智能机器人水果采摘识别系统设计

为了提高水果识别的准确性,减少周围环境对识别的影响,设计了一种用于智能水果采摘机器人的识别系统。采用随机森林来学习优化气味传感器的输出,其目的是更好地识别气味;利用摄像机采集到的原始图像计算出对应的本质图像,来对采集到的图像特别是有阴影的图像进行去阴影分析辨识。最后通过结合气味传感器的"气相"结果与摄像机的"色相"结果来评定采摘动作。实验证明该识别系统为后期果实的采摘提供了比较精确的参考。

基于文化粒子群的图像配准优化算法

针对图像配准中采用互信息作为配准相似度函数存在配准精度小和收敛速度慢等问题,构造了一个基于最大化互信息的配准测度函数。结合一种适用于图像自动配准的文化粒子群优化(CPSO)算法,给出了一种新的图像配准算法。该算法将搜索空间设置成群体空间和信念空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。群体空间的粒子群不仅通过跟踪个体极值和全局极值来更新自己,还通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。这就克服了图像配准中计算量过大、搜索速度慢等问题。大量实验表明,与现有的粒子群优化(PSO)算法配准算法相比,文中提出的算法具有较好的鲁棒性和配准精确率。

球形永磁阵列振动能量收集器设计与优化

为实现多方向环境能量收集,设计球形电磁式振动能量采集器。基于二维Halbach阵列设计的球面Halbach永磁阵列,较传统永磁阵列能提高线圈中磁链变化梯度,从而提高结构输出性能;建立数学解析模型,据解析结果对模型各参数进行优化;对该模型进行有限元仿真分析及实验性能测试。结果表明,该模型能有效响应空间任意方向振动,进而转化为电能;外部激励为10 Hz、激励为水平方向、负载阻值50Ω时,该球形振动能量采集器输出电能达最大,单个线圈中最大负载功率可达0.8 m W。

单方向电磁式振动能量采集结构的设计与优化

为在尽量小的空间产生足够大的电能,设计了一种基于Halbach永磁阵列的单方向电磁式振动能量采集器。利用Ansoft Maxwell软件对Halbach阵列的磁场进行了初步分析,分析显示Halbach阵列相对于传统的永磁阵列可以有效增强单边磁场。建立模型并对其中的拾振结构进行动力学分析,对换能结构提出3种方案并进行了优劣比较,根据换能结构方案对模型的结构参数进行了优化,得出优化后的仿真输出电压约为1.4V。最后搭建实验平台,得出实验结果约为1.2V,与仿真结果基本吻合,验证了本结构设计的合理性及正确性。

改进的RHT算法在弹簧卡箍检测中的应用

针对弹簧卡箍零件缺陷检测的人工离线检测方法的一些缺陷,提出一种改进的随机Hough变换的智能检测方法。该方法以弹簧卡箍的几何特征作为分析对象,对RHT的随机采样作了3方面的改进,有效地减少了无效采样与无效累积。实验分析显示,改进的RHT用于弹簧卡箍的检测时,尺寸误差都在1个像素之内,并且检测时间只有改进前的RHT算法检测时间的27.05%,最少的只有4.62%。实验结果表明,改进的RHT算法能够更加准确快速地检测出弹簧卡箍的尺寸。

改进型文化粒子群在图像配准中的应用

设计了一种用于图像配准的优化算法。根据图像灰度和空间结构信息,构造一个基于最大化互信息的配准测度函数,结合一种适用于图像自动配准的文化粒子群优化(CIPSO)算法。新的配准算法在搜索空间上进行优化设置,将整个搜索空间分成群体空间、信念空间两组。群体空间的粒子不仅根据自己空间的个体最优和全局最优来优化自己,还与信念空间中的最优个体进行交互学习,加速粒子群的收敛速度,克服了图像配准中计算量过大、搜索速度慢等问题。实验表明,与现有的PSO配准算法相比,提出的算法具有较好的鲁棒性和配准精确率。

基于脉冲耦合神经网络的弹簧卡箍缺陷检测

传统的弹簧卡箍缺陷多为产后人工全检,存在漏检与缺陷率上升等现象,这不但会使成本上升、也对人力资源提出了考验;为此实现自动实时在线全检就成为急需解决的课题,设计了基于机器视觉的弹簧卡箍在线自动检测系统,该系统安装在弹簧卡箍流水线两侧,搭建特定光源,通过激光传感器外部触发工业相机对其表面进行图像捕获,送上位机进行缺陷判定与定位,最后通过RS485将判定结果送下位机来控制剔除机制;实验结果显示:该系统采用改进的脉冲神经网络(PCNN)能准确提取目标缺陷区域并对缺陷进行判定,可在0.348s每个零件的速度下,检测出弹簧卡箍表面大于10像素的缺陷;通过对不同弹簧卡箍进行检测验证实验,证明了PCNN算法对缺陷分割的准确性和有效性。