针对智能看护机器人在实际生活中对目标的检测速度慢和精度低的问题,提出了一种采用轻量型卷积神经网络模型对目标进行检测的算法。首先利用MobileNets基础网络对采集到的图像信息进行特征提取,然后利用多尺度特征图检测不同尺度的目标,同时引入抑制类别样本不均衡的焦点损失函数使模型更加侧重于对困难样本的训练。实验结果表明,改进后的网络模型计算量大幅减少,检测速度提高了7倍,对不同光照条件和复杂的背景环境具有鲁棒性,能够满足对目标的检测要求。

针对数字涡街流量计测量容易受外界振动干扰和量程下限受限不能测量小流量的缺陷。采用了DSP芯片2407A为处理器，利用其强大的运算能力和丰富的片内资源，并采用基于中心原则的频谱校正方法实现信号处理，有效减小系统的体积和制作成本，并且通过现场测试，解决了上述2个缺陷。

目标部分遮挡或缺失是计算机视觉应用到制造业中经常遇到的问题。对现实生产中工件间遮挡的图像匹配问题进行研究,提出了小波变换和Shi-Tomasi角点检测相结合的算法。对小波分解后的低频图像进行特征点提取,舍弃图像的高频成分,有效降低噪声对图像的影响。选用常见的法兰盘作为实验对象,在多种环境下验证文中算法的可行性,最后用RANSAC算法消除误匹配。匹配结果表明,该算法不仅可以减少遮挡工件匹配的计算量,去除伪角点,加快识别速度,而且在噪声干扰、旋转、尺度变化等条件下也有较好的匹配效果。

在气动测量理论的基础上,对机械零件内孔进行非接触精密测量,并对系统进行硬件和软件总体设计,包括数据采集、数据分析、误差分析.实现了以气动量仪为核心部件,计算机为辅助工具对零件内孔的高精度测量.