关键词： 图像处理技术   钢卷尺   检定   不确定度  

摘要： 针对传统钢卷尺检测过程中在自然环境下对人工依赖大的问题，设计了一种基于图像处理技术的自动检定钢卷尺装置，装置由视觉采集单元、控制单元和数据处理单元三部分构成，通过软件程序自动控制视觉采集单元采集图像数据，进行图像预处理，提取出图像检测区域，进行阈值分割后，确定线纹检测位置，最终计算出被检钢卷尺与标准钢卷尺测量位置的示值误差。依据测量不确定度评定模型，计算不确定度分量，得到示值误差的扩展不确定度U=0.06 mm,k=2。装置通过自动处理数据将有效提高检测速度，提高检测准确度，减轻工作强度。

关键词： 侧流免疫层析   图像分割   定量检测   智能手机应用程序  

摘要： 侧流免疫层析技术(Lateral Flow Immunochromatography Assay,LFIA)是一种被广泛应用的免疫分析技术。它利用特异性抗原-抗体反应,在试纸条上形成可见的信号线,从而实现目标物质的检测。该技术具有操作简单、灵敏度高、成本低、无需仪器等特点和优势,适用于多种领域,如医学、食品、环境等。随着我国人民生活水平的不断提高,对疾病检测和筛查的需求也日益增加,但如何实现低成本、快速、准确的现场检测仍然是医疗诊断领域的研究难点。因此,LFIA试纸条具有广阔的应用前景和市场潜力。然而,大部分LFIA试纸条只能进行定性或半定量的检测,并依赖于人工肉眼识别,不能满足定量的需求,这影响了试纸条的使用和推广。为了解决这个问题,将便携式检测仪器和智能手机应用程序(Application,App)结合起来,作为试纸条浓度的量化工具,成为了即时检测(Point of Care Testing,POCT)领域的研究热点。本文在前人研究的基础上对LFIA检测技术和图像处理算法进行了深入探索,并设计了一套基于智能手机App的LFIA试纸条智能定量检测系统,包含了硬件平台的搭建与算法的嵌入。本文的主要研究内容如下:a)介绍了 LFIA试纸条的研究背景、研究意义、结构组成及性质特点,并阐述了竞争法和夹心法两种工作模式各自的原理。概述了国内外LFIA检测技术以及定量检测仪器的研究进展与发展现状。b)针对试纸条定量过程中存在的复杂因素,分析并比较了几种现有的常用图像分割算法,结果验证这些算法在LFIA试纸条应用场景下表现并不佳。因此本文提出了 Mobile-UNet创新算法,专门针对试纸条分割定量场景进行了优化并最终采用此算法进行试纸条关键检测区域内控制线(C线)与检测线(T线)的提取。该算法主要包括图像预处理、图像分割定位、标准曲线拟合及稳定性实验。该算法能够有效地抵抗噪声干扰,对于低浓度试条图像能够较大程度地分割出其清晰轮廓,实验结果证明了其优良的分割性能。c)完成了 LFIA试纸条图像采集装置结构上的设计与搭建。该装置结构上采用环形白色发光二极管(Light-Emitting Diode,LED)作为照明光源,选用小型化、高性价比的互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)相机作为系统的图像传感器进行试纸条图像采集。该装置在保证图像质量和检测精度的同时,有效地缩小了体积,提高了便携性,大幅度降低了成本,适应了产品普及和远程医疗的需求。d)设计开发了 一款与图像采集装置和算法相配合的终端App,支持在iOS和Android手机上安装运行,实现人绒毛膜促性腺激素(Human Chorionic Gonadotropin,HCG)等生物标志物的快速检测和定量分析。以HCG为例进行加样检测表明,该App能够准确地测量加标尿液中的HCG含量(R2=0.978),显示出尿液中分析物浓度的真实水平,说明该App可以作为一种实时诊断的定量工具。图像处理算法、图像采集装置和手机App这三个组件的协同工作,可集成一个完整的、高效的LFIA试纸条定量检测系统。本文提出的检测系统已在杭州墨炬生物科技有限公司投入实际生产与应用,并已获准第一类医疗器械备案注册。该系统为LFIA试纸条的定量检测与疾病预判提供了新思路,有助于推动其在体外诊断(In Vitro Diagnosis,IVD)领域的广泛应用。

关键词： 烟支夹末缺陷   MATLAB图像处理   缺陷识别   连通域分析  

摘要： 在卷烟生产过程中，由于生产工艺、系统负压、烟丝质量、生产环境等因素，在烟条成型和接装时烟丝碎末易夹在烟支或滤嘴搭口处，产生烟支夹末缺陷质量问题。本文利用MATLAB图像处理技术对烟支夹末缺陷进行图像识别与分析。首先对缺陷图像进行灰度化、滤波、增强等预处理；然后对预处理后的缺陷图像进行二值化阈值分割；再对其进行数学形态学处理，运用膨胀和腐蚀方法来平滑图像和增强缺陷区域的特征，最后通过连通域分析标记夹末缺陷区域，实现烟支的夹末缺陷识别。通过对多种烟支夹末缺陷样本进行验证，结果表明，连通域分析标记方法能快速且准确地判断烟支夹末的缺陷类型。

关键词： 扑翼飞行机器人   视觉图像处理   聚类分析   边缘检测   图像拼接  

摘要： 为了解决扑翼飞行机器人实时控制过程中视觉图像自主识别和宽视野导航规划的难题，实现基于视觉的扑翼飞行机器人的宽视野规划导航控制，提出了基于聚类分析的扑翼飞行机器人视觉图像处理方法和边缘检测方法，并且基于块匹配的图像拼接方法，构建了基于遥操作的扑翼飞行机器人视觉感知构架。利用聚类分析方法对扑翼飞行机器人视觉图像数据进行分类，并利用典型的边缘检测算法对聚类分析处理后的机器人图像进行图像边缘检测，合理提取了扑翼飞行机器人视觉目标轮廓特征和环境边缘特征。利用块匹配对扑翼飞行机器人视觉图像数据进行图像配准，并利用图像融合算法提高了图像清晰度。以扑翼飞行机器人和视觉相机搭建了扑翼飞行机器人实验平台。对基于聚类分析的飞行机器人视觉图像处理方法和图像拼接方法进行了实验验证，系列实验结果验证了所提算法的有效性。

关键词： 《西夏文大藏经》   修复   图像处理与分析  

摘要： 见于文献著录的馆藏《西夏文大藏经扉画断片》均已残损断裂,不能作为修复时断片拼合的依据。通过文献调查,借助“中华古籍资源库”的线上资源,寻找到同一版本的国家图书馆藏《经律异相》卷第十五和《悲华经》卷第九扉画。利用CAD和PS软件通过计算机辅助技术将图像进行模拟拼合,并制作质子,作为实际修复中断片拼合的依据。计算机辅助古籍残片修复,有助于断片的精准拼对,期待数字化、智能化等现代技术能在古籍修复实践中得到有益的应用。

关键词： MATLAB图像处理   卷烟生产   烟支刺破缺陷   缺陷识别  

摘要： 在卷烟生产过程中，由于生产过程控制、设备磨损、烟丝质量等因素，烟支极易产生刺破缺陷，对烟支刺破缺陷进行识别非常重要。本文利用MATLAB图像处理技术对采集的烟支刺破缺陷图像进行缺陷识别。首先进行灰度化、滤波、增强等预处理，然后对预处理后的缺陷图像进行二值化分割，再去除小面积的二值化区域，实现烟支刺破缺陷区域的定位，接着，使用形态学孔洞填充方法填充刺破缺陷，并将填充前后的图像进行差分运算，最后再用边缘检测对刺破缺陷进行边缘标记，从而识别出烟支刺破缺陷。通过对多种烟支刺破缺陷样本进行缺陷识别验证，结果表明，该方法能较好地识别出烟支烟棒不同位置轻微和严重的刺破缺陷，具有一定的实际应用价值。

关键词： 无人机倾斜摄影   影像点云数据   测绘工程   地形图绘制   图像处理软件  

摘要： 近年来,随着我国经济的快速发展和城市化进程的加快,土地资源的需求量越来越大。传统测量手段无法满足需求,因此需要寻找新的方法进行测量。利用无人机倾斜摄影技术,通过无人机拍摄倾斜照片获取影像点云数据,并通过图像处理软件进行数据提取、分类及导入,完成地形图绘制任务。首先,介绍了无人机的基本原理以及其在测绘领域的应用现状。其次,详细阐述了无人机拍摄倾斜照片的基础知识,包括飞行器的运动轨迹、相机的安装位置、相机的参数设置等方面。再次,介绍了无人机拍摄倾斜照片后所产生的影像点云数据及其特点。最后以某小区为例进行了实地试验并分析了结果。主要成果包括:(1)提出了一种基于无人机拍摄倾斜照片获取影像点云数据的方法,具有成本低廉、效率高的特点;(2)根据不同类型的影像点云数据建立了相应的算法模型,实现了影像点云数据的提取、分类及导入等工作;(3)成功地将影像点云数据用于制备地形图,并且得到了较好的效果。

关键词： 数字图像处理   一体化教学   智能感知实验  

摘要： 阐述数字图像处理为载体研究教学和科研的协同关系,数字图像处理包括理论和实验的学习方式。以创新实验室为中心,通过数字实验平台和工具加强教学中的高效学习理解,在车牌识别、信息加密的应用中体现数字图像处理的实践价值。

关键词： MATLAB GUI   图像修复   图像增强   辅助教学   数字图像处理   演示系统  

摘要： 图像处理和机器视觉课程涉及知识面广,需要掌握计算机、数学、大数据、编程等相关知识,但现有的图像处理和机器视觉实验系统程序结构复杂,传统的直接在命令行进行编程的方法在教学直观性方面表现力弱,学生在课程学习中无法理解机器视觉相关算法的基本原理,不适合在课堂学习的初级阶段推广。为提高教学质量及学生的学习兴趣,在Matlab环境下,本文利用图形用户接口(GUI)设计并开发了此套图像处理辅助教学系统。本系统涵盖了图像处理和机器视觉的核心内容,分为图像修复、图像增强、图像滤波三大部分,实现了图像处理的可视化操作,系统交互性强,特别强调了模块化工程,将每个实现图像处理功能的代码分别进行function函数定义,有利于老师的教学讲解与学生的理解、自主学习。设计结果表明,该系统对图像的处理效果良好,化抽象为直观,可以更好地辅助教师授课、帮助学生理解和自学。

关键词： 电子地图   杂草   图像处理   识别方法  

摘要： 当前智慧农业中杂草对农业的威胁与日俱增,为了降低田间杂草对农作物的实际危害,研究在运用电子地图对杂草图像进行检测和处理的基础上提出了YOLOv4模型,并引入MobileNet提出MobileNet-YOLOv4模型,同时实验验证了二者的性能。实验结果表明,YOLOv4模型的平均准确率达到了98%。MobileNetV3-YOLOv4的平均准确率高达97%。同时,MobileNetV3-YOLOv4模型体积为44.4 MB,远低于原模型。综合来看,将MobileNetV3作为主干提取网络的YOLOv4模型具有较高的杂草图像识别准确性,在实际的除草设备中具有较强的实用性。