皮棉异性纤维剔除系统设计

设计了一种基于机器视觉的皮棉异性纤维剔除系统,研究了异性纤维在线检测和剔除技术。为满足在线检测要求,提出了基于图像形态学理论的二进制图像腐蚀改进算法和高速气流喷吹的剔除方法。试验表明,在清洁皮棉的生产率为1000kg／h时,改进的图像处理算法对异性纤维达到95％的识别率,高速气流剔除异性纤维时,落棉率可以控制在4％。     

基于不规则成像机器视觉的棉花白色异纤检测算法

基于不规则成像机器视觉系统,提出一种棉花白色异性纤维检测的图像分割算法:采用Gabor算子提取多个方向的特征向量,融合成特征图,由此增大背景与目标之间的对比度;然后基于特征图的统计规律进行二值分割,最后应用形态特征分离目标与背景.实验结果表明,该算法抗噪能力强、能检出白色异性纤维.     

基于可见光机器视觉的棉花伪异性纤维识别方法

为提高皮棉质量和皮棉中异纤的检测精度,提出了一种基于机器视觉的棉花伪异性纤维识别方法。皮棉经过开松装置被制成薄棉层,检测通道两侧的相机对棉层进行拍摄,并将采集到的棉层及异纤和伪异纤图像保存到工控机,通过图像分块及阈值分割等算法,提取伪异纤目标区域,统计获取区域的数个颜色、形状和纹理特征,基于特征数据,分别使用BP神经网络、一对一有向无环图策略线性核函数支持向量机和径向基核函数支持向量机对两大类棉花杂质进行分类识别。实验结果表明,99.15%的伪异纤目标可被准确识别,径向基核函数支持向量机在棉花异纤和伪异纤分类识别中,总分类正确率为95.60%,能够满足在线检测的要求。     

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.     

基于字符识别的收割机机器视觉研究

随着农业现代化技术的不断发展,无人驾驶技术开始被应用到农机的设计上,为了实现农机的无人驾驶,首先需要使农机具备智能化视觉系统。为了提高农机视觉系统的导航线识别能力,将基于翻译工具的字符识别技术引入到了系统的设计上,结合图像处理技术,通过对导航线的初步定位、二次定位和图像的滤波、灰度化及增强处理,可以准确识别出作业区域的导航位置线,还可以得到实时的位置坐标。测试结果表明:收割机在自主行走时可以沿着导航线位置行走,并通过坐标点来实时的修正行走方向,达到了精准定位导航的目的。     

基于机器视觉的哈密瓜大小分级研究

采用机器视觉技术对新疆哈密瓜进行自动大小分级。线阵相机在线采集哈密瓜样本RGB图像,通过对哈密瓜RGB图像进行灰度化、中值滤波、二值化、去除果梗、特征提取等一系列处理,获得哈密瓜二值化图像。利用椭圆拟合算法对二值化图像进行椭圆特征提取,基于椭圆长轴和椭圆率建立了哈密瓜大小分级标准,并以固定阈值建立分级模型。通过哈密瓜分级机系统进行大小分级,分级准确率达90.29%。     

基于机器视觉的工件自动分拣系统研究

对工件识别过程中,对于机器视觉技术的应用进行了一定的分析,并且简要地介绍了主要图像处理算法。在此基础寻求有效方法,对自动分拣系统决策方面提供一定的支持。     

基于机器视觉的胡柚分拣系统的研究与应用

文章以胡柚为研究对象,针对基于机器视觉的胡柚品质分拣生产线所涉及的关键技术进行理论和试验研究,先对在传输带上运动的胡柚进行图像采集、图像分割、图像平滑、灰度化和锐化等一系列的图像处理,然后对处理后的胡柚图像提取大小、颜色和缺陷的特征值,最后依据提取的特征参数进行大小、颜色和缺陷分级。并以此为基础,研究适合实时条件下的胡柚大小、形状、颜色及果品缺陷等品质指标的检测方法和分拣执行机构。     

基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

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.     

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。     

机器视觉技术在农产品破损检测上的应用

农产品的表面缺陷是农产品品质的重要特征,利用机器视觉进行检测具有人工检测所无法比拟的优越性。为此,分析了目前国内外利用机器视觉和图像处理技术进行农产品破损检测研究的现状和存在的问题,提出了今后研究的方向和发展途径。     

机器视觉技术在畜牧业中的应用

随着机器视觉技术的发展,特别是2010年以后,我国的机器视觉技术逐渐受到市场的关注,机器视觉的应用呈逐年上升趋势.畜牧业也正在从传统放养向集约化、智能化方向转型,机器视觉技术与畜牧业结合交叉最早应用在20世纪六七十年代,由于受当时的养殖环境、图像处理技术和计算机硬件的制约,仅仅停留在初级研究阶段.如今,图形图像、视频信...     

机器视觉识别技术在活塞装配中的应用

将机器视觉识别技术应用于活塞装配,研制开发的活塞装配机器视觉识别系统成功地解决了发动机生产厂在活塞装配中存在的漏装、反装和混装问题,保证了活塞装配质量,减轻了工人的劳动强度。     

基于机器视觉的苗期杂草实时分割算法

对利用植物的位置来识别作物苗期田间杂草的方法进行了研究。根据苗期田间植物的位置特征 ,建立了基于机器视觉的分割苗期田间杂草的算法 DBW。通过比较分析各种算法的分割效果图和所耗费的时间 ,运用超绿色法灰度化原始图像 ,然后应用最大方差自动取阈法二值化图像 ,最后运用种子填充算法分割作物和杂草。研究表明 ,算法 DBW在实时性方面表现出一定的优越性 ,处理一幅 5 4 4× 117像素的图像只需大约 6 0 ms     

基于机器视觉的嫁接苗移栽实时定位研究

针对自动化育苗流程中的嫁接苗移栽环节,提出了一种基于机器视觉的嫁接苗移栽实时定位系统。该系统能根据点云信息定位每次移栽嫁接苗时穴孔的位置,并且在穴盘受迫移动后重新定位穴孔的位置。具体的方法是通过RGB传感器与红外传感器获取工作区域内的点云信息,利用点云信息,首先离线标定传送带平面方程,进而根据实时的位置信息完成穴盘与背景的在线分离;接着从分离出的穴盘点云得到对应的二维掩膜,从掩膜中的单连通区域推算出每个穴孔的位置;针对穴盘移动之后的重定位,使用了基于随机采样一致算法的单应矩阵计算方法,由历史单应矩阵从初次定位的穴孔坐标计算出当前的穴孔位置。实验表明,该定位系统能有效定位穴孔的位置,满足嫁接苗移栽要求。     

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。     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景.介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农...