形位误差的检测及评定

车间内常用的形位误差检测方法有：将被测实际要素与理想要素相比较,或测量实际要素上具有代表性的参数,如测量跳动等.     

双螺母滚珠丝杠副导程误差与摩擦力矩关系研究

为了准确计算双螺母滚珠丝杠副的摩擦力矩,基于载荷和变形协调理论,分析了导程误差对载荷分布不均匀程度的影响,结合预紧力和滚珠形变提出双螺母滚珠丝杠副导程误差与摩擦力矩的关系模型。利用行程误差试验台测量不同精度等级丝杠的导程误差,并将各丝杠分别匹配同一套螺母、垫片、滚珠,组成丝杠副,测量滚珠丝杠副的摩擦力矩。结果表明,在考虑滚珠丝杠导程误差和滚珠载荷分布不均的情况下,导程误差与摩擦力矩呈线性关系,不同精度等级丝杠对应的摩擦力矩计算结果与试验值的相对误差为0~8.79%,均小于文献[6]模型的计算结果,从而验证了本文模型的有效性。     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

大型板孔零件形位误差检测系统的误差分析

现代工业生产中对机械产品几何参数互换性要求日趋完善,形位公差在机械工业中应用非常普遍,而在形位公差中圆度、圆柱度公差对零件的影响尤为重要。因此生产中应十分重视合理地控制这些圆柱形零件的圆度、圆柱度误     

基于机器视觉的五坐标机床旋转轴误差检测方法

提出了一种利用机器视觉技术对五坐标机床旋转轴转角定位误差进行检测的方法。首先,通过制作特定的标志,用CCD相机获取标志图像;然后,通过数字图像处理技术对所获得的图像进行分析处理;最后,根据标志在不同位置处的相对转角偏差计算机床旋转轴的转角定位误差,实现五坐标机床旋转轴转角定位误差的辨识和测量。同时,将该方法与传统检测方法进行对比,实验结果表明,所提出的检测方法简单、高效,可以实现机床旋转轴误差的快速检测,并为五坐标机床旋转轴误差的补偿提供了计算依据。     

基于计算机视觉技术的双黄鸡蛋检测系统研究

随着生活水平的提高,人们对禽蛋的品质日益关注。双黄蛋由于营养丰富而备受消费者青睐,其商业价值远超普通的单黄蛋。为此,建立了一个基于计算机视觉技术的双黄鸡蛋检测系统。该系统通过提取鸡蛋的蛋形尺寸、蛋黄特征和蛋黄指数等特征,实现利用建立的关系模型完成双黄鸡蛋的识别检测,正确识别率可以达到95%以上。     

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。     

基于计算机视觉的葡萄茎直径高精度测量方法

提出了基于计算机视觉的葡萄茎直径测量方法,采用双边滤波降低图像噪声,通过Otsu阈值分割和BloB分析实现葡萄茎与背景的分离,应用基于特征点的定位方法得到茎直径测量位置,由茎直径所包含像素数和尺寸当量计算出茎直径值,从而实现茎直径连续测量.实验和现场应用表明,系统测量重复精度可达±0.5μm.     

基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。     

基于机器视觉的结球甘蓝形状鉴别方法

提出了一种机器视觉技术结合BP神经网络快速鉴别结球甘蓝叶球形状的方法。运用图像处理技术,提取结球甘蓝的高度、宽度、长轴、面积4个绝对形状参数,在此基础上定义了高宽比、圆形度、矩形度、椭形度、球顶形状指数等5个相对形状参数。分别以4个绝对参数、5个相对参数以及上述9个参数作为网络输入,建立BP神经网络叶球识别模型。测试结果表明,以绝对参数作为输入的BP神经网络正确识别率为62.5%,相对参数作为输入的BP神经网络以及相对参数和绝对参数9个参数作为输入的BP神经网络正确识别率均达100%,以相对参数作为网络输入的预测模型优于以绝对参数作为网络输入的预测模型,相对参数和相对参数结合绝对参数作为输入构建的BP神经网络识别模型均具有良好的分类和鉴别能力。     

基于计算机视觉的苹果自动分级系统硬件开发

介绍了一种基于计算机视觉的新型苹果实时分级试验系统的硬件组成,该系统主要由输送机构、视觉系统及均匀照明室３部分组成。输送机构可把苹果４个表面快速呈现给视觉检测系统;视觉系统可同时采集苹果在可见光和近红外光谱范围内的图像信息并送至计算机内存进行处理;照明系统为ＣＣＤ摄像机的视区提供均匀、恒定的光照。初步试验表明了该系统的可行性,其辅助机构的实时分级算法有待于进一步研究。     

基于双目立体视觉的植株生长状态无损监测方法的研究

基于双目立体视觉的植物生长状态无损测量方法研究,能快速地对植株生长进行无损监测,尤其能准确测量倾斜生长的植株高度,对于农业工程研究有重要意义。本研究在实验室搭建计算机双目立体视觉平台,对大豆植株生长进行无损监测。由于植物的形态与生长条件限制,双相机光轴与基线的夹角未能构成最佳双目测量系统,因此本研究对双目立体视觉平台本身的精度进行了校验。利用VC＋＋6.0编制的图像分析处理软件,结合界跟踪算法与斜率计算对植株的顶芽进行识别,能取得很好的效果。研究表明,实验表明双目立体视觉可应用于植物无损监测,具有广阔的应用前景。     

计算机视觉技术在番茄收获中的应用

运用双目立体视觉技术对红色番茄进行定位,图像进行灰度变换后,对图像的二维直方图进行腐蚀,膨胀以后除小团块,提取背景区边缘,然后用拟合曲线实现彩色图像的分割,将番茄从背景中分离出来,对目标进行标定后,用面积匹配实现共轭图像中目标的配准,运用体视成像原理,从两幅二维图像中恢复目标的三维坐标,从实验数据可知,当目标与摄像机的距离为300－400mm时,深度误差可控制在3％－4％。     

山竹的计算机视觉分级方法

提出了一种基于计算机视觉技术的山竹大小和颜色分级方法.针对以蓝色滚子为背景的山竹图像,在RGB色彩空间使用双阈值对图像进行初步分割;然后通过形态学运算、轮廓跟踪、区域填充提取出整个山竹目标;最后由颜色因子2G-R-B和G识别出果柄、果蒂和果皮.由果柄、果蒂区域形心和果皮区域形心位置判断水果的姿态,提取水果的最大横径作为大小分级指标;在HIS颜色空间以果皮区域的饱和度S和色调H的差值作为颜色分级指标.选取200个山竹进行分级试验,试验结果表明:果径检测精度为±1.8 mm,颜色分级串级果最大比例为10.2%.     

基于计算机视觉的玉米籽粒形态测量与研究

视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。     

基于计算机视觉的冷却牛肉嫩度分析方法

分别运用大理石纹和灰度空间相关矩阵两种方法对含脂肪组织和不含脂肪组织冷却牛肉的图像特征进行了分析。在含脂肪组织牛肉图像中提取了能反映牛肉大理石纹结构分布和数量信息的特征量，在不含脂肪组织牛肉图像中提取出3个反映牛肉纹理粗细的特征量，并用线性回归方法分别建立了特征量与肉嫩度等级间的数量关系。研究表明，灰度空间相关矩阵法适于不含脂肪组织牛肉的嫩度评价，大理石纹方法适于含脂肪组织牛肉的嫩度评价。