应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题, 提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法. 文章应用机器视觉理论, 采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析, 通过现场实验表明: 该烟尘浓度检测算法正确, 能有效提高检测精度, 实时得到烟尘排放浓度.     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题,提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法．文章应用机器视觉理论,采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析,通过现场实验表明,该烟尘浓度检测算法正确,能有效提高检测精度,实时得到烟尘排放浓度．     

圆柱度仪测量基准的误差分离技术

针对大尺寸试件的圆柱度误差的超精测量时仪器的测量基准的误差分离问题，提出了一种可分离出基准间的平行度误差以及直行基准的直线度误差的方法，即反向法误差分离技术。利用该方法建立的两截面及多截面误差分离模型已用于重要试件圆柱度误差的超精测量中，误差分离结果的不确定度为０．２２μｍ。该技术对超精密车床的误差检定亦有很好的指导意义     

圆柱度仪测量基准的误差分析技术

针对大尺寸试件的圆柱度误差的超精测量时仪器的测量基准的误差分离问题，提出了一种可分离出基准间的平行度误差以及直行基准的直线度误差的方法，即反向法误差分离技术。利用该方法建立的两截面及多截面误差分离模型已用于重要试件圆柱度误差的超精测量中。     

基于机器视觉的犁体锻件轮廓测量

犁体轮廓是犁体曲面的边界,对犁体的很多性能都有影响。为了实现高温热态犁体锻件的快速、精确、非接触、自动化在线实时测量,提出计算机双目立体视觉犁体轮廓测量的解决方案;设计基于形态学的抗噪型边缘检测算子,实现犁体锻件的亚像素边缘提取;在对原始图像重投影和立体校正的基础上,研究亚像素二次校精校正算法,提高左右图像立体匹配的质量和速度。以犁胫为试验对象,采用双目立体视觉和图像处理,在HALCON和MATLAB平台上,开发基于机器视觉的犁体锻件轮廓测量系统,实现犁体轮廓的边缘提取、边缘重构、边缘拟合和数学描述,解决犁体轮廓尤其是热态锻件犁体轮廓测量难的问题,为犁体轮廓的检验、测绘、描述、制造和设计提供了新的途径。在Intel(R)Core(TM)i7-5500U CPU@2.40 GHz处理器上运行,测量精度1.44mm,相对误差1.4%,耗时468ms。试验结果表明:以机器视觉和图像处理为手段对犁体轮廓进行测量,具有一定精度和可行性,可以提高犁体设计、制造、检验的效率,与传统的三坐标测量仪和手工测绘相比,具有一定的优势。     

基于OpenCV的母猪体重评估的研究

为解决生产过程中母猪体重、腱围测量困难,难以对其生长进行实时监测的问题。本文设计了一套基于OpenCV计算机开源视觉库的猪畜体积评估系统。系统通过改进的PBAS前景检测算法和Canny边缘检测算法来满足运动目标且检测环境相对复杂的猪舍情况,通过建立评估模型完成母猪体重评估。试验选取60头成年母猪测试,试验结果表明,评估系统的识别准确率达95.5%以上,数据误差控制±5%以下,并且改进后的算法具有较高的检测精度且连续性更好。该文从机器视觉角度探索了母猪个体识别,有别于传统的RFID猪个体识别,该研究为无应激的母猪个体识别提供了新方法,也为进一步探索群养猪个体等奠定了基础。     

LSM算法评定空间直线度误差的分析与改进

为了有效地提高评定空间直线度误差的精度,运用几何学、误差理论和最优化原理,深入分析了LSM算法在空间直线度误差评定中所存在的原理缺陷;并改进了LSM算法,提出了改进LSM算法的数学模型.对改进LSM算法编制程序进行了数字实验,结果表明:改进LSM算法克服了LSM算法的原理缺陷,具有较高的精度.     

一种减小基于机器视觉的水果尺寸测量误差的方法

水果采后分级可以提高其附加值,增加经济效益。随着以成像技术、人工智能为基础的机器视觉技术的迅猛发展,其在水果的外观品质分级上也逐渐得到了广泛应用。基于机器视觉测量水果尺寸时,标尺通常在载物台平面,并未与所测水果直径在同一平面;另一方面,水果边缘成像点可能并非水果最大直径平面的点,这两个因素都会导致测量误差,进而影响分级结果。本研究对这两个因素导致的误差进行了分析,提出了一种减小误差的方法:若已知被测水果平均半径R,可将相机镜头置于与载物台距离为nR的高度,并计算校正系数,用测得的尺寸乘以校正系数即可减小误差。番茄果横经的测量试验结果显示,与用机器视觉方法的未校正测量结果相比,本方法可有效减小果横径测量平均绝对误差14.127%。结果表明,该方法具有简单、有效的特点。     

直线度与平面度坐标测量的不确定度计算

目前的直线度与平面度坐标测量只是给出最小二乘检验的结果,并没有给出检验结果的不确定度.根据直线度与平面度最小二乘检验的基本原理和ISO14253-2给出的不确定度传递公式,本文提出了一种直线度与平面度坐标测量的不确定度的计算方法.这种方法的特点是将直线或平面方程的系数看作一个随机向量,通过计算该随机向量的均值和协方差矩阵来确定直线或平面的方程和检验结果及其不确定度.这不仅保证了直线度与平面度检验结果的完整性,而且符合新一代GPS标准的检验要求,从而可以提高直线度和平面度坐标测量的准确性.     

烟草行业水松纸打孔参数的非接触光学测量方法研究

[目的]快速准确地测量水松纸打孔参数。[方法]设计了一种基于图像采集数字处理的测量方法。针对水松纸打孔边缘形状不规则的特性,开发出一种针对性滤波、边缘提取的图像处理方法。[结果]试验设计的测量水松纸打孔参数的方法提高了不规则形状水松纸的检测精度,对水松纸打孔参数的检测精度达0.01 mm。[结论]此方法克服了目前测量方法误差大、操作繁琐、人为因素影响大等缺陷,提高了检测结果的准确性和检测效率。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备,利用Graph Cut 算法对输入的立木图像进行分割定位,实现单幅图像中多株立木轮廓的自动获取;再通过智能手机相机对摄像头进行标定,从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶,进行深度提取模型的精度优化,进而确定信息提取的最优方位。同时,结合高精度陀螺仪获取相机俯视角,根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备,在本方法中的立木高度测量模型具有良好的稳定性,并且试验中最高相对误差为2.45%,树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便,能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

农机卫星导航自动驾驶作业精度评估试验的研究

针对农机卫星导航自动驾驶作业精度没有统一和规范的评估指标及评估方法的问题,利用高精度RTKGPS接收机,采用单点静态定位的测量方法,以农机卫星导航自动驾驶的起垄作业为测试对象,采集4块起垄作业地块的试验数据进行分析,并提出以垄向直线度和垄间平行度作为评估指标,对农机卫星导航自动驾驶作业精度的评估方法进行研究。结果表明:1)垄向直线度的最小值和最大值分别为2.70和4.59cm,最小和最大均方根分别为3.36和5.55cm;2)垄间平行度的最小值和最大值分别为5.16和16.88cm,最小和最大均方根6.76和24.72cm;3)根据垄向直线度和垄间平行度,农机卫星导航自动驾驶作业在1号地块的作业精度最高,3号地块的作业精度最低,与实际作业情况相符。该评估方法可实现对农机卫星导航自动驾驶作业精度的量化评估,能为农机卫星导航自动驾驶作业精度的评估提供一种有效地测试及评估的方法。     

机器视觉技术在农业领域的应用及发展

机器视觉技术在农业领域的应用极大地推动了产业转型和现代化发展。本文介绍了机器视觉系统的基本结构及双目立体视觉测量原理,阐述了机器视觉技术在病虫害识别监测、体尺测量、品质检测与分级、智能采摘与自动导航等方面的应用研究现状,从数据处理、作业环境、电源持续性三个方面分析了制约机器视觉技术在农业领域广泛普及应用的原因,建议从算法优化、种植标准化、多技术融合等方面来解决目前所存在的问题。     

收获机器手移动路线优化算法的研究

针对农业收获机器手,提出一种基于遗传算法的移动路线优化算法。利用收获机器手位置的数学模型,通过遗传算法优化机器手移动的角度和距离。结果表明,该算法结果的位置误差较小,取得较好的结果。     

三分量磁通门传感器的三轴正交校正与测量

受机械加工与安装水平的限制,磁通门传感器的三个分量相互之间无法保证绝对正交,由此会带来三分量磁测数据误差。本文通过建立一种三轴正交角度与磁总场误差关系模型,并对该模型进行正演模拟、反演分析及建立一种修正算法,达到推算三个分量不正交角度并修正的目的。实验表明,采用该方法对实际三分量磁通门传感器进行不正交度的测试与修正后,能够使其在测量总场时的误差减小到±10 n T,减小了测量时所带来的误差。     

影像测量仪长度测量不确定度评定

影像测量仪在器械检测实验中是产品机械性能检测的重要仪器。通过采用非接触式测量,用投影的方式按直角坐标对样品长度、角度等参数进行精密测量,是产品机械性能检测的重要仪器。由于该仪器属于高精度测量设备,影响测量精度因素较多,故正确评定测量不确定度十分重要。本文针对本检测室业务工作中影像测量仪的主要工作任务,以兽医注射针针管外径测量为例,对测量不确定度进行评定。     

基于实例分割模型的原木检尺径方法

【目的】为降低原木检尺作业中人为因素对检尺结果的影响，提升工作效率，提出一种基于掩膜区域实例分割模型和边缘拟合算法的原木径检尺方法。【方法】使用单目手机作为采集设备，针对3种不同尺径等级的桉树原木和矩形标尺作为研究对象。首先在不同距离下采集图像制作数据集，以8∶1∶1比例划分训练集、验证集和测试集，建立原木端面识别实验数据集。其次利用实例分割模型提取端面部分生成掩膜，使用边缘拟合算法求得矩形标尺和原木端面像素长度，结合标尺实际大小求得原木端面实际尺径。比较算法测量误差及不同国家标准下材积计算误差，评估该方法的准确性。【结果】本实例分割模型能够准确地实现原木端面掩膜分割，达到99.89%的精准率与99.41%的召回率，F1分数与均值平均精度相较one-stage算法有明显提升。通过最小二乘边缘拟合算法拟合端面为椭圆，求得椭圆短径作为原木尺径，对比真值，平均百分比误差约为-2.00%，较真实值偏小。对比不同尺径等级原木误差，100%小尺径原木、98%中尺径原木和95%大尺径原木的计算值误差范围为-5%～5%。对比不同距离下采集的原木端面图像，在50～100 cm以内采集图像效果最佳，平均相...     

基于单目视觉和激光扫描技术的油菜植株模型重建及株型参数测量

分别采用单目视觉和激光扫描技术对2个油菜品种中双6号和华油杂62号的植株进行三维重建,并在重建模型上完成了对株高、叶柄长、叶片长度和叶片面积等4个株型参数的测量。结果表明:使用单目视觉和激光扫描技术的重建结果均能真实地表现油菜植株的整体形态,叶片间无遮挡的中双6号油菜植株效果更好,测量误差在2.00%以内;形态复杂叶片间部分遮挡的华油杂62号油菜植株测量误差在3.00%以内。模型重建试验表明,利用单目视觉和激光扫描技术能够完成复杂植株的模型重建,并实现部分株型参数的测量,可以为作物的遗传育种提供数据支持。     

一种基于机器视觉的工业机器人分拣系统

机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算科的一个重要分支,它综合了光学、机械、电子、计算机软硬件等方面的技术,涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发。机器视觉系统的目地就是通过机器视觉产品(即光源、镜头、相机、采集卡)将被拍摄的目标转换为图像信号,传送给机器视觉软件(即图像处理系统),来代替人眼的测量、检测和判断。其原理是由计算机、图像处理器以及相关设备来模拟人的视觉行为,完成得到人的视觉系统所得到的信息机器视觉系统提高了生产的自动化程度,让不适合人工作业的危险工作环境变成了可能,让大批量、持续生产变成了现实,大大提高了生产效率和产品精度。本文主要从拥有机器视觉的工业机器人的分拣系统原理、行业现状及发展前景三个方面简明阐述。