基于机器视觉的工件识别应用研究

在现代化的工厂流水线生产中,大部分都是使用人工的方式去识别工件。如果长时间使用人工去识别分类工件的话,不仅劳动强度大,而且还会造成人眼的视觉疲劳,容易出现错误。为了避免此类情况的发生,采用机器视觉图像处理软件的计算机识别检测的方式最为有利。这里在此提出HALCON图像处理软件对工件进行识别处理,判断最终是否能够正确的识别该工件。试验结果表明:经过一系列的图像处理手段,最终可以不受其他工件的影响,正确的识别出该工件。

基于机器视觉的工件尺寸测量研究

针对工件尺寸测量问题,大部分都是使用人工的方式去测量工件的尺寸,不仅劳动强度大,而且还容易出现错误。为了避免此类情况的发生,设计了机器视觉技术对工件进行尺寸测量。在此,本文利用HALCON图像处理软件对工件进行高度测量,采用双目相机对工件进行图像采集,分析了双目立体视觉的工作原理并对相机进行了标定,提出了一种提取鞍点法来对工件进行定位,并且利用求平面向量来确定工件高度尺寸的方法,结果成功测出了工件的高度尺寸为50.3 mm。实验结果表明,经过一系列的双目立体视觉处理手段,最终可以求出工件的高度尺寸,不仅提高了效率,而且在自动化生产方面具有较大实用价值。

基于机器视觉的金银花图像识别处理算法研究

运用机器视觉和图像处理的方法可实现金银花的自动化采摘,提高采摘效率。首先通过摄像机对金银花进行图像采集,将采集到的金银花图像进行中值滤波处理,有效消除图中的噪音;然后对金银花图像进行RGB和HSV颜色分割,找出金银花与背景区分最明显的分量B;再对分量B进行阈值分割处理,设定阈值,将金银花从背景中提取出来,运用形态学运算,使图像更加饱满;最后运用Canny算法,对金银花图像进行边缘检测研究,通过对Canny算法进行改进,使之达到更好的边缘检测效果。结果表明:通过阈值分割的金银花识别率为79.17%,传统Canny算法识别率为66.67%,改进的Canny算法识别率为93.75%,能够满足后续金银花采摘机器人的实时作业要求。

基于高斯混合模型的水果分类识别方法研究

对于水果的识别分类,目前大部分还是使用人工去完成分类,但是由于长期的重复劳动会使人工受到劳动强度和视觉疲劳的影响,容易造成错误,难以适应产业的发展。因此,为了提高水果识别分类的效率,使得水果分类能够更加的智能化、自动化,在此应用机器视觉技术针对水果识别分类展开研究。通过搭建水果图像采集平台系统,使用HALCON图像处理软件对水果进行了阈值分割和特征提取等操作,成功实现了水果与背景的分割,最后使用gmm(高斯混合模型)算法分类器对水果进行训练。实验表明:该方法能够准确有效的识别并区分出水果,在检验训练完成的分类器结果准确率为100%,100%,100%,90%,83%,验证了将高斯混合模型应用在水果分类识别方面的有效性。

机器视觉技术在水果采摘机器人中的应用

近年来,学术界展开了将图像处理技术运用到水果机器人采摘过程中的研究,把图像处理技术和机器视觉技术结合运用于水果采摘的过程,可以实现自动化和智能化的采摘,对于降低劳动强度和提高采摘效率具有极其重要的意义。对此,文章主要分析了机器视觉技术在水果采摘机器人中的应用成果,并对机器视觉技术研究方向进行了展望。

基于机器视觉的林果识别定位技术进展分析

随着机器视觉的不断发展,应用的范围也在不断扩大,将机器视觉与林果采摘相融合,能够实现自动化、智能化采摘,不仅能够减轻劳动力,还能够增加采摘效率、实现林果产业化的可持续发展。文中主要概述了利用机器视觉以及人工智能中的一些算法在林果识别、定位和缺陷检测等产业化过程中的应用现状,同时分析了一些相关算法的不足之处,表明机器视觉在林果的采摘中扮演了重要的角色,林果的采摘也必然是朝着自动化、智能化、高效化、低成本化方向发展,同时也为我国农林业发展做出理论指导和技术支持。