机器视觉软件论文-林君健,邱清昉,张玉春,李思捷

机器视觉软件论文-林君健,邱清昉,张玉春,李思捷

导读:本文包含了机器视觉软件论文开题报告文献综述及选题提纲参考文献,主要关键词:Linux,Qt,机器视觉,软件架构

机器视觉软件论文文献综述

林君健,邱清昉,张玉春,李思捷[1](2019)在《基于Linux Qt的机器视觉软件架构设计》一文中研究指出基于Linux Qt开发技术,提出一种适合于Linux的机器视觉软件架构。软件架构设计思路:将机器视觉工具算法与软件框架分开,在软件的运行过程中,视觉工具算法只需提供对应功能的接口,整个软件框架即可完成从相机获取图像,到多种不同视觉工具算法的调用,并通过选定的通信方式将数据传输至外部设备。结合Halcon图像处理软件,验证了该架构的灵活性与实用性。(本文来源于《机床与液压》期刊2019年17期)

闫彬[2](2019)在《基于机器视觉的猕猴桃膨大果检测方法及手机检测软件的开发》一文中研究指出膨大剂的使用虽能有效地提高猕猴桃的产量,但却导致猕猴桃品质下降、货架期变短且库损严重。因此,识别经膨大剂处理过的猕猴桃果实(膨大果)就成为猕猴桃采后加工业亟需解决的关键问题之一。现有研究表明,近红外光谱技术与高光谱图像技术可以实现猕猴桃膨大果的无损检测,且具有检测准确率高的优点,但这些技术所需的检测设备比较昂贵。为了给猕猴桃膨大果的检测提供一种无损、快速、廉价、方便的检测方法,本文以‘海沃德’、‘徐香’和‘华优’猕猴桃为对象,根据膨大果和未经膨大剂处理的正常果在投影面积和果萼形状方面存在的差异,利用数字图像处理与机器视觉技术,研究猕猴桃膨大果的识别算法,并基于Android手机平台开发猕猴桃膨大果的检测软件。主要研究内容及结果如下:(1)猕猴桃膨大果和正常果物理特性参数的分析及基于最大直径和投影面积的膨大果检测方法研究。首先分析了膨大果与正常果样本在物理特性参数(质量和最大直径)上的差异,提出了识别膨大果与正常果的方法,进而搭建了采集猕猴桃图像的系统,该系统由支撑架、手机、背景和一参照物组成。在对猕猴桃图像进行一系列处理后,得到各个样品的最大直径,对得到的各品种猕猴桃膨大果和正常果样品的最大直径进行统计和分析,提出以6.46、6.12和6.46cm分别作为判别‘海沃德’、‘徐香’和‘华优’膨大果和正常果的依据,该方法对这叁种猕猴桃膨大果的检测准确率分别为82.5%、87.9%和89.6%。为了提高识别的准确率,进而对各品种猕猴桃膨大果和正常果的投影面积进行统计和分析,提出以投影面积是否大于28.4、25.6和28.4cm~2作为识别‘海沃德’、‘徐香’和‘华优’膨大果的依据,该方法的检测准确率分别为87.1%、88.8%和98.3%。(2)基于果萼形状的‘海沃德’膨大果检测方法研究。根据‘海沃德’猕猴桃的膨大果和正常果在果萼区域最小外接矩形的长宽比存在一定差异的特点,分别将视觉注意机制、非线性灰度变换和K-means聚类算法应用于果萼区域的提取上。但是基于视觉注意机制方法使得提取的猕猴桃膨大果和正常果的果萼区域的长宽比分布重迭较多,对膨大果和正常果的识别效果不理想。非线性灰度变换和K-means聚类算法可很好地提取果萼区域。且发现膨大果果萼区域的最小外接矩形长宽比基本大于1.6,正常果的长宽比多小于1.6,因此提出以长宽比是否大于1.6作为判断‘海沃德’猕猴桃是否为膨大果的依据。验证结果表明,非线性灰度变化方法对‘海沃德’猕猴桃膨大果的检测准确率为90.0%,而K-means聚类算法对膨大果的检测准确率为91.5%。进而将果实投影面积与果萼形状相融合应用于‘海沃德’膨大果的识别,结果说明该方法对‘海沃德’膨大果的检测准确率为92.5%。(3)基于Android平台的猕猴桃膨大果检测软件的开发。基于OpenCV库与JAVA语言分别对叁个品种的猕猴桃膨大果检测算法进行移植,在Android平台上实现了检测算法。分析了膨大果检测软件所需的功能,并对其操作界面和算法进行了设计。基于Android Studio集成开发工具,通过编写xml文件设计软件的界面,使用JAVA语言编写了软件操作功能的算法。最后在不同手机环境下对软件进行了测试。结果说明,该方法检测‘海沃德’、‘徐香’和‘华优’猕猴桃膨大果的时间分别小于2s、0.2s和0.2s。(本文来源于《西北农林科技大学》期刊2019-05-01)

骆建芬[3](2019)在《基于机器视觉的汽车刹车油管检测软件研究》一文中研究指出机器视觉作为一项先进的自动化检测技术,可有效提高生产效率和工业制造水平。视觉检测在工业产品的外观缺陷自动识别及几何尺寸测量中有得天独厚的优势。以刹车油管为对象,利用机器视觉技术,结合软件工程学等技术,开发一套基于机器视觉的刹车油管影像检测软件及设备,并能及时完成分选、统计等功能具有一定的研究价值。(本文来源于《科学技术创新》期刊2019年07期)

郭永平[4](2019)在《基于机器视觉钛工件通用性测量软件的设计》一文中研究指出设计一种能够用于多种规格钛工件测量的通用软件系统,以提升中小型钛合金企业生产自动化技术水平。在OPENCV提供的算法库基础上,利用面向接口编程技术及设计模式等相关理论,将测量系统中常用的图像算法分析归纳分类,使得同类算法可以根据预先设置进行动态匹配,以满足不同生产环境、规格各异钛工件的测量任务。本设计解决了传统基于视觉测量系统通用性、可扩展性、可重构性差等问题,极大程度提高了测量精度,降低其视觉测量系统的开发和应用成本。(本文来源于《微型电脑应用》期刊2019年02期)

马健锦[5](2019)在《基于机器视觉的菌落自动计数软件开发》一文中研究指出确定菌落数量是农业、食品、医药、卫生分析中进行质量检测的一项基本而重要的工作。通过利用Open CV库函数对培养皿图像进行滤波、灰度化、二值化、查找轮廓、色差比对、形态学比对等一系列操作,找出识别、分割、统计出图片中菌落数量的准确方法。并设计出一套具有操作简单、价格低廉、结果准确等特征,可广泛适用于大多数菌落图像的计数软件。(本文来源于《海峡科学》期刊2019年01期)

任婕[6](2018)在《基于机器视觉的LCM质量检测设备的软件系统设计》一文中研究指出LCM(TFT-LCD Module)即液晶屏显示模组,是国家战略新兴产业,也是新一代信息技术中新型显示技术的具体落脚点。随着机器视觉技术的兴起和快速发展,这一技术已经广泛应用于工业生产中,尤其是在液晶显示屏领域发展迅猛,越来越多的液晶屏生产企业已在各制程中积极导入机器视觉检测装备,“无人工厂”已是大势所趋。本课题源自北京市朝阳区高新技术产业发展专项资金支持课题,以软件系统架构设计为切入点,研究基于机器视觉的LCM质量检测系统软件关键技术。在软件设计前期,与客户深入沟通需求,针对产线工人的特点,在用户交互设计方面进行了充分的考虑,使用户界面友好、简单易用。针对工厂生产线7*24小时运转的特点,重点对C/S软件架构设计、基于TCP/IP的Socket通信协议、多线程处理及控制等技术进行了深入研究,以保证系统稳定可靠。尤其值得一提的是,针对灰尘、背光源等伪缺陷造成的误检进行了重点分析,通过使用循环链表等数据结构,并灵活运用结构体、指针等数据类型,设计实现了伪缺陷滤除算法、静态缺陷校正算法、动态缺陷校正算法以及连续缺陷判断及统计等,有效减少了干扰、降低了过检率,研究成果具有一定的应用价值。目前搭载着系统软件的整套设备已在武汉天马微电子产线现场稳定运行,并得到了客户的认可。基于本项目奠定的良好基础,后续陆续中标厦门天马、深圳天马、上海天马等多个视觉检测装备采购项目,并拓展到京东方。视觉检测装备业务已初见规模。综上所述,本课题的研究成果已达到预期目标,显现出一定的经济效益和社会效益,并已初步建立软件平台,后续可在此基础上进一步升级、优化,以便能够快速扩展到液晶屏各个制程的检测,以及其他领域的视觉检测。(本文来源于《北京工业大学》期刊2018-06-01)

[7](2018)在《TwinCAT Vision软件将机器视觉无缝集成到自动化技术中——针对PLC程序员的实时图像处理软件》一文中研究指出倍福借助TwinCAT Vision软件将完整的图像处理功能集成到基于PC的控制系统中。TwinCAT软件将各种机器功能(PLC、运动控制、机器人技术、高端测量技术、物联网、人机界面和现在的机器视觉)整合到一个端到端的开发环境和控制平台中。由于具有这种高集成度,TwinCAT Vision省去了使用由第叁方开发的独立视觉解决方案的需要。该软件充分挖掘了机器制造的巨大创新潜(本文来源于《国内外机电一体化技术》期刊2018年02期)

肖书浩,何为,吴蕾[8](2018)在《一种基于机器视觉的通用平面尺寸检测软件系统》一文中研究指出针对产品生产流水线上的质量检测,开发了一种基于机器视觉的通用平面尺寸测量软件系统。不同于特定任务的尺寸测量系统,该系统通过灵活的底层类设计和测量工具设定功能,用不同测量工具的组合实现了不同类型的平面尺寸的检测自动化。该系统建立了一整套平面尺寸测量的计算模型,包括识别区域数据结构表达、边界点识别、平面曲线拟合和平面尺寸计算。(本文来源于《制造业自动化》期刊2018年03期)

刘航,郭俊先,王勇,周军,郭政[9](2018)在《基于机器视觉核桃大小分级系统的软件设计》一文中研究指出在基于机器视觉核桃大小分级系统硬件的基础上,完成分级系统软件的设计,并进行核桃大小分级的初步测试,设计主要包括3个方面,在相机生产厂家提供的软件开发工具包(SDK)上,基于VS 2010开发工具,进行相机的二次开发;利用VS 2010开发工具自带的窗口界面工具MFC开发程序界面;通过编写的图像处理程序完成对相机实时图像的采集和处理,并将处理结果实时显示在程序界面上。经初步试验验证,该系统软件对核桃大小分级正确率为88%。(本文来源于《江苏农业科学》期刊2018年04期)

吴爽[10](2018)在《基于机器视觉的粮食分选系统软件设计与实现》一文中研究指出随着社会生产效率的不断提高,机器视觉技术被引入了各种工业、农业生产中。色选机便是其中一种应用,用于高速、准确地分选目标物料,很大程度上减少了人力、物力的投入,并且提高了生产效率。本文针对色选机中机器视觉算法处理部分和上位机系统控制程序进行设计与实现。本课题首先对分选技术发展现状进行研究分析,从生产实际出发,改进性地提出并实现了一种基于机器视觉的粮食分选系统的软硬件架构方案,本文主要针对的是该系统的软件设计与实现过程。然后基于TMS320C6748搭建了图像处理平台,详细分析和选择了合适的主控处理器、图像传感器和系统传输总线,并建立了上位机系统控制软件平台。然后设计了物料分选算法,包括滤波算法、波形校正算法、颜色空间处理、物料识别算法和物料定位算法等部分。前叁个算法用于预处理图像,提高图像清晰度和稳定度,后两个算法是分选算法的核心,用于识别和定位物料,前者在很大程度上影响到了后者的准确度。接着设计了基于MFC的上位机系统控制程序,搭建了软件主体框架,并具备整机检测、方案管理、锁机码管理等功能模块,其中最重要的是自动色选功能模块,包含了物料分析算法和像素值聚类分析算法。其中物料分析算法用于从目标图像中完整提取出用户手动标选的物料,而像素值聚类分析算法则是对提取出的物料像素值进行分析、提取特征值。经过一年的开发调试,本课题设计的分选系统实现全部功能,能够高速、准确地识别并分选出目标作物,同时上位机系统控制程序实现了完善且友好的人机交互功能,用户能够在短时间内熟悉系统,使生产效率得到了极大的提高。(本文来源于《杭州电子科技大学》期刊2018-03-01)

机器视觉软件论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

膨大剂的使用虽能有效地提高猕猴桃的产量,但却导致猕猴桃品质下降、货架期变短且库损严重。因此,识别经膨大剂处理过的猕猴桃果实(膨大果)就成为猕猴桃采后加工业亟需解决的关键问题之一。现有研究表明,近红外光谱技术与高光谱图像技术可以实现猕猴桃膨大果的无损检测,且具有检测准确率高的优点,但这些技术所需的检测设备比较昂贵。为了给猕猴桃膨大果的检测提供一种无损、快速、廉价、方便的检测方法,本文以‘海沃德’、‘徐香’和‘华优’猕猴桃为对象,根据膨大果和未经膨大剂处理的正常果在投影面积和果萼形状方面存在的差异,利用数字图像处理与机器视觉技术,研究猕猴桃膨大果的识别算法,并基于Android手机平台开发猕猴桃膨大果的检测软件。主要研究内容及结果如下:(1)猕猴桃膨大果和正常果物理特性参数的分析及基于最大直径和投影面积的膨大果检测方法研究。首先分析了膨大果与正常果样本在物理特性参数(质量和最大直径)上的差异,提出了识别膨大果与正常果的方法,进而搭建了采集猕猴桃图像的系统,该系统由支撑架、手机、背景和一参照物组成。在对猕猴桃图像进行一系列处理后,得到各个样品的最大直径,对得到的各品种猕猴桃膨大果和正常果样品的最大直径进行统计和分析,提出以6.46、6.12和6.46cm分别作为判别‘海沃德’、‘徐香’和‘华优’膨大果和正常果的依据,该方法对这叁种猕猴桃膨大果的检测准确率分别为82.5%、87.9%和89.6%。为了提高识别的准确率,进而对各品种猕猴桃膨大果和正常果的投影面积进行统计和分析,提出以投影面积是否大于28.4、25.6和28.4cm~2作为识别‘海沃德’、‘徐香’和‘华优’膨大果的依据,该方法的检测准确率分别为87.1%、88.8%和98.3%。(2)基于果萼形状的‘海沃德’膨大果检测方法研究。根据‘海沃德’猕猴桃的膨大果和正常果在果萼区域最小外接矩形的长宽比存在一定差异的特点,分别将视觉注意机制、非线性灰度变换和K-means聚类算法应用于果萼区域的提取上。但是基于视觉注意机制方法使得提取的猕猴桃膨大果和正常果的果萼区域的长宽比分布重迭较多,对膨大果和正常果的识别效果不理想。非线性灰度变换和K-means聚类算法可很好地提取果萼区域。且发现膨大果果萼区域的最小外接矩形长宽比基本大于1.6,正常果的长宽比多小于1.6,因此提出以长宽比是否大于1.6作为判断‘海沃德’猕猴桃是否为膨大果的依据。验证结果表明,非线性灰度变化方法对‘海沃德’猕猴桃膨大果的检测准确率为90.0%,而K-means聚类算法对膨大果的检测准确率为91.5%。进而将果实投影面积与果萼形状相融合应用于‘海沃德’膨大果的识别,结果说明该方法对‘海沃德’膨大果的检测准确率为92.5%。(3)基于Android平台的猕猴桃膨大果检测软件的开发。基于OpenCV库与JAVA语言分别对叁个品种的猕猴桃膨大果检测算法进行移植,在Android平台上实现了检测算法。分析了膨大果检测软件所需的功能,并对其操作界面和算法进行了设计。基于Android Studio集成开发工具,通过编写xml文件设计软件的界面,使用JAVA语言编写了软件操作功能的算法。最后在不同手机环境下对软件进行了测试。结果说明,该方法检测‘海沃德’、‘徐香’和‘华优’猕猴桃膨大果的时间分别小于2s、0.2s和0.2s。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

机器视觉软件论文参考文献

[1].林君健,邱清昉,张玉春,李思捷.基于LinuxQt的机器视觉软件架构设计[J].机床与液压.2019

[2].闫彬.基于机器视觉的猕猴桃膨大果检测方法及手机检测软件的开发[D].西北农林科技大学.2019

[3].骆建芬.基于机器视觉的汽车刹车油管检测软件研究[J].科学技术创新.2019

[4].郭永平.基于机器视觉钛工件通用性测量软件的设计[J].微型电脑应用.2019

[5].马健锦.基于机器视觉的菌落自动计数软件开发[J].海峡科学.2019

[6].任婕.基于机器视觉的LCM质量检测设备的软件系统设计[D].北京工业大学.2018

[7]..TwinCATVision软件将机器视觉无缝集成到自动化技术中——针对PLC程序员的实时图像处理软件[J].国内外机电一体化技术.2018

[8].肖书浩,何为,吴蕾.一种基于机器视觉的通用平面尺寸检测软件系统[J].制造业自动化.2018

[9].刘航,郭俊先,王勇,周军,郭政.基于机器视觉核桃大小分级系统的软件设计[J].江苏农业科学.2018

[10].吴爽.基于机器视觉的粮食分选系统软件设计与实现[D].杭州电子科技大学.2018

标签:;  ;  ;  ;  

机器视觉软件论文-林君健,邱清昉,张玉春,李思捷
下载Doc文档

猜你喜欢