基于机器视觉的锅底标签角度测量系统研究

家用厨锅在制造时安装手柄需要焊接螺母座,针对螺母座焊接位置不准确的问题,设计了厨锅锅底标签角度测量系统。该测量系统通过搭建视觉采集平台采集图像,利用模板匹配原理对锅底图像进行角度检测。通过对不同种类锅底图像进行滤波、阈值化与频域变换等图像处理算法制定感兴趣区域（ROI）,由ROI依次创建形状模板;将采集到的图像经过预处理后根据已建好的同类模板进行匹配,匹配结果由Visual Studio 2019平台所建立的人机界面显示。实验表明,该测量系统平均误差可达0.08°,检出率达94%,平均检测时间0.35 s,明显优于传统的人工检测,能够满足工业的实际检测需求。     

基于机器视觉的零件尺寸测量装置的设计

文章提出了基于机器视觉的测量方式,主要测量工件的面积、周长和边长等数据。测量采用固定装置,标定采用传统标定法。硬件系统采用了USB接口的工业相机。软件主要对图像进行了预处理,预处理为图像的切割、灰度化、滤波。     

基于机器视觉的烟叶面积在线测量

为提高烟草打叶复烤工艺中烟叶叶片结构的检测效率,研究了用于烟叶叶片结构在线检测的叶片面积快速测量方法.采用空变模糊矩阵还原了线阵相机的场曲模糊,利用张正友标定法校正了图像畸变;提出了对噪声、照明环境不敏感的R、G分量差值阈值分割法,实现了叶片图像的高精度分割;提出了计算效率较高的叶片面积拼接法,解决了在线检测时单个叶片被分割在2幅图像中的问题.采用多线程技术,编写了并行图像处理软件,开展了重复性实验,结果表明:图像处理速度达22帧/s,能够满足在线测量要求,在100～2500mm2量程内,相对误差小于0.50％,变异系数小于1.01％.     

基于机器视觉的零件尺寸测量及分析

课题组设计的基于机器视觉的零件尺寸测量系统以尼龙材质注塑成型、后期经铣床加工制成的U形连接块为研究对象,测量其上表面面积、周长以及加工孔半径。课题组优先选用5×5平滑滤波器进行图像预处理,利用Roberts算子进行边缘检测分割,再利用数学形态学算法(开运算、闭运算)锐化边缘,最后利用标板给予的标定系数,将图像上零件尺寸的像素值转换成物理空间的实际测量尺寸。     

基于机器视觉的马铃薯单薯质量检测技术研究

国内外关于马铃薯品质检测的机器视觉分级技术研究甚少,马铃薯单薯质量是马铃薯的重要指标.为此,通过对马铃薯图像进行预处理,提取相关特征参数,采用逐步回归分析方法对多个特征参数进行分析和筛选,用马铃薯俯视和侧视投影图像中的面积参数构建了单薯质量模型.利用该模型对300个马铃薯进行了检验,结果表明:该方法提取的参数个数少且检测误差小,满足了生产的需要.     

基于机器视觉的农业机械图像识别系统分析

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。     

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。     

机器视觉高精度测量技术在农业工程中的应用

基于机器视觉的高精度测量技术在国内外已广泛应用于工业、医学、农业等领域,近年来在农业工程相关研究与应用中也得到了长足进展,应用对象涉及到蔬菜、水果、农作物和相关农业作业装备等。为此,从机器视觉定量检测和精确检测的角度出发,综述近年来机器视觉检测技术在农产品分级、农业机器人动作规划、植物生长参数检测和播种机排种性能试验等方面的应用以及进展,同时也简要讨论了该技术在非农业领域的应用现状和在农业工程领域的发展趋势,为农业现代化新技术的应用提供参考。     

轴套零件的机器视觉检测

针对轴套零件的几何尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、改进Canny算子边缘检测、圆孔检测技术等。并对系统进行标定,得到实际尺寸。通过试验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

基于机器视觉的农业植保技术研究进展

综述国内外机器视觉技术在农业植保领域的应用进展,分析机器视觉技术在农作物病虫害自动识别与诊断的应用前景,指出目前尚需解决的难点和研究方向。     

基于视觉测量的挖掘机工作装置姿态测量系统

提出了一种基于视觉测量的挖掘机工作装置姿态测量方法。使用工业相机获取工作装置侧视图像,采用鞍点检测方法快速捕捉工作臂上的人工靶标;将靶标间的固定几何尺寸关系作为约束条件筛选出靶标中的鞍点并计算相应工作臂的姿态角;通过预判靶标的运动范围以缩小图像检测区域,提高算法处理速度。试验表明,与挖掘机上原有的拉线传感器测量系统相比较,动臂和斗杆姿态角动态测量偏差分别小于1°和2°,处理每帧工作装置运动图像平均用时在100 ms以内,验证了该方法对挖掘机工作装置姿态测量的可行性。     

基于机器视觉的农业机械避障导航算法研究

【目的】机器视觉技术已经成为一种重要的农业机械导航线路提取技术,但农业机械避障导航的自动提取容易受到自然条件的影响,其实时性要求还需进一步改进。【方法】笔者提出了一种基于机器视觉的农业机械避障导航算法,首先,利用改进之后的避障导航算法对CCD提取的彩色农田图像进行灰度化处理,呈现出图像信息;其次,利用改进之后的Otsu算法对避障系统获取的图像信息进行分割,得出新的图像,再利用滤波、腐蚀、膨胀等算法模式去除避障中的不良信息;最后,在避障信息的基础上提取出针对性的骨架,再对导航进行模拟,计算得出最后的偏差,并采用速度分别为0.5 m/s、1.0m/s的慢速实验对田间农作物中的障碍物进行检测。【结果】仿真结果表明,笔者提出的障碍物探测方法能够在不同的车速情况下,对障碍物的方向和形状进行精确识别,具有很好的适用性。【结论】1）基于机器视觉的农业机械避障导航算法能够较好地克服农业种植过程中出现的障碍物干扰,准确地提取出农田中的作物行驶方向和距离,并为以后的处理打下了良好的基础。2）目前对于障碍物的检测只考虑了静态障碍物和离航向最近的障碍物为有效障碍物的情况,在后续的研究中应对田间多障碍、动态障碍...     

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.     

机器视觉技术在农业机械中的应用研究

随着科技迅猛发展,机器视觉技术在农业机械中的应用越来越广泛,机器视觉技术的发展,不仅体现了一个国家科技能力发展的水平,同时对于提高农业作物的产量和管理效率都有重要意义。机器视觉在农业中的应用为其精细化、自动化生产奠定了基础,不仅有助于解放劳动力,还有助于提高农作物产品的品质和产量。     

基于机器视觉的农业机械自动导航方法研究

目前,全球农业面临粮食生产效率提高和可持续性管理的挑战,自动导航技术成为提高生产力和资源利用效率的关键技术之一。基于机器视觉技术的基本原理,系统探讨了机器视觉技术在农业机械自动导航应用平台的构建,并提出一种基于颜色和纹理特征组合的田间障碍物识别方法,根据识别结果系统实现自动实时测距与信息反馈,从而实现农业机械的智能导航。     

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.     

植物生长机器视觉无损测量研究综述

作为植物生长建模关键技术之一的机器视觉无损测量研究,对促进数字农业的快速发展具有重要的意义。本文概述了基于机器视觉的植物无损测量的研究意义、研究方法和国内外的研究进展,提出了急需解决的难点问题,展望了其研究前景。     

薄片零件尺寸机器视觉检测系统关键技术探讨

薄片零件具有自身的检测难度,薄片零件的形状和和特性,对检测技术的要求较高,对检测的准确性要求较高,因此在进行检测时,要保证检测技术的应用合理性保证在一定的时间内,对薄片零件进行检测,保证在有效的时间内,对不同型号和大小的薄片零件进行检测,提高检测效率,来实现生产发展要求。本主要就薄片零件尺寸机器视觉检测系统关键技术进行分析和研究。     

基于机器视觉的鸡胴体表面污染物在线检测技术

基于机器视觉技术设计了鸡胴体表面污染物在线检测及处理系统。通过工业相机+滤光片+计算机的方式在线采集鸡胴体表面波长500 nm和710 nm的特征图像,采用中值滤波、灰度增强进行图像预处理,然后采用Otsu法自动确定阈值并获得二值化图像,再对图像进行腐蚀、膨胀、空洞填充以及异或操作,分割得到鸡胴体表面污染物区域并以此判断鸡胴体表面是否存在污染物,然后对鸡胴体表面的污染物进行喷淋处理。试验结果显示,利用该系统进行鸡胴体表面3种污染物(盲肠粪便、血液、胆汁)检测,检测总体平均正确率为90.5%,表明该系统可实现鸡胴体表面污染物的在线检测和正确识别。