面向分拣机器人的珍珠形状视觉检测方法

来源 :计算机测量与控制 | 被引量 : 0次 | 上传用户:tiantianle_a
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对人工进行珍珠形状分拣效率低、精度不稳定等问题,提出基于机器视觉的珍珠形状检测方法;采用背光成像方式消除珍珠表面纹理和光泽的影响,对获取的珍珠图像进行同态滤波等预处理算法,提高图像对比度;为了解决相互接触珍珠影响珍珠轮廓提取的问题,采用分水岭算法对珍珠图像进行分割,得到了独立存在的珍珠个体,再通过连通域标记、质心算法对珍珠进行定位;根据国家标准对珍珠形状的规定,基于珍珠图像信息建立珍珠形状参数模型,对珍珠形状进行量化;实验结果表明,不同形状的珍珠样本的检测误差为0.63%,形状统计精度为100%,算法耗时24 ms;该方法可准确高效地对珍珠进行分拣分级,具有一定的实用价值.
其他文献
提出一种基于希尔伯特变换和自适应双阈值的R波检测算法.首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置.使用4个具有不同频率和信噪比的数据库(MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库)和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出.在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测
为实现纸质医药包装钢印字符的实时检测,设计一种基于图像处理和深度学习的钢印字符识别系统.系统首先采用多种图像处理的方法对原始打光下的图像进行预处理,从而自动提取图片中的感兴趣区域,并将其输入训练好的Mask-RCNN网络进行实例分割,得到每张图片中的不同字符的像素位置与其字符数值.实验结果表明,对比传统的字符识别方法,该方法可以很好地解决纸质医药包装钢印字符图片中灰度跳变不明显的问题,准确分割出纸质包装盒图片中的钢印字符并进行标记,其字符的识别准确率达到99%,为生产线上钢印字符的识别和记录提供了新的解决
在动力学实验中,准确测量实验模型的动态位移响应是保证实验品质的关键环节,传统获取位移响应的方法都存在一定缺陷,比如无法全场测量,动态测量效果较差等;针对这些缺陷,提出了一种基于三维数字图像相关法(3D digital image correlation)的非接触式光学动态位移测量方法,搭建了基于三维数字图像相关法的非接触式光学测量平台,通过地面实验,将测量结果与真实位移进行对比分析,对其使用范围和精度进行了验证;实验结果表明,在像面内平移或垂直运动时,测量精度可靠;在绕像面横轴旋转运动时,角度应尽量小于2