摘要：概述了机器视觉的基础理论、典型视觉系统的组成以及它在各个领域的应用，介绍了国外在视觉硬件技术的最新动态及一些比较成熟的应用领域。

摘要：为在实际果园中实现果树的在线识别检测,设计一种基于机器视觉的果树靶标识别装置。首先提出一种应用在DSP端的在线果树靶标识别算法,用HSV色度分割法对图像背景进行分割,然后对分割后的树冠信息(白色像素占有率的数值变化规律)进行研判,设计横框和竖框两种识别算法,并设计一台搭载识别装置的移动小车进行田间试验。预试验发现光照度变化对识别效果的影响较小;选光照度为650 Lux开展进一步试验。结果表明,在车载速度分别为0.2 m/s、0.4 m/s和0.8 m/s时,横框识别算法的识别准确率分别为88%、84%、34%,识别准确率随小车速度的增大呈现递减规律,从摄像头对准靶标植株中心的时刻起,到系统判断出存在有效靶标植株时,产生0.4~0.8 s的检测延时。而相同条件下,竖框识别算法的识别准确率分别为88%、86%、84%,且识别延时较小(0.2~0.3 s)。竖框识别算法的优点是识别速度快、反馈的位置信息丰富,横框识别算法则能同步分析果树树冠轮廓的大小,根据两种算法得到的位置信息有利于进一步优化控制单棵植株的喷雾时间。

摘要：轧辊长时间使用表面会出现很多缺陷,为在修复前进行轧辊的缺陷检测,这里提出一种基于机器视觉的轧辊表面缺陷检测方法。利用工业相机获取轧辊表面图像;使用中值滤波算法去除图像中的干扰信息并使用拉普拉斯方法对图像进行锐化处理,增强轧辊表面缺陷区域的边缘信息;然后采用Otsu最佳阈值分割算法对图像进行分割,使图像更容易被理解和分析;最后,使用模板匹配技术进行缺陷识别;对裂纹、腐蚀、辊印这三种缺陷的识别率分别为98.75%、92%、93.33%。该检测系统表明对于腐蚀、裂纹、辊印这3大类轧辊缺陷情况有较好的检测效果。

摘要：熔接线是注塑制品中较为常见的缺陷,为检测该缺陷,采用机器视觉技术设计了一种利用骨架提取和斜率判断的图像检测方法。为了克服横梁反光及背景噪声和纹理的影响,利用高斯滤波和形态学运算消除图像中的反光干扰,并使用二值化突出横梁边缘信息;然后,结合处理后的图像,对其进行骨架提取与切割,并采用仿射变换得到旋正后的各段待测区域;最后,利用直线斜率判断的方式将异常区域作为缺陷检测出来。对采集的400张横梁区域图像进行实验测试,结果表明,该方法对于检测熔接线具有高效性,平均检测时长为1 s,且检测识别率达到97.8%,与直接采用直线检测方法相比,漏检率降低了40%,能够满足实际工厂生产的需要。

摘要：目的锯齿伤作为铜管材首要的缺陷,会造成管材后续二次加工开裂和服役破裂等严重问题,对缺陷进行高效、定量化的统计及分析是产品质量管控的关键性难点,也是铜管加工行业的空白。针对这一问题,基于机器视觉方法,设计并开发了铜管材锯齿伤缺陷智能识别算法和系统。方法首先,基于自适应阈值算法,设计采用一系列的降噪算法,实现锯齿伤管材横截面轮廓识别。其次,定义了锯齿伤缺陷占比的计算规则,通过算法优化,实现了开口和闭口2种锯齿伤的成功识别和缺陷占比的计算。最后,借助Python语言构建了图形用户界面(GUI)系统,完成了锯齿伤缺陷统计的软件化。结果通过对智能识别算法和实验获得的锯齿伤缺陷占比进行对比,发现相对误差保持在1%~2%,证明缺陷智能识别算法具有可行性和高精度。结论该系统可以有效地实现铜管锯齿伤缺陷识别和占比的定量、高效统计与分析。

摘要：我国是世界上数一数二的水果生产大国,人民对水果及果制品的品质等级要求越来越高。因此水果零售业如何科学、快速、准确地对水果进行等级评定,果制品加工业如何分筛最佳成熟度的果品制作果汁、果酱等果制品都是后熟型水果采后处理至关重要的环节。为了建立基于机器视觉的苹果成熟度无损检测方法,首先设计确立了用于检测和判定苹果成熟度的机器视觉检测系统,研究了苹果表面颜色信息的描述方法,通过比较和分析,发现宜采用RGB颜色模型对苹果彩色图形进行检测进而判别成熟度;提出了利用苹果果实的表面颜色信息,预测可溶性固形物来预测成熟度的新方法,参照农业国标GB/T10651-2008要求,可溶性固形物T>11%,判定成熟,判定为成熟后再根据主色红色占比Ra进行准确分级:红色占比Ra在45%(包含)以下,判定为不成熟;在(45~50)%(包含)范围内,判定为四级;在(50~65)%(包含)范围内,判定为三级;在(65~80)%(包含)范围内,判定为二级;在80%以上,判定为一级;利用训练完成的成熟度预测模型对250个苹果样本进行了成熟度判别,随机选取10组试验结果,数据显示预测的苹果可溶性固形物含量和实验测得的可溶性固形物含量误差不超过±0.2%。表明利用机器视觉识别苹果表皮颜色信息预测可溶性固溶物进而判别成熟度是可行的,具有通用性与推广性。

摘要：目前制造业中,金属零件的缺陷问题会导致重大经济损失,主要问题在于零件缺陷小且缺陷位置出现随机,传统人工检测难以区分微小缺陷位置与非缺陷位置,且人力成本高,经济效益低下。针对这一问题,研究提出一种基于机器视觉的金属零件表面缺陷检测方法,通过机器视觉检测代替人力劳动,同时采用交互式空间位置注意力模块,解决了金属零件表面的缺陷不明显难以检测的问题,采用对偶局部-全局Transformer模块,解决了缺陷区域与周围正常区域难以区分的问题,提高了金属零件表面微小缺陷的检测性能,从而提高企业经济效益。

摘要：某玻璃器皿企业的生产线需要设计一套自动化的缺陷检测系统,旨在提高产品质量检测效率。为了达到以上目标,研究过程以机器视觉技术为基础,设计了相应的检测系统,其硬件部分包括数码相机、机械手、工业计算机、光源以及称重传感器,软件部分的设计重点为视觉检测算法。该算法运用BP神经网络开展模型训练与缺陷识别,输入参数涵盖缺陷周长、面积、长宽比等。对系统的缺陷检测效果进行验证,结果显示,其对气泡、结石、夹杂物、裂纹四类缺陷的识别准确率分别达到95%、96%、97%、93%。

摘要：当前数字媒体平面设计系统忽略了区域色彩信息优化,导致色彩变化平衡严重,为此设计了基于机器视觉技术的数字媒体平面设计系统。硬件方面改造图像采集卡电路结构,优化系统图像采集模块;软件方面优化区域内色彩信息,呈现系统展示图形的视觉色彩分布,完成数媒平面设计。对比实验结果表明,所设计系统提高了设计图形色调均值,色彩更符合人类视觉感知颜色,降低了色彩区域边界重复率差值、顶点重复率差值,色彩变化更加协调。

摘要：中国农业产业结构正处于转型发展关键时期,加快农业现代化进程意义重大。为了进一步提升农业发展的现代化程度,研究基于机器视觉技术,使用深度学习框架YOLOv5(You Only Look Once v5)与迁移学习技术设计了农作物病虫害的自动识别与诊断模型。实验结果表明,研究改进的YOLOv5s模型识别准确率高达96.04%,损失值为0.026。消融实验验证了不同改进策略的有效性,模型交并比取值0.94,检测速度达120.39帧/秒、F1值为0.92。相比于现有先进模型,研究设计的方法在3种不同误差指标上具有一定优势,平均精度均值达到了92.37%,高于其他模型的85.2%和79.3%。此次研究的设计成果可实现病虫害的自动诊断,有助于实现农业病虫灾害的早期预警,为更多农产品的病虫灾害防治措施提供了技术支持。