1. 研究目的与意义

研究背景： 从封建时期的手工生产到近代工业革命后的工业自动化，生产力在不断提高工业生产的产品种类和数量都有巨大的增长。随着工业4.0概念和“中国制造2025”战略目标的提出，传统的制造技术以及生产管理方式正在进行巨大变革，机械制造行业正朝着高速、高质量、大批量和智能化生产方向发展。而机器视觉技术由于其具有快速性、可重复性、客观性、非接触等优点，越来越多的引入到产品检测、工件识别、自动化流水线等工业领域中。

随着工业智能化的发展，越来越多的传统企业迫切的想摆脱生产效率低，过分依赖人力等这些普遍存在的局限性。因此，越来越多的机器人投入到工厂的使用中。与此同时，机器视觉作为机器人的视觉引导部分起着至关重要的作用。工件在分拣加工时，往往由装卸车将一堆散乱的工件倾倒在传送带上传送到机器人工作台，随后机器人对其进行抓取等相关技术的操作，而如何对这些散乱的工件进行智能识别与定位是机器人操作的前提。随着定位精度的增加，机器人也可以灵活的抓取目标，可以大大提高工作效率。

伴随着快递行业的飞速发展，快递的人工分拣已经快跟不上现在的快递分拣，但是机器人的引进就能够很好的解决这个问题。机器人最重要的就是机器视觉，随着机器视觉的发展机器人可以更加灵活、准确的抓取快递工件，通过对快递的准确识别，也可以事半功倍的分拣。

2. 研究内容与预期目标

研究内容：机器视觉是利用计算机对图像或视频进行处理，实现对二维或三维场景的识别、检测、感知和理解。目前，机器视觉已经广泛用于产品分拣领域。本题目要求研究基于机器视觉的快递件分拣领域中的识别与定位，对影响识别定位精度和速度的因素进行深入研究。

预期目标：本课题旨在利用MATLAB和C#对图像或者视频进行处理。实现对二维或三维场景的识别、检测、感知和理解。在快递分拣进行识别与定位，了解定位精度和速度的因素。

3. 研究方法与步骤

1．研究方法：

（1）利用matlab和c#完成图像的采集、传输、处理、分析等。

（2）参考各类文献，改革创新。

4. 参考文献

[1] chauhan v, surgenor b. faultdetection and classification in automated assembly machines using machinevision[j]. the international journal of advanced manufacturing technology.,2017, 90(9).

[2] manish r, venkatesh a, ashoksd. machine vision based image processing techniques for surface finish anddefect inspection in a grinding process[j]. materials today: proceedings., 2018, 5(5).

[3] fubo m. action recognition ofdance video learning based on embedded system and computer vision image[j].microprocessors and microsystems, 2021.

5. 工作计划

（1）1月8日至3月5日(1周前)：根据任务书， 明确设计的内容和目的 ，查阅相关文献材料准备开题报告。

（2）3月8日至3月12日（2周）：根据阅读的资料文献初步了解设计的原理以及实现的方法，开始写开题报告。

（3）3月15日至4月9日（3-6周）：掌握所选择硬件或软件平台的使用方法、开始完成设计的具体内容。