摘要：为提高烟草物流中心自动化分拣效率,基于视觉技术提出了一种与高速自动化条烟分拣线相匹配的快速条烟识别算法。将穹形光源和同轴光源相结合设计了一种新型打光方式,使用高速彩色相机获取条烟图像信息,提出一种基于agast(Adaptive and Generic Accelerated Segment Test)角点域的特征描述方法。根据提取的特征建立条烟图像数据库,并使用极端学习机(Extreme Learning Machine,ELM)进行训练与识别,实现条烟的快速识别。将本文算法与SIFT和SVM算法的识别效果进行对比,结果表明:本文算法的识别率和实时性均为最优,识别率达到100%,识别耗时在3种算法中最少,能够满足自动化分拣线10帧/秒的要求。该算法为有效提高条烟异常情况检测的精度提供了参考。

摘要：为了提高垃圾自动分类回收再利用的效率,提出了一种快速匹配识别垃圾的算法。采用一款自带摄像头,具有图像识别作用的机器视觉开发组件Open MV,基于agast(Adaptive and Generic Accelerated Segment Test)角点域的特征匹配算法,以塑料瓶为研究对象,对算法进行了检验。该算法能够有效识别特定垃圾,一定程度上实现了垃圾分类的功能,为有效提高垃圾利用率提供了参考。