摘要：为了实现杂交稻低播量精密育秧,本文设计了基于嵌入式机器视觉的检测和控制装置。该装置实时采集秧盘播种后的种子图像,通过图像处理分析获取了播种量信息,与设定的播种量作对比,得到了播种量偏差值,根据偏差值调节供种排种轮转速,实现了播种量的智能闭环控制,保证了恒量精密播种。试验结果表明,本装置对每幅秧盘图像的平均处理时间为4.016 s,播种量检测的平均准确率可达到98.13%,在500盘/h的生产率下,可以满足实时在线检测需求。通过低播量(40 g/盘和50 g/盘)试验,验证了嵌入式机器视觉杂交稻低播种量检测的准确性和调控装置的有效性。

摘要：杂交稻机械化秧盘精密播种育秧过程中需要人工实时监测,以保证秧盘播种性能,为解决传统人工长时间户外、低效的监测方式,设计了基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统。系统由嵌入式开发平台、无线Wi Fi网关、高清网络摄像头、红外传感模块、远程服务器等组成。嵌入式开发平台采用Tiny4412开发板,并在其上移植Linux系统、摄像头驱动、GPIO口驱动;采用Qt开发工具,完成图像采集、实时显示,并设计出友好的人机交互界面;利用Jpeglib静态库对图像进行数据压缩;利用无线Wi Fi局域网、嵌入式系统和远程服务器按照规定的协议通过Socket通信进行数据传输。远程服务器基于Netty框架对采集到的图像数据进行校验、实时显示和保存。试验结果表明,不同分辨率图像的无线传输速率均满足育秧流水线实时作业要求,JPEG格式的图像经过数据压缩,其传输速率大大提高;嵌入式采集终端能够稳定采集播种秧盘图像,并成功地上传到服务器,网络平均丢包率为0.23%,误码率为0.23%。

摘要：智能相机将图像的采集、处理与通信功能高度集成,提供了有效的嵌入式机器视觉解决方案。在嵌入式机器视觉应用中,视频处理需求不断增加,同时还必须满足嵌入条件的挑战。智能ASIP算法和执行硬件是智能相机技术的核心,文中分析探讨了智能相机的系统结构设计、智能算法开发等关键技术,并对其发展趋势进行了展望。

摘要：为简化嵌入式机器视觉系统的开发,提出并设计了一种基于图编程技术的算法开发平台。平台将常用的图像处理和机器学习算法封装成一体化图形元件,开发者通过图形元件拖拽连接、参数调优、生成代码和跨平台下载可快速开发一套定制化嵌入式视觉系统,达到了在测量、检测、识别和定位等视觉领域中的广泛应用。经工程实例验证,所提出的方案合理可行,能够有效缩短开发周期,提高开发效率。

摘要：针对传统基于PC的机器视觉系统因其结构没有模块化,可移植性差,与工业现场设备通信比较困难等缺点,设计了基于嵌入式机器视觉的测控系统,该系统以DM642芯片为视觉图像处理单元,其控制单元为GTS-400系列运动控制器,硬件电路为基于RS232通信的DSP与运动控制器组成,并通过编程完成目标的识别、通讯、控制等功能;从实验结果中可以看出,该系统的图像处理单元成功检测到目标后,图像处理单元输出的信号能够被运动控制器快速捕捉并控制伺服电机实现点位运动;该测控系统的设计对嵌入式机器视觉应用于运动控制系统具有现实意义。

摘要：为了在嵌入式机器视觉系统中实现ARM处理器S3C2440与DSP处理器TMS320C5402之间的实时数据通信,设计出一种基于主机接口HPI的数据通信方法。阐述了嵌入式机器视觉系统的总体方案,设计了协处理器DSP的HPI接口与ARM主机之间连接的硬件电路,详细描述并分析了HPI的工作原理和各寄存器的作用,给出基于Linux操作系统的驱动程序。实际应用表明,该方法完全能够实现ARM主机实时地读/写DSP处理器内各存储单元的数据,速度可达10 MB/s,满足了嵌入式机器视觉系统的实时性要求。

摘要：智能相机在普通相机的基础上集成了图像的分析处理和通信功能,是嵌入式机器视觉的有效解决方案。在嵌入式机器视觉应用领域中,对高性能图像处理的需求不断增加,如何在提高性能的同时满足嵌入条件,成为了一种挑战。论文提出了一种使用DSP+FPGA平台搭建的高性能的智能相机图像后处理组件,DSP主频可达1.1GHz,配有USB、MIPI等对外接口,普通相机加装上该组件就成为了智能相机,可在该平台上实现图像拼接、亚像素插值、目标识别等一系列的图像处理算法。

摘要：生产企业在解决生产自动化的问题后,开始寻求以机器视觉为基础的检测自动化和装配自动化,机器视觉技术早已成为工业界关注的热点之一。针对项目需求搭建嵌入式机器视觉平台,使用了BASLER相机和Odroid-XU4开发板,操作系统为Linux,提出了一种结合Qt和OpenCV工业相机显示实现方法,软件开发平台为Qt Creator。最后对开发程序进行了运行测试,实验结果表明:此方法能较好驱动相机显示图像,此外在Linux下进行设计满足了基于嵌入式操作系统的应用需求。