基于機器視覺的珍珠檢測系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、傳統(tǒng)的珍珠檢測依靠人工來完成，檢測過程中易受主觀因素的影響且效率低。隨著生產(chǎn)工藝和技術(shù)的進步，珍珠自動檢測系統(tǒng)逐步代替人工檢測。本文基于機器視覺技術(shù)和圖像處理技術(shù)，對珍珠的自動檢測進行了理論研究與實驗分析。論文涉及了珍珠自動檢測系統(tǒng)的研究現(xiàn)狀、檢測和測量硬件的設(shè)計、圖像預(yù)處理的選擇，特別是在硬件方面對照明系統(tǒng)進行了理論建模與仿真實驗。
　　珍珠顏色分類時，選用幾種珍珠顏色，提取RGB與HSV顏色模型中的特征值，針對HSV顏色模型中

2、H、S這兩個分量進行分析，提取顏色信息轉(zhuǎn)換到HSV顏色模型中。提取珍珠顏色H、S為特征值，利用神經(jīng)網(wǎng)絡(luò)作為分類器對珍珠顏色分類。實驗表明系統(tǒng)測量誤差在8％以內(nèi)，總體變動的范圍符合實驗的要求，說明該方案對珍珠顏色檢測可行。
　　在珍珠形狀大小檢測分類方面，確定本課題所選圖像預(yù)處理的方法。對預(yù)處理后的圖像進行圖像分割，提取邊緣輪廓信息，然后再提取質(zhì)心，轉(zhuǎn)換到極坐標下求得長短徑。在形狀方面主要利用珍珠邊緣輪廓是否出現(xiàn)畸變情況。結(jié)合標定實

3、驗即可對珍珠的大小進行測量。實驗表明軟件尺寸測量結(jié)果與千分尺測量值基本一致，測量誤差在0.200mm以內(nèi)。對形狀判斷誤差在8%以內(nèi)，總體變動的范圍符合實驗的要求，說明該方案對珍珠形狀大小檢測可行。
　　在珍珠紋理分類研究時，選取了形態(tài)紋理情況各異的珍珠樣本，基于灰度共生矩陣提取珍珠特征參數(shù)。探究了針對珍珠圖像的灰度共生矩陣影響因素的選??；數(shù)據(jù)分析部分采用主成分分析法對特征參數(shù)降維，得出可以取前兩個主成分作為檢測標準，并且貢獻率接近