所属分类：电子信息产业

所属单位：天津科技大学

成果简介：针对传统巧克力生产线的现有设备布局和工艺路线，设计规划基于机器视觉的机器人自动追踪系统总体方案，实现利用震动上料盘和传送带给料，视觉系统采集提取计算目标位姿信息，引导SCARA工业机器人完成动态目标的抓取摆放。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：相比较于国产机器人的日渐成熟，3D传感器及无序抓取关键技术仍然是国内的一个研究难点和热点。工业机器人是中国乃至全球制造业发展的重要支撑，而3D视觉作为工业机器人之眼，对工业机器人的行业应用前景产生深远影响。3D相机能够实时的“看到”工件所处的位置以及姿态，自动判断得到下一个抓取的工件信息。机械臂系统根据3D相机的分析结果，自动规划路径并同时避开障碍物实现对工件的抓取。该成果包括3D视觉的无序抓取关键技术，包括3D传感器构建方法、三维立体匹配技术、多目伺服技术、三维点云重建技术、即时定位与地图构建技术（SLAM）、视图合成技术、无序分拣抓取规划技术、机器人抓取避障算法等。此外，该成果还包括基于上述技术的基础软件开发平台，可针对具体需求进行快速开发。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：针对当前塑胶套工件在生产环节中的人工检测方式存在的弊端，如效率较低、精度不高和对工件壁厚一致性测量比较困难等问题，本课题结合塑胶套工件的外形、材质和生产方式中的特点，集合机械设计、机器视觉、电气控制、计算机应用等相关理论知识，设计生产出一种可以对工件进行快速检测的检测系统。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：针对某一特定型号耳机套在加工过程中存在的混料、外轮廓毛边、内孔堵孔、表面粘料等缺陷，开发了一种通用性强、模块化程度高的耳机套视觉缺陷检测系统。针对缺陷种类的多样性和复杂性的特质，创造性地运用了多工位、多角度、变光源、全貌图像采集的检测方法。针对目前硅橡胶耳机套的缺陷在线检测的难题，研究设计出一种可以应用于硅橡胶圈进行在线缺陷检测及不良品剔除的通用性系统，缺陷产品剔除平均准确率为99.5%。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：活塞杆是气缸中唯一的作动元件，其表面质量的优劣直接影响到气缸的使用寿命，以及在规定的工作环境下气缸的推动力是否能够达到额定值，这就对活塞杆表面质量提出了较高的要求。同时，随着我国工业自动化水平的提高，企业也需要通过增强生产效率来提高市场竞争力，基于机器视觉引导的自动上料技术对提高生产效率有着重要的现实意义。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：油炸花生是生花生米在高温热油下急剧受热后的加工食品。 随着出口贸易的不断发展，油炸花生的需求量也越来越大，对油炸花生的品质要求也逐渐提高。 目前，传统的基于传送带的油炸花生分拣生产线主要依赖于人眼识别缺陷，人工挑拣次品，人力分装成品，劳动力成本大，误检率较高，且抗疲劳能力较差。 也有少数企业采用光电色选机等自动化设备进行分拣工作，但误检率也比较高。 近几年来，机器视觉技术被逐渐应用于检测产品质量，并引导机器人完成分拣工作，代替人工重复性操作，配合高帧频工业相机和机器人，为油炸花生智能分拣提供了可能。

所属分类：电子信息产业

所属单位：天津科技大学

成果简介：本项目的研究对象为规则、不规则岩心体积测量方法，目的是改变现有低效、低精度的人工测量方法，提出一种基于机器视觉的非接触式测量方法，从精度、效率、人员安全保障等方面进行提升，并研发一套基于机器视觉的岩心体积测量装置。

所属分类：电子信息产业

所属单位：武汉工程大学

成果简介：本发明公开了一种复杂场景下的多目标视觉显著性分层检测方法，有效解决了传统方法在处理含有丰富细节和多重目标图像时，难以准确、全面地识别出显著性区域的问题。该方法的先进性在于将格式塔线索运用到图像显著性检测中，针对具有复杂视觉场景和多目标分布的图像，充分利用感知结构信息和多目标分布信息，全面、均匀的突显出图像中具有明确边界的目标显著性区域。本发明可以广泛应用于智能视频监控、自动驾驶、医学影像分析、机器人视觉和智能农业等多个领域。在这些领域中，图像往往包含复杂的背景和多个目标，传统的图像处理方法难以高效准确地提取显著目标，而本发明能够在这些应用场景中提供更加精确的显著性区域识别，提升后续处理的效果。本发明的实现需要一定的资金支持，计算资源支持，配备适当的硬件设施如高性能的图像处理单元、足够的内存存储等以及用于测试的模拟环境。

所属分类：电子信息产业

所属单位：武汉理工大学

成果简介：本发明公开了一种基于机器视觉的有色金属破碎料智能识别方法，该方法包括以下步骤：1)数据采集，在实际分选场景中，采集铜铝两种有色金属类别的图像，建立有色金属破碎料多目标图像数据集，分为训练集、验证集和测试集;2)对训练集进行图像增强处理;3)采用YOLOv3模型的进行神经网络模型搭建和参数初始化;4)确定模型的损失函数和IOU阈值;5)训练获得改进后的YOLOv3目标检测模型;6)采用改进后的YOLOv3目标检测模型实现对有色金属破碎料的分选。本发明方法只需要较小样本训练就可以达到很高准确率;训练时间和识别时间短，可以达到实时识别的效果，满足工业界需求。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：本发明适用于机器视觉应用技术领域，提供了基于机器视觉的自封拉链质量在线检测方法，其使用一种在线检测装置，包括所述在线检测装置包括测宽机构和检测机构，所述检测机构包括支架，所述支架的顶部固定有调节平板，所述调节平板的顶部滑动连接一个X向滑块，所述X向滑块的顶部固定有一个水平设置的Y向滑台，所述Y向滑台上滑动连接一个YZ连接块，所述YZ连接块上固定有一个竖直设置的Z向滑台，所述Z向滑台上滑动连接一个相机连接块，所述相机连接块上固定有一个工业相机，所述工业相机位于所述环形光源的上方，本发明基于机器视觉实现自封拉链质量的在线检测，旨在实现拉链质量的在线自动化检测，提高生产良品率。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：该项目针对基于深度学习的表征学习方法所面临的应用成本高、不具备持续学习能力、低质量图像表征学习能力差等科学难题，历经多年攻关，提出了基于半监督及弱监督信息的表征学习理论，建立了基于人脑视觉学习与记忆机理的持续表征学习理论，构建了高噪声、低信噪比条件下的高质量鲁棒表征学习方法，为视觉信息的表征学习提供了新理论和新方法。该项目发表的5篇代表论文总计Scopus他引1058次，单篇最高他引394次，谷歌学术引用1596次，单篇最高引用543次。主要成果被国内外两院院士、IEEE/ACM/AAAI/AAAS/IAPR Fellows等大量国际知名学者引用并高度评价。第一完成人因在计算机视觉与多媒体领域的杰出贡献于2018年入选 IEEE Fellow，2020年入选AI 2000最具影响力TOP100学者榜单。项目成果应用于中国兵器工业第203研究所某型产品中，解决了复杂战场环境下弱小目标精准检测与识别的技术难题；应用于深圳禾思公司的智能产品缺陷检测设备中，实现了对多种产品缺陷的全自动化检测与识别；应用于深圳传音公司的手机智能影像处理与相册管理算法中，实现了模型的低成本训练及可持续学习能力，为企业带来显著经济效益。

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：智能图像处理及其芯片设计方法是计算机视觉和数字集成电路领域长期关注且快速发展的基础性、交叉性研究问题，在新型显示、视频监控与自主系统等智能终端中具有十分重要的应用。智能图像处理算法属于计算和存储密集型算法，对芯片电路的高效实时处理挑战很大，需要算法与VLSI架构协同的基础设计方法才能满足端侧智能应用对芯片在算法效果、实时性能和硬件耗费等多方面指标的要求。本项目以算法与VLSI架构协同设计方法为核心，围绕图像画质增强和目标感知两类典型问题开展深入研究。主要发现点有：1.提出了通过图像画质增强算法优化改善其VLSI架构效率的系统性方法，设计了全流水的自适应图像细节增强、对比度增强等电路，为高计算复杂度算法的高效芯片实现提供了新的解决思路，被国际知名学者评价“低存储和低带宽”、“提供舒适视觉体验”，集成于4款图像显示处理芯片，批量应用于高端电视。2.提出了硬件友好的紧凑表征图像目标感知算法，发现并设计了简洁高效的深度神经网络拓扑结构及部署策略，建立了端到端全卷积神经网络的图像目标感知模型，被国际知名学者评价“代表性轻量化模型”，批量应用于人脸识别与智能监控系统。3.提出了适配图像目标感知算法的高效高性能VLSI架构，发现并构建了模型自适应映射策略与动态数据流调度机制，解决了模型端侧部署计算资源利用率低、存储访问不均衡难题，被国际知名学者评价“高吞吐、低能耗”，在机载光电系统中完成验证。