基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研究

1、基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研究近年來，隨著計(jì)算機(jī)視覺的自動檢測技術(shù)在工業(yè)中的廣泛應(yīng)用，壓力容器生產(chǎn)廠家也開始采用計(jì)算機(jī)視覺方式實(shí)現(xiàn)浸水法氣密性檢測的自動化，如JohnssonF等[1]利用圖像處理技術(shù)對二維流化床中氣泡的大小、速率、空隙率進(jìn)行研究分析；HubersJL等[2]對三相流化床中氣泡拍攝后從氣泡隊(duì)列中計(jì)算得出氣相含率；唐遠(yuǎn)河等[3]提出了基于片光源二維平面的氣泡測

2、速方法，能夠?qū)Υ怪庇谄庠捶较蜻\(yùn)動的氣泡進(jìn)行有效地測速；BusciglioA等[4]在研究氣固兩相流體中氣泡行為時(shí)，結(jié)合圖像處理技術(shù)，對氣泡的大小、速率進(jìn)行了檢測；閆麗等[5]提針對氣液兩相流場中氣泡行為的三維測量算法，實(shí)現(xiàn)了對單個(gè)氣泡的行為測量，并具有較高的測量精度；O.Zielinski等[6]將光流法應(yīng)用于水中氣泡的檢測，并通過實(shí)驗(yàn)分析了可行性；吳春龍等[7]提出了一套基于PLC控制的氣密性自動檢測系統(tǒng)，并將基于光流理論的HomS

3、chunck圖像處理算法應(yīng)用于氣液兩相流場中氣泡的識別與跟蹤，實(shí)現(xiàn)了對鋼瓶漏氣點(diǎn)氣泡的檢測與識別；甘建偉等[8]提出一種基于FPGA的氣泡邊緣檢測圖像處理系統(tǒng)，等等。目標(biāo)數(shù)量的自動識別通常是視覺檢測應(yīng)用中不可或缺的環(huán)節(jié)之一，如管接頭上密封圈數(shù)量的自動檢測[9]、儲備糧倉袋裝糧數(shù)量智能測算[10]、疊層紙張數(shù)量檢測[1112]、儲備生豬統(tǒng)計(jì)[13]、高黏著其中，若pi=1，則認(rèn)為灰度級ni處于灰度直方圖波峰處，若pi=0，則認(rèn)為灰度級ni

4、處于灰度直方圖非波峰處，K表示波峰總個(gè)數(shù)，計(jì)算如式⑵所示。當(dāng)K=2時(shí)，使用OTSU進(jìn)行二值化操作；當(dāng)K=3時(shí)，使用雙閾值二值化；當(dāng)K為其他值時(shí)，統(tǒng)一使用灰度均值進(jìn)行二值化；根據(jù)直方圖波峰數(shù)量的二值化過程如圖2和圖3所示。2.2壓力容器輪廓提取為得到壓力容器邊緣，通常采用Sobel、Canny等傳統(tǒng)邊緣檢測算子來解決，但這些方法需要對圖像求導(dǎo)計(jì)算梯度。針對二值化壓力容器圖像的特點(diǎn)，下面提出一種8領(lǐng)域卷積算子，如式⑶所示。利用該算子對二值圖

5、像進(jìn)行卷積運(yùn)算，統(tǒng)計(jì)每個(gè)像素點(diǎn)的8鄰域值的情況，即可確定該像素點(diǎn)是否為邊緣點(diǎn)，從而實(shí)現(xiàn)壓力容器的輪廓提取。從二值圖像的左上角第一個(gè)像素開始，使用式⑶的算子對每個(gè)像素點(diǎn)做卷積運(yùn)算。其中，針對圖像最外層邊緣的像素點(diǎn)，使用復(fù)制邊緣像素的方法，在圖像外圈加一層與邊緣點(diǎn)等值的像素點(diǎn)，用于計(jì)算卷積值。若當(dāng)前像素點(diǎn)與G的卷積結(jié)果不為零，則該像素點(diǎn)為邊緣像素點(diǎn)；若當(dāng)前像素點(diǎn)與G的卷積結(jié)果為零，則該像素點(diǎn)為背景像素點(diǎn)。使用該算法對檢測池中待測壓力容器的二