共查询到20条相似文献,搜索用时 593 毫秒
1.
2.
《农业装备与车辆工程》2017,(1)
设计了一套烟叶自动定级分拣系统。该系统采用输送带机构承载并输送烟叶,烟叶通过定级系统完成外观图像采集、数据处理与级别判定;分拣机械手结合位置检测传感器按照级别信息完成对烟叶的按级分拣。 相似文献
3.
本文对新时达SD500机器人的工具坐标系标定方法进行了研究。首先介绍了机器人的各个坐标系,机器人坐标系的标定分为工具标定和工件标定,然后具体分析了机器人的工具标定,即机器人TCP位置标定和工具坐标系姿态标定,工具标定完成后对标定结果进行了检验,最终完成了机器人工具坐标系的标定。 相似文献
4.
对工件识别过程中,对于机器视觉技术的应用进行了一定的分析,并且简要地介绍了主要图像处理算法。在此基础寻求有效方法,对自动分拣系统决策方面提供一定的支持。 相似文献
5.
为了应对大枣分拣工作量大、分拣标准不统一的问题,设计了新型大枣品质分拣系统,包括分拣机械结构与大枣品质识别系统。大枣品质识别系统分为图像分析与大枣品质判定两部分。图像分析综合R、G、B三通道强度,采用中值降噪与高斯降噪对图像数据进行处理。采用Canny边缘检测卷积因子,计算大枣轮廓边界;采用椭圆一般式对轮廓进行拟合,输出以椭圆的半长轴a和半短轴b。以大枣体积和质量作为品质标准,依据椭圆的半长轴a和半短轴b计算椭球体积,并对体积成梯度分布的大枣质量进行线性拟合,线性决定系数R~2达到0.94。以四川三台地区某枣园的大枣作为样本,对系统进行测试,结果表明:该系统分拣精度高,性能可靠,适于广大农村枣园一线使用。 相似文献
6.
基于计算机视觉的高速机器人芒果分选系统设计 总被引:1,自引:0,他引:1
针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。 相似文献
7.
机器视觉标定是工业机器人的关键技术之一。本文提出了一种运用Open CV的工业机器人机器视觉系统标定方法,首先通过非线性模型摄像机标定,得出世界坐标系与图像坐标系之间的关系;然后再进行手眼标定得出世界坐标系与机械手坐标系之间的关系,最终推算出图像坐标系与机械手坐标系之间的关系。将图像上的点通过旋转平移矩阵反过来计算原点值,计算结果表明该标定方法的投影误差约为0.675个像素。 相似文献
8.
为了对优质青枣进行分拣,解决人为分拣青枣准确度低、效率差等问题,提出了基于图像识别的由Arduino控制的多自由度机械手,实现在流水线上对炭疽病青枣的分拣。该系统以Arduino控制板作为主控制器,结合Pixy图像识别传感器、MG995舵机和图像识别算法组成自动分拣机械手系统。通过Pixy图像识别传感器对传送线上的青枣图像进行采集,并分析获取获得青枣的大小、颜色等特征量,得出青枣的品质信息。然后由Arduino控制器控制分拣机械手动作对青枣进行分拣。实验结果表明,通过该方法对炭疽病青枣进行分拣,准确率可达80%以上。 相似文献
9.
喷涂机器人空间轨迹到关节轨迹的转换方法 总被引:1,自引:1,他引:0
根据喷涂机器人离线编程需要和喷涂空间轨迹的特点,提出一种基于Dijkstra算法的喷涂机器人笛卡尔空间轨迹到关节轨迹的转换方法。通过分析工件坐标系和机器人基坐标系的关系,采用辅助特征点三点标定法将工件坐标系内的喷涂空间轨迹转换到机器人坐标系。建立了在机器人逆解中求取最短关节运动行程的优选模型,用赋权有向图表示所有机器人逆解间的行程关系,利用Dijkstra算法求最优的逆解组合。喷涂试验显示,所提出的轨迹转换方法能有效克服轨迹转换失真,验证了该方法的可行性和有效性。 相似文献
10.
12.
以水果分拣控制过程为研究对象,基于RGB图像检测方法建立分拣控制算法.同时,利用异步图像采集模式进行水果图像获取,并借助中值滤波和高斯滤波器两种方式实现水果图像噪音去除;采用全局自动阈值分割法进行水果图像特征提取,从而实现水果颜色特征及表面区域特征的识别分类.将特征数据与设定好的特征阈值进行对比,从而实现水果等级的鉴定... 相似文献
13.
人们对农产品品质要求的提高,产生了对农产品分级分拣的需求,并且这种分拣的指标是多样化的.按照产品的颜色、腐烂损坏程度、成熟度等指标要求进行的分拣,由纯机械的装置是难以实现的,同时如果没有机械装置的辅助,对产品图像信息的采集又是不全面的.笔者结合计算机视觉识别技术和机械自动取料与翻滚装置,以坏果分拣为例,提出了系统化的解... 相似文献
14.
基于计算机视觉的玉米单倍体自动分选系统 总被引:2,自引:0,他引:2
研究了一种玉米单倍体籽粒分选方法,可自动分选具有Navajo标记的玉米单倍体籽粒。分选系统主要由种子输送单元、图像采集处理单元、分拣卸料单元及系统控制单元组成。图像采集处理单元根据玉米籽粒胚部及胚乳顶部的颜色特征进行单倍体籽粒判断,并将判断结果发送给系统控制单元。系统控制单元根据该结果协调种子输送单元及分拣卸料单元机械臂的运动,实现籽粒位置定位,同时开启与机械臂末端相应电磁阀,采用气吸方式分离杂合体籽粒,系统分拣速度可达 相似文献
15.
随着计算机和机械自动化技术的不断发展,基于机器视觉的无损检测技术被应用到各个领域。在苹果分拣机上使用无损检测技术,不仅可以提高苹果的分拣效率,而且可以减轻苹果的损伤。为此,将机器视觉技术引入到了苹果分拣机的图像识别系统设计上,通过对苹果图像的采集、处理、轮廓特征提取与计算,利用确定好的分拣等级自动实现了苹果的等级分类,再由自动控制系统将不同等级的苹果分拣到指定位置,从而实现了苹果分拣的自动化。为了验证方案的可行性,对分拣机的图像识别系统进行了测试,结果表明:分拣机根据苹果周长可以成功地实现等级的自动化划分,对于实现水果的自动化分拣具有重要的意义。 相似文献
16.
17.
18.
19.
【目的】传统的河蟹分拣方法主要依靠人眼识别,误差率大,耗时耗力,且易对河蟹造成损伤。随着机器视觉技术和人工智能的高速发展,基于视觉识别技术的河蟹分拣方法效率高、准确度高。【方法】课题组设计了一种基于品质智能分级技术的河蟹高效分级系统,通过使用不同等级的雌雄河蟹各20只进行分级试验,利用视觉模块的图像采集与图像处理技术采集河蟹图像,经过图像的灰度化、滤波、增强、图像分割和形态学处理消除环境干扰,结合河蟹雌雄判别技术和河蟹肥满度公式,计算得到河蟹公母与肥满度识别准确率指标。【结果】该系统的河蟹雌雄平均识别准确率为97.5%,肥满度平均识别准确率为97%,证实了分级装置的可靠性。【结论】该系统采用视觉识别技术进行河蟹无损检测,可以实现低损伤、高效率、高准确度识别河蟹,与传统人工相比提高了判别准确度,提升了分拣效率,大幅节省人力、物力,具有广泛的应用前景。 相似文献