【摘 要】
：
在柔性生产制造过程中应用机器视觉对工作区零件进行位置定位,零件高度会导致定位产生较大的绝对误差。提出双目视觉定位误差修正技术,利用一个视觉对工作区的图像进行采集和处理,甄别出零件的粗定位坐标,利用另一个视觉对零件的高度进行检测;根据检测的高度对零件坐标纠偏。通过实验验证了设计的实用性,双目视觉坐标修正方法简单可行,精度较高。
论文部分内容阅读
在柔性生产制造过程中应用机器视觉对工作区零件进行位置定位,零件高度会导致定位产生较大的绝对误差。提出双目视觉定位误差修正技术,利用一个视觉对工作区的图像进行采集和处理,甄别出零件的粗定位坐标,利用另一个视觉对零件的高度进行检测;根据检测的高度对零件坐标纠偏。通过实验验证了设计的实用性,双目视觉坐标修正方法简单可行,精度较高。
其他文献
Maxim宣布与专注于人工智能(AI)边缘计算的Xailient Inc达成合作,Xailient在其Detectum专利神经网络方案中采用Maxim Integrated的MAX78000超低功耗神经网络微控制器,检测并锁定视频、图像中的人脸。与传统嵌入式方案相比,Xailient的神经网络技术方案将功耗降低250倍(仅为280微焦耳),每次检测运算只需12ms,支持网络的实时运行,速率高于当前
变电站内继电保护压板的核对一直以来都是依靠人工进行操作,并且变电站继电保护压板装置众多,人工核对压板方式费时费力且易出错。文章提出一种利用深度可分离卷积网络实现继电保护压板识别的方法。首先,基于TensorFlow机器学习平台创建深度可分离卷积网络;然后,对采集的压板图像进行标注,形成数据集,并对网络进行训练,得到图像识别模型;最后,使用TensorFlow Lite对模型进行转换和优化,并将其应
Anthropogenic induced seismicity has been widely reported and investigated in many regions, including the shale gas fields in the Sichuan basin, where the frequency of earthquakes has increased substa
现有冲压或精冲模具(简称"模具")的寿命,直接与产品的成本有关,模具寿命与许多因素相关,比如模具材料成分、模具的热处理质量、模具内部润滑和冲压材料的润滑、模具的配合间隙等等,具有一定的偶然性,所以,提前预警模具的寿命非常困难。问题描述而当模具遇到如崩刃、掉块破损后,只有通过所冲压的产品尺寸和外观等表象,来推断模具是否已经破损,但要真正发现模具的损坏部位,检查起来非常不容易,有时操作人员需要把头凑到
机械零件的加工和制造过程中的毛刺对零件的外观质量、加工精度、装配精度和再加工定位等许多方面都会产生不良影响,甚至可能会导致整个机械系统瘫痪,大大降低机械系统的稳定性和可靠性。然而传统的检测方式多为人工检测。阐述对于毛刺的在线检测方案,包括毛刺视觉检测系统、硬件选型,采用COMSOL Multiphysics进行光场分析,验证系统模块的可行性。
针对现有图像质量评价方法的缺陷,通过深度学习理论建模人眼视觉系统(human vision system, HVS)特性,提出了一种基于视觉特征深度感知与学习融合(deeply perception and learning for pooling, DPLP)的评价方法。首先为了增加图像视觉特征的稳定性,根据人眼感光的空域结构特征和频域多通道特性,对图像依次进行二维Log-Gabor小波变换、梯
针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题。提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法。改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强
1967年9月16日,苏联西北部天气晴朗,为高空掠过的美国侦察卫星提供了绝佳的摄影条件。作为名为"日冕"(Corona)的最高机密计划的一部分,"日冕"卫星拍摄了一段胶片并继续沿轨道运行。这些图像是否在冷战时期为美国提供了重要的情报,我们不得而知,但50多年后,事实证明它们对威斯康星大学麦迪逊分校森林和野生动物生态学教授Volker Radeloff而言至关重要,Volker Radeloff教授
白细胞分割是医学图像处理领域的一项富有挑战性的任务,针对目前白细胞分割存在的准确度不高、粘连情况不易分割等问题,将图像的分割转化为区域节点的分类问题,提出基于图卷积神经网络的白细胞分割算法。首先将训练图像经超像素分割得到若干超像素区域,把每个超像素区域作为图的一个节点,并充分利用超像素区域的彩色特征以及空间邻域关系构造稀疏加权图来训练图卷积网络,然后利用训练好的网络对测试图像进行白细胞核、质、背景
为提升识别算法对纸病多样性的适应性,提出基于卷积神经网络的纸病识别算法。根据纸病类别多样性且形式复杂的特点,采用MSER分割算法对图像进行预处理,并利用卷积神经网络的逐层学习特性,结合Softmax分类器,建立卷积神经网络模型。对比实验表明,卷积神经网络模型具有更快的收敛速度和更高的检测准确率,验证了该识别模型的有效性。