基于机器视觉的智能红绿灯系统

随着我国社会经济的高速发展以及城镇一体化进程的不断加快,城市交通堵塞问题日益严峻,在十字路口尤为常见.随着人们生活水平的提高,近几年内私家车数量急剧增加,导致路面车辆增多,汽车使用率增加,这是导致城市交通堵塞的主要原因.由于汽车的普及,市区内车流日益升高,每逢高峰时间,上班的、旅游的、购物的车流从四面八方涌入市中心.但...     

机器视觉技术及其应用分析

首先概述了机器视觉技术的基本原理并分析了机器视觉系统的构建：接着论述了机器视觉技术的当前主要应用领域与情况;最后分析了现阶段机器视觉技术存在的问题。     

基于机器视觉的花菇分选技术

为了实现花菇的自动分选,设计了一种基于机器视觉的花菇分选系统,并提出了相应的算法。针对花菇分选中花菇的菇柄长度、形状类别和菌盖面积这3个重要分选指标,提出了一种曲线结构特征分析的分选方法。跟踪花菇边界并计算曲率,根据边界上点运动变化模式判断曲线凹凸性,利用曲线类半径识别并定位菇柄的位置。使用极坐标意义下的线性插值重建去除菇柄的菌盖边界曲线,在重建曲线基础上提取9种形状特征参数和1个大小特征参数,利用主成分分析法从9个形状参数中提取相应的3个主分量,以这3个主分量作为输入,构建K近邻分类器作为形状分选模型。结合花菇的菇柄识别情况、形状等级和大小等级共同判定花菇的最终等级。试验表明,菇柄识别正确率为91.4%,且菇柄识别能显著提高形状分选的准确率,最终形状分选正确识别率可达95.6%,花菇等级分选正确率为92.2%。     

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。     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

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.     

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。     

基于机器视觉的棉种破损检测技术

研究了破损棉种的机器视觉识别方法,采用均值、方差、均方比等统计特性参数,计算棉种边界破损参数.通过实验确定均方比分类阈值为0.58,将棉种分为破损棉种和正常棉种.选取正常棉种330粒、破损棉种110粒,利用该检测系统进行检测,其识别精度达93%.     

基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵.室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2 mm和22.8 mm,可以满足除草剂精确喷施的要求.     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

基于机器视觉的电梯轿内监控技术研究

由于近年来电梯的普及率增长快速,电梯的安全受到更多的重视,群众对于电梯安全和效率的要求显著提升。文章利用机器视觉技术,对轿厢内情况实行实时的监控,通过轿厢内人员数量,起到阻止超载情况发生和调节电梯调度以达到安全及提升效率的目的。     

机器视觉技术在农业机械中的应用

随着计算机与图像处理技术的发展，机器视觉技术的研究与应用已扩展到农业工程领域，并在许多方面取得了重大成果。介绍了机器视觉系统的基本组成，概述了其在农业机械中的应用状况；讨论了农业机械应用机器视觉技术所存在的问题和发展趋势。     

基于机器视觉技术的棉籽破损检测

种子质量对增产丰收具有十分重要的意义。提出一种基于机器视觉提取单粒棉籽,自动识别破损棉籽的方法。试验用最大类间法自动选择阈值结合膨胀处理和区域属性度量函数提取单粒棉籽图像;基于改进阈值的小波去噪对图像进行增强;通过对多幅单粒棉籽图像的研究找到对破损区域进行阈值分割的最佳阈值,对整个棉籽进行阈值分割的最佳阈值;进而对分割后的图像进行相乘和数学形态学处理等方法得到破损区域特征;最后利用获取连通区域的方法实现破损棉籽的识别并将此方法用Matlab App Designer设计成软件。试验表明,此系统对破损棉籽的平均准确率达到89%。优于软阈值函数、硬阈值函数和软硬阈值折衷函数的平均准确率83.5%、85%和87.5%。     

基于机器视觉的核桃分拣装置

机器视觉技术,是数字化技术综合运用体现,它具有高效率、科学性等特征。基于此,文章结合机器视觉技术相关理论,着重对机器视觉在核桃分拣装置中应用的技术要点,以达到充分发挥技术优势,提升国内农业开发效率的目的。     

基于机器视觉技术对烟叶部位识别方法的研究

为探究机器视觉技术对烟叶部位的识别,通过对专家分级烟叶样本进行图像采集,提取样本烟叶图像中烟叶的颜色、形态等特征,采用不同的分类方法对训练集进行训练建模,再利用分类模型对测试集进行预测分类。结果表明：提取图像中烟叶的颜色、形态等特征能够较好地区分烟叶部位,采用朴素贝叶斯分类器判别其分类效果最好,准确率可达88.89%。该结果为实际工业分级的机器视觉技术运用提供了理论基础和数据来源。     

基于机器视觉和光谱技术水果分级的研究进展

机器视觉和光谱技术广泛应用于农业机械化领域,对推动农业智能化发展起着至关重要的作用。针对机器视觉在水果分级方面的应用现状,从研究对象的选取、检测分级特性指标以及检测方法的选择、机械装置及生产线开发3方面综述了研究的进展和存在的问题,并预测了相关的发展趋势,为机器视觉技术在农业中的应用提供了参考。     

基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵。室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2mm和22.8mm,可以满足除草剂精确喷施的要求。