基于机器视觉的轮胎红点识别技术研究

针对轮胎红点识别效率较低的问题,研究了轮胎红点的识别方法。基于机器视觉理论,提供了轮胎识别点识别方案,并对识别点图像进行滤波、边缘锐化、边缘提取等分析处理,最后对轮胎红点进行识别检测。提高了识别效率,具有一定的可行性和现实意义。     

浅谈机器视觉的原理及应用

介绍了机器视觉的工作原理,从工业检测和机器人视觉两大方面阐述了机器视觉的应用,并对机器视觉未来发展之路做出了分析。     

基于机器视觉技术的电脑辅助对刀系统研究

探讨采用基于机器视觉技术的电脑辅助对刀系统的可行性。搭建软硬件试验平台,开发专用处理软件,进行对刀操作、加工实验和数据对比分析,认为电脑辅助对刀方法具有实用可行性。对对刀精度要求和系统参数作了分析讨论,得出电脑辅助对刀系统在图像放大4～8倍的条件下,就可以满足木工刨铣类机床对刀要求的结论。     

机器视觉在单板缺陷检测中的应用

单板是胶合板制造的主要原料。为了实现单板表面缺陷检测技术的智能化,降低人力成本,提高检测合格率,现已将机器视觉技术应用于缺陷检测中。在机器视觉系统中,图像处理和分析算法尤为重要。如何提高算法的准确性和鲁棒性一直是研究的重点。文中基于对大量文献和实验结果的分析,介绍机器视觉的应用现状,并对单板表面缺陷检测过程中的图像去噪、图像分割、特征提取等方法进行总结,概括相关方法的原理、特点、局限性以及适用范围,并对未来技术发展趋势进行展望。     

基于机器视觉的抄表系统研究

研究了一种基于机器视觉的电表抄表系统.采用数字图像传感器OV7640完成电表号码图像的采集,通过数字信号处理器TMS320VC5402将OV7640输出的图像数据进行处理和识别,并将处理后的结果通过液晶显示器显示出来.     

基于机器视觉的森林防火监测技术初步研究

简要介绍了机器视觉图像处理技术,以实例说明了机器视觉技术在森林防火中的应用.     

基于机器视觉的木板拉条系统研究

为有效提高拉条机的自动化程度,采用机器视觉技术改造多片锯拉条机,设计出一款基于机器视觉的智能化木板拉条机。通过摄像头采集待加工的木板图片;使用OpenCV对木板图片进行预处理,提取木板边缘,计算木板可裁切的宽度;通过嵌入式设备送入相应的裁切通道拉条。结果表明,人工操作和基于机器视觉的拉条机每5 h的平均裁板数分别为2 735和3 378块,平均正确拉条率分别为89.36%和99.95%。基于机器视觉的拉条机速度与出材率均高于人工操作。     

基于机器视觉的木材特征提取与树种识别研究综述

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。     

基于机器视觉的木窗双端铣削加工尺寸测量方法

木窗是一种以木材或木质复合材料为主要构件的门窗产品,具有良好的生态性能和美观效果,适用于多种建筑形式和风格,其中木窗尺寸是衡量木窗加工是否合格的重要指标。对于传统木窗双端铣削加工中人工测量尺寸方式存在的精度低、效率低等问题,提出一种基于机器视觉的木窗双端铣削加工尺寸测量方法,以期提高尺寸测量精度及加工效率。该方法针对木窗厚度引起的透视效应,提出一种物平面提升法,以消除透视投影带来的误差。首先对木窗图像采取灰度化、平滑去噪、图像增强及轮廓分割等举措,完成图像预处理,提取出木窗内外轮廓区域。对轮廓区域应用Canny算子获取木窗像素级轮廓。通过优化的Zernike矩亚像素边缘提取算法对木窗像素级边缘进行更精确的定位,得到亚像素级轮廓坐标。通过最小二乘法联合RANSAC算法对亚像素轮廓坐标进行拟合,得到拟合轮廓及角点坐标,并使用透视矫正模型计算出木窗尺寸。实验利用3种厚度规格相同但尺寸不同的松木材质矩形木窗,分别测量其内框和外框的边框尺寸及对角线尺寸,并与对应的实际物理尺寸对比,验证了所提木窗尺寸测量方法的检测精度。研究结果表明,所提方法与实际物理尺寸值相比,其绝对误差范围在±0.12 mm之...     

基于图像理解的树木直径抽取技术

介绍由摄像机图像抽取林木直径的方法、步骤 ,将度量误差模型算法应用到参数的求解当中 ,提出适合于林业野外作业的内、外参数分离策略 ,最后对文中算法、策略进行实际验证。结果表明 :1)从图像中重构林木直径是可行的 ;2 )由度量误差模型算法求解参数是一种很好的算法 ;3)将摄像机、内外参数分离 ,不仅减轻了繁重的林业野外作业 ,同时保证了三维重建精度 ;4 )单独考虑摄像机焦距 ,增加了实际操作上的灵活性     

基于线阵CCD的旋切单板图像采集系统设计

旋切单板表面的缺陷直接影响胶合板等人造板制品的质量,利用线阵CCD组成的计算机视觉系统采集单板带的图像,可为单板带裁剪的优化和自动控制提供技术支持.     

基于BP神经网络的树形识别系统研究

简要介绍了人工神经网络及分形理论的应用 ,提出了用分形维数特征即树木图像的灰度曲面分形维数、冠形轮廓分形维数及 4个方向的有向维数和树木形状特征即树冠高度方向 8等分处所对应的 8个冠幅和树冠的高度作为特征来进行树形的识别 ,并建立了树形识别系统。该系统的输入层分别是图像的维数特征和树木形状特征值 ,共计 15个节点 ,一个隐含层 ,输出层则是要判断的 6种树形。试验表明该系统能准确地对树形进行识别。     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetation Index)、OHTA颜色模型作为病树与非病树的光谱特征,对目标影像进行自动筛选,得到疑似病树像元。运用DBscan空间聚类算法对疑似病树像元进行聚类,并以周围一定范围内有一定数量的健康树像元为空间分布参考,对拍摄地点30°1′N/111°43′E附近、分辨率为0.1 m的3幅高分辨率遥感影像筛选病树。自动筛选耗时分别是人工筛选的43.99%、51.08%和46.62%,相对于人工筛选的数量准确度分别为79.37%、77.85%和82.56%。结果表明:采用光谱特征与空间特征相结合的方法在高分辨率遥感影像上识别松材线虫病树识别效率更高。     

基于KL变换的汽车车型的识别方法

提出了一种基于KL变换的汽车车型的识别方法.首先对车辆图像进行预处理,然后通过KL变换构造特征车,将样本投影到特征车子空间,得到的投影系数即为待识别车型的代数特征,最后利用K近邻法进行车型识别.实验结果表明了文中提出的车辆识别方法是简便、快捷、有效的.     

基于计算机视觉的雾滴尺寸检测系统的研究设计

雾滴的尺寸参数是评价植保机械性能的最主要质量指标。将计算机视觉技术和灰色系统理论应用于雾滴尺寸参数的检测中,建立了雾滴尺寸参数自动检测和优化系统。     

立体视觉技术应用于林木个体分布格局测定研究

详细介绍了应用立体视觉技术由立体像对测定林木个体分布空间格局的方法、步骤，探索了适合林业环境下的立体视觉实现的技术路线。摄像机标定采用基于非线性度量误差模型的摄像机标定方案；图像匹配采用外极线和Canny算子检测出的树干边缘约束下的人机交互式的相关匹配。最后通过实验对文中算法、策略进行了验证。结果表明，在实验条件下，应用立体视觉测定林木个体分布格局可以达到精度要求。     

基于航空影像的树冠提取方法研究

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘是近年来林业遥感领域研究的热点。本文以覆盖实验区的航空影像为例,采用面向对象的多尺度分割方法,逐级对植被对象、树冠对象和分树种模式进行分割,有效地提取了影像中的树冠大小信息。     

基于图像处理技术的植被半球图像孔隙度提取

冠层孔隙度是评估生态环境的一个重要参数。现阶段主要通过天空遥感以及地面观测对冠层孔隙度进行测量,多使用国外现有研发设备。半球摄影技术在计算植被冠层孔隙度上优势明显,通过对原图像处理,分析最佳阈值,确定最佳视角分环数,统计像素值进而计算冠层孔隙度。并与现有测取设备获取的数据对比,二者有较高拟合度。该方法对反演森林生态系统的重要结构参数提供一种新型方法,为今后研发国内监测设备提供技术支持。     

基于图像采集的探地雷达车导航系统设计

介绍了一种基于freescale 16位单片机进行图像采集与处理的探地雷达车导航系统的设计,该系统通过CCD摄像头采集引导线图像并将采集结果存储到FIFO中,解决了单片机处理速度不快的问题。单片机通过对图像进行二值化处理得到引导线的形态特征后进行导航。实验结果表明,该系统能很好地完成对雷达车的导航,实时性好,抗干扰能力强,软、硬件的投入较小。