2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、在柑橘橘片罐頭生產(chǎn)過程中,脫囊衣后的橘片可能存在囊衣殘留、橘核殘留,橘片破損等缺陷,影響產(chǎn)品品質(zhì)。目前工廠中均采用人工分揀剔除缺陷橘片。人工分揀存在招工難、成本高,衛(wèi)生隱患等問題。本文以脫囊衣溫州蜜柑為研究對象,研究開發(fā)基于機(jī)器視覺技術(shù)的橘片分揀算法與自動(dòng)分揀設(shè)備,以實(shí)現(xiàn)橘片的自動(dòng)分揀。
  針對三種缺陷的脫囊衣橘片,根據(jù)其形態(tài)的不同與光學(xué)特征,設(shè)計(jì)機(jī)器視覺檢測成像系統(tǒng),研究不同種類的工業(yè)相機(jī)、鏡頭、光源對成像與檢測效果的影響,結(jié)

2、果顯示使用白色環(huán)形光源能夠獲得較為均勻的光照,同時(shí)使用紅色背景光源能夠獲得較為清晰的橘核特征,采用658×492像素的彩色工業(yè)相機(jī),搭建的橘片檢測平臺(tái)能夠較好的采集具有清晰缺陷特征的橘片圖像。
  針對三種橘片缺陷研究機(jī)器視覺算法,基于LabVIEW開發(fā)平臺(tái)及其視覺開發(fā)模塊,研究了灰度化、圖像分割、圖像增強(qiáng)、缺陷特征提取與分析等機(jī)器視覺算法,比較不同算法的處理效果與計(jì)算耗時(shí),編寫檢測與控制程序,并基于橘片檢測平臺(tái)進(jìn)行靜態(tài)的缺陷檢測

3、,采用Equalize算法可增強(qiáng)透射圖像的橘片輪廓,采用Clustering和Inter Variance兩種二值化算法能較好的分離缺陷特征。缺陷橘片的檢測準(zhǔn)確率可達(dá)到99.1±0.5%,平均耗時(shí)17±5ms,可實(shí)現(xiàn)每秒64±19片/秒的檢測速度。
  設(shè)計(jì)了用于橘片自動(dòng)分揀的機(jī)械裝置。為解決酸堿脫囊衣后部分橘片互相重疊,不利于機(jī)器視覺檢測的問題,設(shè)計(jì)并測試了四種用于將堆疊的橘片分散為單片的分散裝置,其中管道式的分散裝置可達(dá)到較好

4、的效果,使橘片重疊率降至0.27±0.18%。針對脫囊衣橘片脆弱易損的特性,研究了兩種橘片輸送裝置以及低損傷的剔除裝置,其對橘片的損傷率低于0.18±0.15%。
  構(gòu)建橘片自動(dòng)分揀設(shè)備模型,用于驗(yàn)證連續(xù)分揀時(shí)機(jī)器視覺檢測算法與機(jī)械裝置的效果,實(shí)現(xiàn)了對缺陷橘片的連續(xù)分揀,試驗(yàn)結(jié)果表明,該自動(dòng)分揀設(shè)備模型分揀速度可達(dá)到30片/s,識(shí)別準(zhǔn)確率達(dá)到99.1±0.4%,橘片破損率為0.11±0.05%,可達(dá)到較好的分揀效果并具有較低的橘

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論