摘要：针对250 m L及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于机器视觉的医药大输液可见异物智能检测系统。在研究医药大输液图像滤波、异物分割的基础上,设计了大输液图像特征提取算法,提出了基于影响度剪枝的改进极限学习机(ID-ELM)分类算法对可见异物分类识别,最后进行了相关实验验证算法的可行性。所设计的检测系统在医药企业用户运行并测试表明,该系统具有高检测精度、高效率、高稳定性的特性,识别准确率超过95.5%,能有效剔除次品,解决了医药大输液可见异物的在线自动检测和识别的难题,为医药生产企业分析产品质量提供了技术保障.

摘要：针对电动车辆人工充电环节的效率低下、场合限制、漏电隐患等难题,研究了一种基于机器视觉的新能源电动车充电孔检测与定位方法。该方法能有效获取目标充电孔的有用特征,实现机器人的自动化充电。首先采用中值滤波去除强电磁噪声的干扰;然后提出了基于HSI颜色模型的二阶段图像检测方法,包括HSI模型变换、Hue分量阈值分割、形态学操作、Canny算子边缘检测、鲁棒性拟合等步骤,并以亚像素的高精度提取出目标充电孔特征;最后,采用HALCON软件对设计算法进行验证测试,实验结果表明该方法能有效识别充电孔,且定位精度满足机器人作业要求,运行时间约为1051.2 ms。