基于Halcon的锂电池标签表面缺陷检测

针对现有的工业上的标签表面质量检测过程中存在的速度慢,精度低的问题,提出一种基于Halcon的工业标签表面的印刷图案的缺陷检测。其方法主要思想为差分思想即根据不同工业标签表面图案的区域特征进行Blob分析来定位,通过基于形状的模板匹配算法来快速查找目标区域,然后利用灰度值差影匹配算法进行缺陷检测。最后通过图像配准的方法检测缺陷的特征值,该检测方法得到的检测结果与实际存在的缺陷基本一致,而且大大提高了检测的速度和精度,达到了生产线上的质量要求。

融合蚁群-A *算法的移动机器人路径规划

针对蚁群算法进行路径规划时,收敛速度慢,容易陷入“自锁”,且不易寻找到最优路径等问题,提出了一种融合蚁群-A*算法来进行求解。引入A*算法的估价函数,对蚁群算法的启发函数和信息素更新方式进行改进调整,降低其陷入“自锁”的可能性,从而能够快速寻找到最优的路径。最后用Matlab进行仿真实验,实验结果表明:算法在收敛速度上提高了近40%,并且在环境模型1和2中的最优路径分别为35.6706 m和29.7990 m,优于蚁群算法的37.7990 m和32.2132 m。