基于机器视觉的高原鼠兔智能监测系统

高原鼠兔是青藏高原以及邻近地区破坏草地生态的主要生物灾害之一.防治高原鼠兔的危害,就必须对该区的鼠兔数量、危害程度进行调查研究,才有可能采取经济有效的防治措施.传统的调查研究方法不仅耗费大量的人力、物力,并且难以实现对鼠兔长期、连续的监测.随着传感技术、生物识别等技术的发展,可以利用智能监测系统对鼠兔进行监测和研究.基于此,本文提出了一种基于机器视觉的高原鼠兔智能监测系统,对系统的构成进行了介绍,并对其中的关键技术做了说明.与传统的鼠害调查方法相比,该系统能够实现对鼠类活动无接触、动态、连续的监测,对鼠兔的防治以及改善高原的草地生态环境具有重要的意义.     

基于机器视觉的机器人智能采摘实验平台开发

针对如何实现快速、高效的采摘,提出机器人智能采摘实验平台系统,该采摘机器人依靠视觉反馈控制来识别采摘物的位置。研究机器人手臂的运动控制,构建机器人的运动学模型。分析机械手的视觉伺服控制问题,直接将图像位置误差矢量映射到所需的末端执行器速度矢量。对机器人智能采摘进行试验分析,试验任务进行171次,准确率94.67%。试验结果验证该视觉伺服控制方法在实际场景中对采摘物识别效率,提高视觉伺服系统的鲁棒性和有效性。     

基于机器视觉的工业机器人智能分拣系统设计研究

随着我国工业发展脚步的不断加快,机器人在工业智能化中发挥的作用日益突出,将其应用到机械零件分拣工作中,可以利用机器人的智能化特点,代替传统模式下的人工操作.基于此,本文主要从机器视觉技术出发,探讨基于机器视觉的工业机器人智能分拣系统设计,以此来为日后工业生产效率及质量的提升提供参考.     

基于机器视觉的组织培养苗自动识别技术

为了使组织培养苗分割移植机器人的视觉系统能够引导机器人实现条状组培苗的自动分割、移植作业,提出了对条状组培苗的图像进行灰度拉伸、中值滤波、最大方差自动取阈值、二值图像的闭运算、细线化、苗节点搜索及切割点定位的自动识别算法。对组培车间普通照明下拍摄的200幅日本黄杨苗(条状组培苗)图像的识别处理结果表明,该算法能够识别出苗的节点,计算出切割点的位置,成功率为91％,且该算法不受图像大小和样本摆放方位的影响,适应性强。     

基于机器视觉的猕猴桃特征参数提取

以猕猴桃为研究对象,通过对源图像各颜色分量及颜色因子的灰度图、直方图及线剖面分析,选用Lab空间的a通道分量进行特征提取。为了改善图像质量,对a通道分量通过直方图均衡化、中值滤波进行增强。对滤波后的图像利用OTSU自动阈值分割法,完成目标与背景的分割。应用形态学处理方法,对图像先腐蚀再去除小目标最后进行反向膨胀运算去除残留物。对处理得到的二值图像运用Canny算子获取目标区域的边界信息,基于正椭圆Hough变换提取猕猴桃的质心、面积、周长和圆形度。为了测试提取算法的准确性和实时性,对采集的40张图像87个果实进行了特征提取试验。试验结果表明:正确提取率为88.5%,平均提取时间为3.976s,基本满足猕猴桃采摘机器人目标识别对图像处理的实时性要求。     

基于机器视觉的自然环境中猕猴桃识别与特征提取

研究了综合应用果实颜色和形状特征识别自然环境中猕猴桃果实及特征提取的方法.通过对比不同颜色空间,选用R-G色差分量;再采用基于误分割像素的分割评价方法来确定颜色特征nR-G中最佳分割系数n,最终选取0.9R-G颜色特征.利用0tsu法对其进行阈值分割,形态学运算去除掉残余噪声,实现了目标果实区域和背景区域的分割.然后利用Canny算子提取边界,最后对边界图像进行椭圆形Hough变换,逐个识别出目标果实,并提取出果实的形心坐标、长轴端点坐标和长短轴长度等特征信息.对49幅包含110个果实图像进行识别试验,试验结果表明:相互分离果实的识别率为96.9％,邻接果实识别率为92.0％,被枝叶部分遮挡果实识别率为86.6％,重叠的果实识别率为81.6％.     

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。     

基于机器视觉的智能人机交互技术分析

机器人视觉和机器人技术已被广泛地使用在我们的生活当中,智能机器人技术逐渐成熟。在传统的机器人技术应用过程中,没有做到机器视觉和机器控制的技术统一,只实现了某一技术的应用,极大地制约了智能机器人的发展工作,因此如何统一机器视觉、机器人控制以及人工智能三大要素,成为了人机交互功能实现的主要限制。     

基于机器视觉的苹果识别和形状特征提取

提出了利用色差R-G和色差比(R-G)/(G-B)相结合的苹果识别方法.在顺光、逆光等不同情况下对拍摄的苹果图像进行了识别,并对识别后的图像进行消除噪声、区域填充等预处理,获得苹果的轮廓图像.针对轮廓图像,采用遗传算法进行形状特征提取.采取多次运行遗传算法,并依次转换目标轮廓点为背景点的方法,处理果实图像邻接、重叠问题.实验结果表明:苹果识别方法在一定程度上消除了阴影、逆光、土壤等影响,识别率达97%.基于遗传算法的形状特征提取方法,可对邻接、重叠图像进行有效分割,快速、准确地实现苹果图像圆心坐标和半径的提取.     

棉花虫害自动识别和智能决策系统设计-基于机器视觉系统

随着精准农业技术的不断发展，机器视觉技术在农田作业播种施肥、植保机械中的研究和应用得到进一步的开展。为此，简要分析了国内外机器视觉技术在植保领域中的应用前景，重点介绍了开发研制基于机器视觉的棉花田间虫害自动识别与施药决策支持软件与硬件系统的总体设计，以及所采取的相关技术措施。     

基于机器视觉的苹果识别和形状特征提

提出了利用色差R—G和色差比(R—G)/(G—B)相结合的苹果识别方法。在顺光、逆光等不同情况下对拍摄的苹果图像进行了识别,并对识别后的图像进行消除噪声、区域填充等预处理,获得苹果的轮廓图像。针对轮廓图像,采用遗传算法进行形状特征提取。采取多次运行遗传算法,并依次转换目标轮廓点为背景点的方法,处理果实图像邻接、重叠问题。实验结果表明：苹果识别方法在一定程度上消除了阴影、逆光、土壤等影响,识别率达97%。基于遗传算法的形状特征提取方法,可对邻接、重叠图像进行有效分割,快速、准确地实现苹果图像圆心坐标和半径的提取。     

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...     

基于机器视觉的自然环境中成熟荔枝识别

研究了自然场景下成熟荔枝的识别技术.通过分析荔枝彩色图像的颜色和灰度特征,选取YCbCr颜色模型进行处理,对其Cr分量图进行阈值分割去除复杂背景,并采用形态学和连通区域标注法消除分割后的随机噪声;然后结合一维随机信号直方图分析法与模糊C均值聚类法( FCM)对处理后的荔枝图像进行聚类和分割,实现荔枝果实和果梗的识别.不同光照条件下的识别实验结果表明,算法均能有效分割出果实和果梗,综合识别率达到95.5％.     

机器视觉在棉花智能打顶领域的应用研究进展

棉花打顶作为棉花田间管理中的关键环节,打顶作业的质量将影响棉花后续的生长,精准识别定位棉株对棉花机械化打顶具有积极的意义.简要概述机器视觉技术在国外农业领域的应用研究,总结对比国内棉花打顶领域的定位技术,并对双目立体视觉技术、BP(Back Propagation)神经网络、卷积神经网络在棉株识别定位上的研究进行介绍,...     

智能移动式水果采摘机器人设计——基于机器视觉技术

自动化和计算机智能控制行业的不断发展,使得智能机器人在各个领域的应用已经十分普遍。目前,我国绝大部分水果采摘工作依然靠人工完成,随着工人工资不断攀升,人工采摘水果增加了果农的经济成本,机器人在农业领域方面的需求越来越迫切。为此,基于机器视觉技术设计了智能移动式水果采摘机器人,集可移动载体、机械手臂、夹持器、横向移动机构及智能控制模块于一身,采用双目立体视觉技术,实现了水果采摘机器人移动行走路径的规划、果实成熟度自动判断及对成熟果实定位识别的功能。试验表明:所设计的采摘机器人采用视觉技术,机械结构简易,能够克服气候环境影响因素,运行过程中性能稳定、效率高、可靠性高、适应能力强。     

基于机器视觉的智能物流搬运机器人的设计与研究

第七届全国大学生工程训练综合能力竞赛智能+赛道基于机器视觉的智能物流搬运机器人,对OpenMV4视觉模块进行研究,应用该模块进行二维码、不同颜色物料等多种目标的识别,信息经过模块上STM32F427微控制器的处理,与Arduino Mega 2560板通信,机器人识别场地上的三个区域,用PID算法驱动麦克纳姆轮机器人的四个直流电机旋转并且定位机器人,通过PCA9685模块的I2C通信协议,发送PWM脉冲信号给机械臂上的四个关节舵机,使智能物流搬运机器人对场地上的物料进行自动搬运。实验证明其可以较为精确地完成各项搬运任务。     

基于机器视觉的螺纹检测系统

本文应用机器视觉技术的螺纹检测,利用CCD作为螺纹几何要素的探测器件,借用小波变换去噪,模局部极大值进行边缘检测,解决了传统的不能在线检测的问题,同时提高检测速度和检测精度。     

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FPGA的西瓜子机器视觉色选系统

基于现场可编程门阵列FPGA并行运算平台,设计了一种采用线阵CCD芯片的西瓜子色选机系统.硬件平台将CCD芯片驱动、动态图像的采集与处理、分类计算及气阀控制信号输出等集中在一个FPGA芯片上实现.色选机试制系统产量为1.2～1.8 t/h,色选精度97.7％,带出比为6～8.与传统工控机平台进行对比试验,验证了基于FPGA的西瓜子色选机系统具有良好的实时性和高效性.