基于机器视觉的稻谷自动检测系统研究

现有稻谷检测技术是通过人工识别,判定,计算等方法,以"出糙率"指标进行等级评定.以检测稻谷"出糙率"为目的,对检测技术,系统组成,图像库的建立与机器视觉识别,人工智能技术应用等方面进行了研究和工程实践的探索,指出了存在问题的解决途径和发展方向,并对粮食安全领域的自动检测设备开发,粮食安全战略的深度融合进行展望.

基于微波与机器视觉技术的工业品缺陷智能检测系统

本发明公开了基于微波与机器视觉技术的工业品缺陷智能检测系统,包括:检测系统与成像系统;所述检测系统与所述成像系统连接,所述检测系统用于对待测物体进行测量,得到测量数据,并将所述测量数据传输至所述成像系统;所述成像系统用于基于所述测量数据进行建模,得到目标成像;并将所述目标成像传输至所述检测系统,所述检测系统基于所述目标成像对所述待测物体进行无损检测.本发明将微波检测与机器视觉融合交叉,运用智能技术提升工业智能检测效率.可实现多角度,多方面,多维度的无损检测确定样本缺陷,实现对待测物体的物理性能与工艺参数等非电量的快速测量.

基于机器视觉的螺钉头部型号智能在线检测系统

为准确识别通用螺钉头部型号,构建了一种基于机器视觉的螺钉头部型号智能在线检测系统.该系统是采用工业相机,镜头以及红色同轴光源组成的机器视觉系统,经过图像预处理,边缘轮廓特征提取,形态学处理以及图像二值化等图像处理技术的处理,采用模板匹配算法提出了针对不同螺钉头部型号的智能在线检测方法.实验结果表明,该系统识别准确率高,稳定性强,完全满足工业生产中螺钉头部型号识别,分选的要求,具有良好的实用价值.

CMOS视觉识别在线检测系统在工业数码电子雷管生产中的应用

CMOS图像传感器在机器视觉方面已经在很多领域得到运用,在相关工程实际的基础上,通过分析工业数码电子雷管自动化装配生产线质量控制关键点,研发或引进机器视觉在线检测系统,实现生产过程质量数据在线采集,不合格品有效预警剔除.该系统能够有效管控在线产品质量,提高生产线的智能化水平,值得推广且为其他类似工程提供了很好的技术支撑.

智能图像检测在活塞在线分选中的应用

基于某活塞生产厂的活塞在线检测需求本文将机器视觉检测技术应用 于活塞在线视觉检测分选中,开发出一套智能图像检测系统.该系统将VB与图像传感器相结合,充分利用VB和智能图像传感器的特点,使检测系统操作简单,高 效精确.在检测中,主要应用了模板匹配原理对图像进行识别.该图像检测系统满足了生产实际的需求,提高了生产效率,减轻了工人的劳动强度,实现了活塞的在 线检测与分选.

基于机器视觉的工业机器人分拣系统设计与实现

工业机器人已经开始用于物流本包裹分拣业务中,它利用计算机视觉技术实现自动化流水线的分拣模式,自动化水平的不断提升.然而,工业机器人分拣系统在实际使用中,由于分拣类别不同,系统性能要求,分拣精度等方面也存在差异.物流成交量比较高的状态下,极容易出现"错件"分拣,快递分拣速度低等问题,将严重影响快递包裹分拣.本设计对工业机器人分拣系统的性能,功能等方面进行研究,用机械臂代替人工分拣,进一步提升了工业机器人分拣水平.具体的设计内容如下:首先,论文介绍了计算机视觉技术,工业机器人分拣系统技术,分析了工业机器人分拣系统的性能,分析了利用机器视觉,分拣系统,视觉分拣系统与自动识别算法等方法,为工业机器人分拣系统的搭建与设计提供了参考依据.其次,分析物流包裹分拣需求,利用机器视觉技术,设计了工业机器人分拣系统的总体框架.本设计主要包括相机控制功能,目标识别功能,视觉追踪功能,智能分拣功能设计.第三,为了增进对特定物流包裹的机器视觉识别准确度,采用了一个物流包裹检测模型的改进算法,特别在小尺寸目标进行识别中,设计并对分类网络进行改进,提高了目标分类识别的正确性,有效性.最后,在本设计的实验测试中,对工业机器人分拣系统的运行状态,性能,目标识别功能,目标抓取以及错检率等方面进行综合测试分析,在进行验证过程中,本次工业机器人分拣系统的搭建,错检率在3%以下,识别精度在97%以上,实现了对物流包裹的智能分拣.综上,本设计通过扫描条形码,对包裹进行识别,构建坐标系对机械臂完成协同控制,实现在复杂环境下的包裹分拣,提高了分拣过程中的机械臂末端执行器效能,物流快递包裹可进行有效分拣,达到快速分拣之目的,提高了工业生产效率,降低工作成本.