机械视觉在两种颜色分类中的应用研究

用机器视觉分析、处理图像在农产品加工的分类和控制或遥感的测量中有诸多的应用价值，颜色的分类就是其中之一。     

西红柿采摘机器视觉中的图像采集技术

对机器视觉中现有的两种图像采集方法进行了比较分析,得出基于VFW的图像采集方法具有较大优点的结论,该方法为机器视觉系统的开发提供了新的途径.为此,介绍了VFW实现图像实时采集的基本过程;在基于VFW图像实时采集的基础上,完成了西红柿采摘机器视觉中的图像实时采集软件系统的设计.通过使用该系统对采摘物进行实时采集可知,其采集效果能较好地满足实际需要.     

哈密瓜分级系统上位机软件功能的实现

基于机器视觉的哈密瓜分级系统上位机软件功能能否实现是整个系统开发能否成功的关键。为此,通过3个步骤实现上位机的软件功能。首先使用图像采集卡的应用接口库在Visual C++6.0开发工具下对图像卡进行二次开发;再将采集后内存中的图像数据转换成OpenCV的图像指针,实现图像的实时处理,并显示到屏幕;最后将处理结果由打印口并行输出。经试验验证,基于机器视觉的哈密瓜分级系统上位机软件功能成功实现。     

采摘机器人自动导航系统设计——基于计算机智能算法和机器视觉

机器视觉系统对于采摘机器人的研发至关重要,其性能直接影响机器人的自动导航水平和果实的定位与识别能力,要实现采摘机器人从研发到生产,首先要设计智能化机器视觉系统。为此,在采摘机器人导航机器视觉系统的设计上,引入了计算机处理系统和智能PID控制算法。采用计算机处理系统后,机器人具有更加强大的图像处理能力和控制编程能力,加上智能控制算法的引入,定位导航更加准确,为采摘机器人自动导航系统的设计提供了技术支持。     

基于机器视觉的LCD屏点缺陷检测技术研究

课题组研究了一种基于机器视觉的汽车仪表LCD显示屏的点缺陷自动检测系统.以OpenCV作为图像处理软件,利用机器视觉技术,能够完成图像预处理和图像识别.采用阈值分割与创建包围轮廓的矩形和圆形边界框相结合的方法,实现汽车仪表LCD显示屏的点缺陷检测.研究结果表明:这种方法能准确、快速地检测出LCD显示屏上的点缺陷,减少了...     

基于PLC和机器视觉的采摘机器人智能控制系统设计

利用PLC和机器视觉技术,采用图像传感器拍摄水果图像,提取出目标水果图像的坐标和位姿,并以此驱动控制采摘机器人以最优路径和最佳姿态采摘到目标水果.为了验证系统稳定性,在苹果种植区进行了实际采摘试验,结果表明:采摘机器人机械手可以稳定抓持到目标苹果并完成采摘过程,且期间耗时较短,具有较强的稳定性.     

基于视觉定位的按摩机器人穴位跟踪系统设计与研究

机器视觉定位是机器人智能化程度的重要指标,基于中医按摩视觉定位,研制出一种能够实现实时图像采集分析、坐标变换的按摩穴位跟踪系统。视觉定位跟踪系统利用摄像头获取图像,并对图像进行处理,判断患者在按摩过程中是否发生移动,实现对按摩穴位的动态跟踪,保证了按摩穴位的准确性。     

机器视觉技术在农业领域中的应用

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.     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景。介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农业和农业自动化提供借鉴和参考。      

基于机器视觉的农业机械无人驾驶系统

为实现农业机械的无人驾驶,研究基于机器视觉的农业机械运动控制具有重要的意义.为此,介绍了基于机器视觉的农业机械无人驾驶的工作原理和实现方法,通过对视频图像的处理,识别出农业作业环境路径特征的位置和方向,采用模糊控制方法实现了农业机械的运动控制.试验证明了基于机器视觉的农业机械无人驾驶系统的可行性及控制算法的可靠性,对未来视觉伺服研究的方向进行了总结.     

基于农业搬运机器人的障碍物视觉识别技术研究

【目的】随着农业自动化水平不断提升,研究农业搬运机器人如何优化搬运目标信息、定位及图像检索等功能具有重要现实意义。【方法】课题组提出了一种基于机器视觉的内容图像检索视觉识别技术,采用特征提取方法将图像纹理作为机器视觉障碍物特征识别的重要信息,通过实时更新障碍物信息,利用相似度距离计算,将采集的图像数据与数据库中的图像距离进行对比,并利用MATLAB仿真平台验证了CBIR系统对搬运机器人障碍物识别的精确度。【结果】利用小波滤波器优化的CBIR系统的对比结果优于其他方法的平均检索率,且前20张图像的检索率均能保持在98%以上。【结论】该方法有效提升了CBIR系统的障碍物检测性能及识别系统的精确度,可为系统数据库中障碍物图像特征对比提供高质量图像数据。     

基于机器视觉的裂纹鸡蛋分拣系统设计

本文综合研究了鸡蛋分拣系统设计方法,基于机器视觉技术,对分拣系统硬件选型及布局、鸡蛋图像信息采集、鸡蛋图像预处理与特征提取等各个阶段所需要的技术进行选用,设计了裂纹鸡蛋视觉模块,结合分拣设备组成裂纹鸡蛋分拣系统。该系统可有效实现对裂纹鸡蛋的分拣,提高鸡蛋裂纹的检出效率。最后探讨了该分拣系统设计上存在的问题,并指出未来改进的方向及研究的重点。     

基于机器视觉的高品质苹果在线计数方法

高品质苹果由计重分装转向计数分装对苹果在线计数技术提出新的需求。以黑色吸光材料作为图像采集背景,配有同轴投射光源的CMOS摄像头实时采集传送带上苹果区域的图像,采用前后时间帧图像相减,设定目标视频窗口以及基于灰度阈值的目标识别等图像处理技术使苹果识别率达到97.2以上。采用VC＋＋语言,基于开源视觉处理软件OpenCV实现具有独立知识产权的计算机图像处理软件。该系统采用低成本的视觉采集设备,算法成熟可靠,能够满足在规模化生产环境下对苹果实时计数的要求。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

变量喷雾的计算机并口控制

基于机器视觉的变量喷雾机械系统, 要求在运动的过程中实时地采集、处理图像,并快速、稳定地驱动其执行机构(电磁阀).为验证田间信息图像的实时采集与处理算法的准确性,确定系统执行模块与其它模块之间的准确匹配关系,在分析计算机并行接口系统资源及其访问方法基础上,提出了一种基于并行接口控制变量喷雾的软、硬件设计方法,实现了对喷雾执行元件电磁阀的快速、稳定控制.此方法设计简单、易于实现,大大缩减了开发周期.     

基于机器视觉的条播排种器性能检测及分析

运用机器视觉技术实现条播排种器性能的自动化检测.研究表明,帧种子数分布相对于拍摄频率（帧频率）具有独立性.以该独立性为基础构造的机器视觉检测方法为：采用CCD摄像机直接拍摄条播排种器试验的动态种子流,对获得的样本进行图像标定、灰度化处理、非种子目标去除、二值化处理、滤波去噪、小目标去除、种子遮挡判别、排种模式识别等图像处理过程,估计排种量的分布和计算排种器性能指标.     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。     

基于视觉技术的苹果分拣系统设计

在线检测是实现自动生产的重要环节,计算机视觉图像信息处理技术已经广泛应用于农产品品质检测中.表面缺陷检测一直是困扰苹果自动化分级的难题,本文采用特征提取,即提取出缺陷部位的轮廓,再进行填充求其面积的方法确定缺陷面积大小,然后用缺陷面积结合最大横径、颜色色度来判定等级,实现机器化苹果分拣.经实验证明本方法准确率达94.2%,且具有较好的稳定性,为农业自动化提供了一种可靠的苹果在线检测的方法.     

机器视觉技术在温室营养液调控系统中的应用

现代设施农业趋向于采用无土栽培.无土栽培是一种采用灌溉营养液来栽培作物的方法.为此,介绍了国内温室无土栽培中营养液供给系统的研究现状,针对目前营养液供给控制存在的问题,将机器视觉技术应用到温室营养液调控中,利用作物的图像信息和环境信息,参考作物专家系统,提出控制策略,调整营养液配置参数,并阐述了系统的软硬件实现方法.     

水果外观质量智能化检测系统设计

综合了市场上各类水果分级设备的优点,该文提出了一套水果外观品质智能化检测系统的开发设计流程,从理论上进一步探讨了水果外观品质智能化检测的方法途径。水果在线分级装置主要由上料结构、输送结构、机器视觉系统、气动分选结构以及电器控制部分等组成。机器视觉系统包括工业控制计算机、CCD摄像机、光源、光箱、图像采集卡、触发器和I/O卡等;气动部分包括电磁阀、空气压缩机及喷气嘴等;电器控制部分包括PLC、固态继电器等。