。     

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000lx的高动态成像场景中。     

细胞显微图像处理研究

针对BHK21细胞图像的预处理,在采用直方图增强技术后,运用中值滤波、领域平均滤波和自适应维纳滤波等方法对细胞图像进行了去噪,并进行了分析和比较,最终采用了自适应维纳滤波法对细胞图像进行去噪.针对BHK21细胞图像分割,找出最适合BHK21细胞图像分割的算法为Canny边缘检测算法.     

基于蚁群算法的玉米植株热红外图像边缘检测

针对热红外图像目标与背景区分不明显、效果模糊,以及传统的Roberts、Sobel、Canny等边缘检测方法难以取得理想检测效果的特点,以玉米植株为测试对象,首次将蚁群优化算法应用于热红外图像边缘检测。该算法由初始化过程开始,进行N步迭代构造信息素矩阵,然后执行信息素过更新过程,最后图像边缘由决策过程给出。仿真实验结果表明,该算法与传统边缘检测算法相比,能够较好地得到边缘检测结果,可为农作物热红外图像处理提供一种新的方法。     

基于改进残差网络的园林害虫图像识别

针对北方园林害虫识别问题,提出了一种基于改进残差网络的害虫图像识别方法。首先,采用富边缘检测算法,将中值滤波、Sobel算子和Canny算子相结合,对害虫图像进行边缘检测;然后,改进残差网络中的残差块,通过添加卷积层和增加通道数提取更多的害虫图像特征,并将贝叶斯方法运用于改进后的网络中,优化超参数;最后,将预处理的害虫图像输入神经网络中,利用分块共轭算法优化网络权重。对38种北方园林害虫进行了识别,试验结果表明,在相同数据集下,与3种传统害虫识别方法相比,本文方法的平均识别准确率平均提高9. 6个百分点,加权平均分数分别提高16. 3、10. 8、4. 5个百分点。     

采摘机器人动作技巧训练研究与应用——基于足球比赛标准动作检测系统

在草莓等易破碎果实的采摘过程中,为了降低果实的破损率,提高机器人的采摘效率,提出了一种基于标准动作边缘检测捕捉算法的采摘机器人动作技巧训练方法。该方法参考了在激烈对抗比赛中足球标准动作边缘检测的技术,可以实现机器人作业最佳动作的捕捉。为了提高边缘检测的效果,对Sobel算子、Reborts算子、Log算子、Canny算子等进行了对比,最终选取精确度较高的Log算子进行图像边缘的检测。以仿真和实验两种方法对方案进行了验证,结果表明:利用该方案可以有效地对采摘机器人的最佳姿态进行捕捉,且采用该方案对采摘机器人进行训练可以明显降低采摘过程中的果实破损率,为现代高精度采摘机器人的设计提供了技术参考。     

报废机械零部件绿色回收与再制造关键技术创新探析

根据回收汽车零部件的定义,文章提出报废机械零部件回收原理和零件回收过程,并讨论了零件检测和再制造方法以及报废机械零部件回收过程中的质量控制问题。     

基于图像边缘检测的水稻粒型分析研究

随着生活水平的提高,稻米产业目标从解决温饱问题开始转向改善稻米品质。在外观性状中,粒型与稻米品质的关系最为紧密,是品质育种的重要参考。水稻粒型由稻米长度和宽度计算获得,传统的粒长和粒宽测量方法难以满足实际需求。作为机器视觉分析方法的一个分支,图像边缘检测能够对不同外观特性的农产品进行检测。为此,基于图像边缘检测技术分析了水稻的粒型,对稻米图像进行阈值分割和去除噪音,然后利用自适应Canny算法检测获得稻米的边缘,并以最小外接矩形反映完整稻米的长度和宽度,计算得到长宽比。试验结果表明:边缘检测获得的稻米粒长和粒宽变异系数更小,长宽比也更接近于标准值,具有良好的稳定性和准确性,可以为水稻的品质育种提供技术支持。     

基于计算机视觉的小麦收获边缘导航线提取方法

针对小麦收割边缘受到麦茬、土壤、光照等环境因素影响导致的导航线提取精度低、运行速度慢等问题,为实现小麦精准化收获作业而提出一种基于水平投影和梯度下降的小麦收获边缘导航线提取方法。首先通过LAB阈值分割、形态学滤波等进行图像分割,然后进行水平投影以提取出小麦收获边缘伪特征点,将伪特征点进行最小二乘拟合从而获得边缘特征点所在的ROI区域,并对该区域进行Canny边缘检测来提取出边缘特征点,最后利用梯度下降算法拟合出小麦收获边缘导航线,从而解决传统算法中所遇到的导航线拟合精度低、拟合速度慢等问题。试验结果表明：在小麦已收割和未收割区域对比度很低的情况下,处理一张分辨率为640像素×360像素的图像平均耗时163 ms,生成的导航基准线成功率高达95%,为智能农业机械在麦田中的自主行走提供一种可靠的、实时的导航方法。     

基于无人机低空摄像的嫩茶叶特征信息的研究

随着近年计算机技术、图像处理和模式识别等技术的不断发展,利用图像特征对于茶叶特征信息进行检测变得可行。本文采用无人机低空摄影的方式捕捉茶叶图像,实现多高程段拍摄。针对嫩茶叶的特征信息,采用基于形状体征和颜色的图像处理方法,实现嫩茶叶的计算机识别和检测。通过利用自适应阈值分割法提取嫩茶叶的图像进行分割、采用自适应中值滤波方法对图像进行滤波降噪、采用改进的Canny算法和匹配算法实现嫩茶叶关键信息的提取,可以有效地识别嫩茶叶。     

树干直径自动识别与测量技术研究

在森林资源调查中为实现树干直径快速、精确测量,使用电子元件进行了树干影像自动识别与测量。通过摄像头和CMOS传感器获得图像,经灰度转换后,使用窗口大小为5行5列的高斯滤波器,利用Canny边缘检测算法提取边缘,包括平滑、非极大值剔除、双阈值的边缘连接等,在提取的边缘图像基础上,设计了树木直径自动提取算法。以4列的窗口为模板,自上而下,对经过Canny算法后的图像进行竖直线段的提取。在提取所有竖线后,将最大宽度的2条竖线当作树干轮廓线,通过焦距、物距、像距与像素宽度之间的关系计算出树干直径。最后选择了不同树种共计16棵树木进行了验证,实验结果表明树干直径识别的精度为96.9%,绝大部分测量数据符合森林资源调查要求。     

基于HED网络的奶牛边缘图像特征提取

对奶牛的图像进行高精度边缘特征提取,为奶牛的个体识别或者奶牛的线性评定提供重要的评判依据,可以更好的实现奶牛保险业的自动化管理。采用基于FCN和VGG改进的边缘检测HED(Holistically-Nested Edge Detection)网络,在caffe框架下通过MATLAB实现对奶牛原始图像的边缘特征提取。将HED网络检测出的边缘特征图像与传统优化过的Canny算子作比较,无论从直观的边缘图像对比,还是数据的对比,HED网络的效果远远优于传统算法。用500张奶牛图片在BSDS500上进行性能评估,其中200张为训练图片,200张为测试图片,100张为检验图片。HED网络的奶牛边缘检测效果比Canny算法提高18.6%,大大提高奶牛边缘图像的处理精度、去噪声能力。将HED网络检测出的奶牛边缘图像为奶牛的识别提供重要依据,实现奶牛保险业高效的自动化管理。     

基于机器视觉的蜜柑横径测量方法研究

【目的】机器视觉技术具有无损、快速、准确、智能化程度高等优点,被广泛应用于水果检测中,替代人工对水果的检测分级,因此研究小组基于机器视觉技术,来探究蜜柑横径的测量方法和过程。【方法】研究小组在试验研究过程中,通过图像采集系统获取蜜柑样本图像,并对其进行灰度化、中值滤波等预处理,采用阈值分割的方法将蜜柑图像和背景图像进行分割。对蜜柑图像区域进行填充和形态学处理等,提取蜜柑的边缘轮廓图像;运用Canny算子的边缘检测技术,最终提取出蜜柑的轮廓;依据轮廓图像,采用拟合圆法,将拟合出的圆的直径作为蜜柑横径数据,并和人工实测的蜜柑横径数据进行比对和分析。【结果】从测试样本中随机取出9个蜜柑样本进行试验,通过相对误差数据表明,机器视觉技术能够比较合理、准确地计算出蜜柑的横径。【结论】将机器视觉技术应用到蜜柑横径的测量中,通过采用相关的图像处理方法和数据运算,探讨出了蜜柑横径的测量过程和方法,为蜜柑乃至柑橘类水果的智能化分级提供了方法理论和数据基础。     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。