基于双目视觉的汽车缝隙尺寸检测技术研究

为了实现对汽车表面缝隙尺寸的快速检测以保证整车的使用性能,提出了一种基于最小外接矩形的缝隙尺寸检测方法.对双目相机进行标定并获取缝隙图像之后,对缝隙图像进行去噪、边缘检测的预处理,通过最小外接矩形定位缝隙并进行固定点匹配,使用最小二乘法实现对特征点的三维重建,最终实现了对汽车表面缝隙尺寸的检测.以大众汽车的车身缝隙为检...     

基于颜色分量运算与色域压缩的杂草实时检测方法

提出了一种基于RGB分量运算和色域位屏蔽压缩的杂草实时检测方法。对杂草和作物的大量实验显示:颜色分量运算可增强目标的显示特性,而对色域的屏蔽压缩可在保证实时性的同时减弱图像噪声污染,减小干扰引起的纹理分割误差。该方法的处理时间几乎不受目标复杂度影响,可在30ms内有效分割出320×240分辨率图像中有颜色差异的不同杂草或农作物,对颜色分布波动具有较强的鲁棒性。颜色分量运算的线性组合系数可通过有监督的学习自动确定。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

农用运输车出厂前的实时检测系统

介绍了一种适用于大批量生产的农用运输车集成式实时检测系统，阐述了该检测系统的传感、测量原理和测控系统的软、硬件功能特点，利用该系统对批量生产的农用运输车辆进行检测的工序，以及相应的人－机一体化农用运输车检测的流程体系。     

透射率法实时检测农药浓度的实验研究

为了满足植保机械精确精量喷雾的发展需求,解决现有农药浓度检测方法的取样弊端,采用了一种透射率法来实现农药浓度的实时检测。该方法利用激光二极管作为激发光源,光电池作为光电探测器并通过I/V转换电路将光电池短路电流转化为电压值,由数显电压表终端显示。在对7组标准溶液进行电压—浓度的标准指数衰减曲线拟合实验中,拟合度为0.993 5。通过误差分析试验可以将检测误差控制在±4%以内,表明该农药浓度实时检测的方法可靠,稳定性高。     

桥式电动起重机主梁刚度的激光实时检测

主梁下挠(静刚度)是桥式起重机安全技术检验中的一项重要指标。主梁刚度的不足，会造成主梁承载后下挠过大，从而影响起重小车的使用性能，增大其运行阻力，使重载小车向跨端运行时爬坡或向跨中运行时溜车，引起制动定位不准确，而且恶化了主梁的受力状况，容易造成事故。     

基于含水率与温度补偿的土壤pH值在线实时检测系统

针对目前常用土壤pH值传感器在测量过程中受土壤含水率和温度影响较大的问题,设计了带有温度、含水率补偿模型的锑电极土壤pH值在线实时检测系统。利用最小二乘法对pH值和测量结果进行线性分析,补偿土壤pH值测量误差。试验结果表明,经过补偿之后,由温度和含水率变化导致的pH值测量误差至少可降低84. 5%,pH值测量值随温度和含水率的变化幅度不超过±0. 1。与市场产品ZD-18型土壤酸度计、HYSWR-ARC-12V型土壤含水率传感器、水银温度计对比研究得出,3项指标线性拟合决定系数均达到0. 99以上。为了确保自然环境下土壤pH值测量的适用性,探索了系统在使用过程中土壤含水率的阈值与测量精度,表明在土壤体积含水率大于5%的情况下均可有效测量。试验表明,在pH值3. 06～10. 36范围之内,本系统可有效测量,检测误差为-1. 53%～3. 51%,满足土壤pH值实时在线测量要求。     

基于计算机视觉的排种粒距实时检测系统

采用数字图像处理理论和C++编程语言实现种子粒距的实时检测。介绍了图像采集系统硬件构成,分析估算出图像采集和后续处理的耗时,给出了图像拼接和图像比例的计算公式,阐述了预处理式动态阈值法选取最佳阈值以及利用种子分布样本进行种子识别与粒距测量的方法。试验结果,系统的测量误差小于±1mm。     

水果品质智能化实时检测和分级系统研究

研究开发了水果品质智能化动态实时检测和分级系统,着重研究其水果输送翻转、水果精确过渡、水果动态称重和水果分级等子系统的相关机械与控制关键技术.在实时检测和分级过程中,水果以一定速度向前输送,并快速均匀翻转,以合适的位置和姿态传送到精确过渡系统,然后通过水果精确过渡系统传递给动态称重系统,从而准确、快速地获得该水果的质量信息.通过微机控制动态称重系统智能识别,综合判断每一水果的等级,结合控制系统获取并确定每个水果的位置信息,由控制模块将指令传输给分级系统,完成水果的分级.     

果蔬红外干燥在线实时检测系统设计

设计了一个果蔬红外干燥在线实时数据检测系统。采用质量传感器、AD温度传感器、PCI8310数据采集卡等将干燥设备中的果蔬样本信息储存到PC中,借助于VB程序进行数据处理,实现数据可视化,且生成了干燥曲线、辐射温度变化曲线及物料温度变化曲线。系统测试试验结果表明：该检测系统在线检测误差在±0.03％范围内,能够准确、实时反映果蔬红外辐射干燥过程特性。     

基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

杂草信息实时获取技术与设备研究进展

杂草信息的实时获取技术是田间杂草精准控制研究的首要问题,杂草实时获取设备是制约精准除草作业实现的瓶颈.综述了基于光谱、图像和光谱成像技术的杂草实时获取技术与设备的国内外研究现状,以促进精准杂草管理技术在我国的应用和发展.基于光谱的杂草信息获取方法较适用于实时防除作物出苗前的杂草,国外已有WeedSeeker、Weed-IT等杂草传感器.基于图像的杂草信息获取方法较适用于识别行间杂草,国外已有Autopilot、Cam Pilot、Robocrop等视觉导航产品和Robocrop InRow机械除草机防除行内杂草.基于光谱成像的杂草信息获取方法较适用于识别行内杂草,中、澳正联合研发微光子植物判别和杂草控制传感器.需要继续深入研究在复杂的开放式非结构的农田环境中,快速、准确地实时获取农田杂草信息技术.     

基于模式识别的农田目标定位线检测

根据农田图像的特点,采用K-means模式识别算法,实现农作物与背景的分离.通过对二值图像进行水平扫描.检测定位区域和定位点,利用定位点的坐标信息确定聚类判别函数,实现农田目标定位线的检测.多幅农田图像实验表明,定位线能够正确提取出来.该算法处理640×480像素的彩色图像蒂要0,12 s,在自动导航系统中是一种有效、快速的图像处理算法.     

基于单阶段目标检测算法的羊肉多分体实时分类检测

针对输送带场景中羊肉分体需要进一步分类检测问题,提出一种基于单阶段目标检测算法的羊肉多分体实时分类检测方法.在羊屠宰车间环境下采集包含多类、多个羊肉分体图像,经图像增广及归一化后建立羊肉多分体图像数据集,其中训练集7 200幅,测试集1400幅,验证集400幅.利用单阶段目标检测算法YOLO v3引入迁移学习对羊肉多分...     

手持式牛肉大理石花纹检测系统

针对牛肉屠宰加工企业的实际需求,开发了基于光谱技术与计算机图像处理技术相结合的牛肉大理石花纹检测系统,阐述了检测系统的工作原理、硬件构成、硬件参数的选择和软件系统的构建.通过选取中心波长为530 nm的窄带宽滤光片,利用工业相机提取该波长下的图像数据,开发了针对大理石花纹检测的图像处理软件系统,并且与人工判断大理石花纹等级进行了比对试验,结果表明该系统的检测精度能够满足对牛肉大理石花纹检测的要求.     

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。     

基于计算机视觉的雾滴尺寸检测系统的研究

雾滴的尺寸参数是评价植保机械性能的最主要质量指标。本文将计算机视觉技术和灰色系统理论运用于雾滴尺寸参数检测中。建立雾滴尺寸参数自动检测和优化系统。     

基于光学三角形法与图像处理的立木胸径测量方法

为提高林木胸径测量精度,减少劳动负荷,结合光学三角形法、图像处理及最小二乘拟合法,研究一种新的立木胸径测量方法.通过理论分析制定算法,搭建测量系统,对5株不同径级的立木进行测量计算,实验结果表明,采用光学三角形法的测量算法计算的直径精度较高,误差一般小于22 mm,相对误差率小于5.5％.     

玉米定向精播种粒形态与品质动态检测方法

为满足玉米定向精播对种子外形和品质的要求,设计了一种玉米种子精选装置,并研究了玉米种粒动态检测算法。经过脱粒并筛除杂质的种粒投入玉米种子精选装置,分两列两层传输,完成玉米种粒的动态检测。通过计算种子胚根尖端的方向,排除了种粒的重复检测现象;以人工选取的100粒标准种粒外形参数为基础建立合格种粒特征参数库,实现对种粒外形的检测;依据合格种粒和重度霉变种粒表皮亮度差异较大的特点,基于图像饱和度分量对重度霉变种粒加以检测;依据轻度霉变种粒表皮呈现块斑的特点,利用种粒的R、G、B颜色平均值检测轻度黑色霉变;以种粒黄色区域补洞后对应原种粒(B-R)的值,判断种粒的轻度白色霉变和轻度破损;对于外形和霉变检测合格的种粒,通过分析种粒区域中白色区域的大小,进行玉米种粒胚芽朝向的判断,为后续种粒定向包装和定向播种提供了依据。对280粒各品种玉米种子进行实时检测,每粒种子的平均检测时间约为14 ms,重复种粒判断准确率为95%,种粒合格性检测准确率为96.1%,胚芽朝向判断准确率为97.1%。