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...     

计算机视觉在水稻大面积制种中的应用研究

水稻是我国最主要的粮食作物,在农业经济中占有重要的地位。水稻种植环境多样,高产稳产在很大程度上依赖于优良品种。制种是杂交稻生产的关键环节,种子质量对产量有着决定性的影响。随着科学技术的发展,无人机、物联网和计算机视觉等新技术在农业中得到了应用,推动了农业现代化进程。为此,将计算机视觉用于水稻大面积制种,实现对田间的空行和杂草杂株的识别,以及对父母本抽穗期的监测。试验表明:计算机视觉能够有效识别水稻空行,对杂株杂草的识别较为准确,没有出现误检的情况。计算机视觉监测的父母本抽穗期与实际接近,最大差异仅为1天,可以提高杂交种产量和纯度,推动水稻制种技术的发展。     

计算机视觉在果蔬机械采摘中的应用研究

随着自动化技术在农业生产中应用的逐渐推广,农业生产智能化、自动化水平越来越高.农业采摘作业是农业生产中较为重要的环节,为克服传统采摘作业目标识别困难、干扰因素多等问题,深入研究了计算机视觉系统原理,建立了计算机视觉系统数学模型,同时将计算机视觉技术应用到机械采摘系统中,完成了系统硬件系统及软件流程设计.对系统进行了仿真...     

机器视觉技术在农业应用中的研究

机器视觉技术是近几年来发展较快的信息处理技术,是人工智能领域的一个重要分支。随着图像处理技术的专业化、计算机硬件成本的降低和速度的提高,机器视觉在农业领域的应用已变得越来越广泛。为此,介绍了机器视觉技术在农作物生长监测、农产品品质鉴定、农业生产自动化等方面的研究和应用情况,并分析了其存在问题和未来发展方向。     

机器视觉技术在农业机械中的应用研究

随着科技迅猛发展,机器视觉技术在农业机械中的应用越来越广泛,机器视觉技术的发展,不仅体现了一个国家科技能力发展的水平,同时对于提高农业作物的产量和管理效率都有重要意义.机器视觉在农业中的应用为其精细化、自动化生产奠定了基础,不仅有助于解放劳动力,还有助于提高农作物产品的品质和产量.     

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。     

机器视觉在除草机器人中的应用

随着农业自动化技术和农业机器人技术的发展,许多国家和企业开始致力于机器视觉除草机器人的试验与研究。为此,在介绍机器视觉技术系统的基础上,结合除草机器人苗草识别的试验,讨论了机器视觉系统在除草机器人中的应用,详细分析了基于机器视觉的苗草识别系统,并优化其系统的硬件、软件结构、功能以及原理等。     

机器视觉技术在机械制造自动化中的应用

本文主要分析机器视觉技术在机械制造自动化过程中的应用,并描述了其应用的影响.在介绍机器视觉技术的基本概念的基础上,分析机器的视觉自动化在机械制造自动化过程中的用途.     

水果品质机器视觉检测中的图像颜色变换模型

在水果品质的机器视觉检测过程中,水果形状导致的图像颜色失真直接影响最终的检测和分级结果。本文在6个位置分别采集了3种大小、19种不同表面颜色的标准实验球体的图像。在分析球体的大小、表面颜色和图像采集位置等因素对球体图像颜色的亮度、色调和饱和度的影响后发现,球体图像的颜色失真主要是颜色的亮度失真。建立了摄像视区中心球体图像的亮度校正模型,该模型的相关系数R^2为0．846。采用该模型在Matlab软件平台上构建了柑桔图像的颜色校正算法,实验结果表明,该颜色校正模型和算法是有效和可靠的。     

车辆引导路线检测的计算机视觉技术初探

阐述了自动引导车辆农业工程中的应用,发展及其优越性,对有线引导计算机视觉系统设计的有关问题进行了分析及讨论,设计了利用哈夫变换进行经导路线检测的方法及算法,利用具有复杂背景的实际地面图像的设计的算法进行了可靠性和干扰性试验,试验结果表明该算法是可靠,有效的。     

类球形水果表皮颜色变化校正方法研究

针对类球形水果表面较大的曲率变化会引起表面亮度不均,从而导致水果颜色分级评价中存在误差大、准确率低等问题,提出了二维B样条水果表面亮度不均校正算法。利用该算法分别对原始RGB图像各单通道图像进行亮度校正,然后将校正后的RGB图像转换成HIS颜色空间图像,提取色调H和亮度I分量,通过对比校正前后H和I分量图像像素灰度标准差评价校正效果。对160幅橙图像处理结果表明,校正后的图像在色调和亮度上比原始图像更加均匀,色调H分量和亮度I分量的平均标准差分别仅为原始图像标准差的21.57%和33.94%,色调和亮度均匀性得到了明显的改善。     

基于颜色特征的稻种霉变检测算法

根据机器视觉检测杂交水稻种子质量的要求,对单粒、静态稻种图像进行霉变分析识别。比较了提取颜色特征的3种方法,研究了基于颜色特征的稻种霉变检测算法,经试验验证,该算法对正常稻种、轻度霉变稻种、严重霉变稻种的检测准确率分别为92％、95％、83％。     

基于图像处理的柑橘测产方法

利用机器视觉技术可以快速、无损预测柑橘产量.采集了10幅生长中的柑橘果树照片,同时测量了每棵果树的柑橘产量.基于RGB颜色模型,对柑橘图像进行分割,柑橘与背景的分割条件为(R-B>100)且(R>G).通过提取柑橘个数、柑橘总周长、柑橘总面积3个特征参数,分析了特征参数和柑橘单株产量之间的关系.实验证明,经过图像分析后得出的柑橘数与柑橘单株产量之间的相关系数最高,达到0.97,说明了利用图像分析方法预测柑橘产量具有良好的应用前景.     

自寻优调整机床主轴转速消除切削振动

提出根据机床切削稳定性的变化规律自寻优调整机床主轴转速的抑振新方法。理论分析和试验结果表明,机床主轴前后两转（次）切削振动的相位差ψ反映了切削振动的本质和特征,ψ＝２７０°是切削过程最稳定的状态。同时,机床主轴转速的变化会直接使相位差发生改变,只要调整主轴转速使相位差为２７０°,切削过程便可以在稳定区进行。作者提出的抑振方法控制振动效果可靠,可在生产中推广应用。     

基于颜色信息和形状特征的棉桃识别方法

为了给机械手自动采摘棉桃提供运动参数,提出了一种棉桃识别方法,可以从背景环境中准确识别棉桃,获取棉桃准确的位置信息。通过对棉花不同部分颜色数据的分析,建立了基于色差信息的识别模型,为进一步提高识别准确性,利用形状特征建立动态Freeman编码方法去除噪声。实验结果表明这种方法具有良好的棉桃识别效果,识别率达到85%。     

基于颜色特征的棉田中铁苋菜识别技

基于不同的颜色特征,利用机器视觉技术自动识别棉田中铁苋菜.分别对棉花和杂草铁苋菜的色差法(R-G,R-B,G-B)、超绿法(2G-R-B)、色度法(H)等5种特征图像进行对比,确定色度法利用最大方差进行二值化的效果最佳.创建与二值图像相对应的0、1双精度型矩阵,并分别与R、G、B三基色分量图相乘,获取前景是R、G、B三基色分量图,背景是黑色的灰度图像.分析棉花、铁苋菜前景R、G、B的标准差,确定R的标准差与B的标准差差值小于5作为判断铁苋菜的阈值.识别结果表明,棉花的判断准确率为71.4%,铁苋菜的判断准确率为92.9%,总体准确率为82.1%.     

冷冻食品切割机安全防护系统识别技术

为降低冷冻食品加工中工人操作时手部被割伤的风险,提出基于机器视觉的切割机安全防护系统识别技术,系统利用彩色相机对切割机工作区域进行实时监控,以锯条位置为参考点设置不同的危险区域,对采集的图像进行分析处理,针对工人操作时的手套颜色受照明影响大,提出拮抗色感知颜色特征提取与高斯混合模型分类相结合的目标颜色识别方法,对手套的颜色特征进行分类检测,通过形态学处理与特征量统计判定最终结果,判别工人手部所处的危险等级。实现了整个切割机的安全防护系统设计,其实验测试结果表明,系统能够准确识别不同照明条件下的手套颜色特征,相比HSV和CIE Lab颜色空间,降低了图像处理时间,单幅图像处理时间为39.18 ms,具有较好的鲁棒性,满足了安全防护系统实时性和可靠性的要求。     

基于计算机视觉的水果实时分级技术发展与展望

概述了计算机视觉技术在农业中应用的主要方面,综合分析了目前国内外利用计算机视觉进行水果实时分级研究的现状及存在的问题,并提出了进一步研究的方向和途径。