摘要：为了解决人工计数微小片式元件低效、耗时并且容易产生计数误差问题,对基于图像处理的微小片式元件自动计数算法进行了研究,提出一种结合Canny算子的图像分割方法,有效地提高了图像分割的准确性,并采用轮廓回填抹除图像逐次分割方法提高算法效率。设计了基于图像处理的微小片式元件自动计数系统,计数结果准确率高,计数效率高,表明该算法实现了微小片式元件的实时高精度计数。

摘要：针对螺纹钢的自动打捆设计了自动计数分钢系统。自动计数分钢系统主要包括图像采集处理模块、控制模块、显示模块、光源模块和机械分钢模块。首先通过摄像头获取螺纹钢端面图像;接着对所获图像做数字图像处理,其中包括图像分割、图像滤波、图像数字形态学处理等;再采用面积判别法或圆环判别法实现螺纹钢的自动计数;然后将自动计数后的信号传输给机械分钢模块,以控制伺服电机的运动,从而实现分钢的动作。并且实现了在MATLAB/Simulink上的相关仿真。

摘要：针对人工管理电子元器件存在的工作效率低、实时性差和人工成本高等问题,设计并开发了电子元器件智能管理系统。该系统包括电子元器件智能存储柜、服务器端和Web客户端。采用双孔平行梁式传感器结合HX711采集元件重量信息,以实现元件的准确计数;利用RFID识别用户,结合电控锁实现柜门控制;利用语音模块与串口屏实现信息播报、库存显示与查询。利用SSM框架搭建后端服务器,利用MySQL数据库存放元件信息、用户信息和元件领取记录;利用Vue开发Web端。经系统测试表明,该系统具有元件自动计数、用户权限管理、元器件领存数据存储和可追溯等功能。电子元器件的平均计数准确率为98.8%,系统平均响应时间为3秒。

摘要：本文提出了一种体育球类自动存放及计数装置,该装置主要包括传送装置、置物架体、主控面板三部分,其中,传送装置包括底座、滑轮、旋转把手、皮带、运送板,实现了球从运送板移送至球类放置板的功能;置物架体包括固定支架、球类放置板、其他物品放置板、收纳筒,实现了球类的存放功能;主控面板包括显示屏、开关按钮、电源。通过本装置的设计,解决了现有市场上的球类放置装置不具备自动放置、自动取球和计数的功能,导致使用者费时费力的问题,提高了装置的使用便捷性。

摘要：介绍了一种简易产品自动计数器的软硬件设计过程,系统由漫反射光电开关E18-D80NK、STC89C51单片机和数码显示电路等组成,制作该产品自动计数器,经实测该系统具有检测速度快、计数准确、实用性强等特点。

摘要：设计了一种使用光电传感器并以80C 51单片机为核心的流水线产品计数及装箱控制系统,可以对工业自动化生产流水线上的产品进行精确的计数和装箱。

摘要："金花菌"的数量是评价茯砖茶品质的重要依据之一,为了快速准确的检测茯砖茶中"金花菌"的数量,本研究利用茯砖茶中的"金花菌"颗粒较大,颜色为金黄色,清晰可辨,与其它杂菌和茶基质差异较大的特性,设计出了一种自动、快速检测茯砖茶中"金花菌"数量的方法,首先对茯砖茶进行任意面切割,并利用高分辨率拍照设备获取茶切割面图像,然后利用Image Pro Plus软件中的图像处理系统对茶切割面图像进行处理,之后采用自动计数系统对茯砖茶中"金花菌"的数量进行统计,并以人工直接计数结果为参考,结果表明:本研究方法与人工直接计数法无显著差异,检测结果可靠。因此,该方法可以有效快速准确的检测出茯砖茶中的"金花菌"数量,从而达到在线快速准确地评价茯砖茶质量的目的。

摘要：在中小学程序设计教学中,教师应明确,就基础教育而言,程序设计教学重要的并不是教给学生语言和语法,而是教给其程序设计的思想和思维方法,让学生能够用编程来表达自己的创意和想法,培养其创新能力以及分析问题、解决问题的能力。

摘要：喷雾器质量的好坏直接关系到操作者的生命安全,也关系到农作物的生产安全和综合效益。我国手动喷雾器量大面广,应用普遍。为考核喷雾器的耐久性,检验其工作可靠性,设计了专门试验台。该试验台采用调速电机直联高传动比的蜗轮减速器驱动曲柄连杆机构,实现机械代替人工的自动化作业。该试验台还设置机具过载保护控制电路和自动计数显示功能。试验台具有结构紧凑、轻小方便、运行平稳和使用可靠等特点。

摘要：【目的】探究深度学习在草地贪夜蛾Spodoptera frugiperda成虫自动识别计数上的可行性,并评估模型的识别计数准确率,为害虫机器智能监测提供图像识别与计数方法。【方法】设计一种基于性诱的害虫图像监测装置,定时自动采集诱捕到的草地贪夜蛾成虫图像,结合采集船形诱捕器粘虫板上草地贪夜蛾成虫图像,构建数据集;应用YOLOv5深度学习目标检测模型进行特征学习,通过草地贪夜蛾原始图像、清除边缘残缺目标、增加相似检测目标(斜纹夜蛾成虫)、无检测目标负样本等不同处理的数据集进行模型训练,得到Yolov5s-A1,Yolov5s-A2,Yolov5s-AB,Yolov5s-ABC 4个模型,对比在不同遮挡程度梯度下的测试样本不同模型检测结果,用准确率(P)、召回率(R)、F1值、平均准确率(average precision,AP)和计数准确率(counting accuracy,CA)评估各模型的差异。【结果】通过原始图像集训练的模型Yolov5s-A1的识别准确率为87.37%,召回率为90.24%,F1值为88.78;清除边缘残缺目标图像集训练得到的模型Yolov5s-A2的识别准确率为93.15%,召回率为84.77%,F1值为88.76;增加斜纹夜蛾成虫样本图像训练的模型Yolov5s-AB的识别准确率为96.23%,召回率为91.85%,F1值为93.99;增加斜纹夜蛾成虫和无检测对象负样本训练的模型Yolov5s-ABC的识别准确率为94.76%,召回率为88.23%,F1值为91.38。4个模型的AP值从高到低排列如下:Yolov5s-AB>Yolov5s-ABC>Yolov5s-A2>Yolov5s-A1,其中Yolov5s-AB与Yolov5s-ABC结果相近;CA值从高到低排列如下:Yolov5s-AB>Yolov5s-ABC>Yolov5s-A2>Yolov5s-A1。【结论】结果表明本文提出的方法应用于控制条件下害虫图像监测设备及诱捕器粘虫板上草地贪夜蛾成虫的识别计数是可行的,深度学习技术对于草地贪夜蛾成虫的识别和计数是有效的。基于深度学习的草地贪夜蛾成虫自动识别与计数方法对虫体姿态变化、杂物干扰等有较好的鲁棒性,可从各种虫体姿态及破损虫体中自动统计出草地贪夜蛾成虫的数量,在害虫种群监测中具有广阔的应用前景。