共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域. 相似文献
3.
红枣自动快速无损检测分级机研究 总被引:6,自引:0,他引:6
设计了基于机器视觉技术的红枣自动快速无损检测分级机,可依据枣果外部综合指标进行判别分级。整机由单体化定向排布输送系统、多表面图像采集与处理系统、分级执行机构、传动及控制部分组成。根据整机工作原理,采用辊轮输送链板与间歇式凸轮拨枣机构相结合的方式,实现枣果快速单体化排布输送,利用工业相机与STM32嵌入式系统配合正面及背面光源进行枣果多表面图像采集,采用气动式分级执行机构完成枣果分级。理论计算与试验表明:输送带最佳倾角为28°,当运行速度为160 mm/s时,输送带驻枣率为95%,分级速度达10个/s,分级准确率92%,最大产能550 kg/h,可较好满足红枣自动化快速检测分级生产要求。 相似文献
4.
5.
6.
为减少马铃薯在分选过程中的跌落损伤,探讨分选机的工作条件对马铃薯跌落损伤的影响,以“荷兰15”马铃薯为试验材料,以马铃薯分选机的输送速度、剔除力、马铃薯的下落高度和含水率为试验因素,以马铃薯的跌落损伤等级为响应值,进行二次回归正交旋转试验,通过Design-Expert 8.0.6软件对试验结果畸形方差分析,并通过响应面探究各试验因素对马铃薯的跌落损伤等级的影响规律,确定马铃薯分选机的最佳工作参数。跌落试验结果表明:对马铃薯跌落损伤等级的影响程度主次顺序为马铃薯含水率、下落高度、输送速度、剔除力。当马铃薯输送速度为0.3 m/s,剔除力为15 N,下落高度为45 cm,含水率为75.36%时,在该参数组合下分选机对马铃薯跌落损伤等级最小。试验所得马铃薯的实际跌落损伤等级为0.84,该结果与马铃薯跌落损伤预测等级具有良好的拟合性。 相似文献
7.
为了从混合的饱满红枣和干瘪红枣中识别出干瘪红枣,首先分析了颜色空间模型的特性,选择灰度图、RGB颜色空间模型的R分量、L*a*b*颜色空间模型的a*分量,并使用不同的梯度算子作为对比;然后通过形态学运算、逻辑运算去除异常梯度,进行梯度归一化变换;最后采用归一化的梯度直方图作为红枣表面的纹理特征表示方法,并计算其梯度分布不均匀性作为判别准则。利用12通道红枣分选机采集240幅饱满与202幅干瘪红枣图像作为样本图像。实验结果表明,采用简单梯度算子对L*a*b*模型的a*分量提取纹理信息效果最好,误判率为0.83%,正确识别率高达99.01%。 相似文献
8.
9.
10.
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