基于结构光的棒材自动计数技术

提出将线型激光垂直照射于处于冷床上的棒材,通过面阵CCD摄像机采集激光图像,并对激光线条进行细化处理后,用BP神经网络计算并恢复棒材截面上部分轮廓的空间坐标。另外,还提出局部轮廓形心的概念,根据棒材的部分轮廓得到棒材形心的分布,通过聚类方法确定棒材形心的数目,从而得到棒材的数目。分析讨论了棒材出现叠摞现象时的计数追加方法。

一种双目视觉多目标分拣系统设计与测试

针对人工包装USB组件效率低和分装错误率高的问题,开发一套集识别、选择和分选于一体的智能分拣系统。提出一种改进的分拣算法,利用边缘曲线等价方法确定工件形状,通过多目标形心图像区域分割快算方法确定各组件中心,采用Harris角点检测算法获取旋转角度。构建分选识别相机和旋转纠偏相机相结合的双目视觉智慧分选和包装模式。结果表明:最大旋转角度误差为0.75°,最大质心偏差为0.68 mm,测试成功率达99.5%以上,所构建的智能分拣系统对USB组件不同摆放位置模板匹配的误差和抓取误判率均满足设计要求。研究结果为智能化设备研究提供了参考。

基于多特征融合的粒子滤波生猪采食行为跟踪

针对中国养猪业规模化、集约化迅猛发展过程中,人工观察监测记录生猪生长情况需损耗大量人力和物力,得到数据误差大的问题,该文提出将颜色特征与目标轮廓形心特征融合,基于粒子滤波算法实现生猪采食行为跟踪,当目标跟踪矩形框中心坐标和跟踪目标轮廓形心坐标之间的横坐标偏差大于跟踪目标轮廓横坐标方向的最大值与最小值的差的一半时,或其之间的纵坐标偏差大于跟踪目标轮廓纵坐标方向的最大值与最小值的差一半时,对基于颜色特征粒子滤波算法得到的跟踪矩形框的中心坐标进行二次修正,提高了目标生猪跟踪的可靠性和鲁棒性;通过对比试验,结果表明:该方法能够对目标生猪的采食行为进行自动跟踪、记录和分析,记录的目标生猪一天内的采食次数和采食时间与人工记录结果基本相同,有效跟踪平均精度为93.4%。

基于霍夫圆检测的标志物多图像特征定位方法

针对霍夫圆变换对圆检测的不稳定、正确率低、准确度不高的缺点,提出一种基于霍夫圆检测的标志物多图像特征精确定位方法,实现对标志物空间位置地精确获取。用霍夫圆变换对图像初步检测,获取包含标志物的候选区域;利用颜色特征对候选区域筛选,去除虚假霍夫圆区域;再利用圆的自相似性和对称性,计算轮廓形心获取标志物中心位置;最后通过深度图像与彩色图像匹配的方法获取标志物的空间坐标。实验结果表明,上述方法不仅提高了获取标志物位置的精度,还降低了标志物倾斜变形对位置提取的影响。获取的标志物空间坐标可用于控制执行机构运动,为之后功能扩展奠定了基础。