基于數(shù)字圖像處理的濾棒溝槽檢測技術(shù)的研究與實現(xiàn).pdf

1、目前,視覺檢測技術(shù)已經(jīng)廣泛應(yīng)用于工業(yè)檢測中,而濾棒溝槽參數(shù)檢測目前主要是采用人工測量的方法,但其弊端是不僅檢測步驟繁瑣,耗時長,而且容易因視覺疲勞引入人為誤差,因此本文設(shè)計實現(xiàn)了一套溝槽參數(shù)自動檢測軟件系統(tǒng)。
　　本課題主要是針對生產(chǎn)線上的濾棒,設(shè)計完成了一套滿足生產(chǎn)實時性的溝槽參數(shù)自動檢測系統(tǒng)。該檢測系統(tǒng)主要是完成對溝槽個數(shù)、溝槽深度、溝槽比表面積的檢測,然后將檢測到的溝槽物理參數(shù)與溝槽設(shè)計值進行對比,判斷濾棒溝槽參數(shù)是否達標,

2、進而對濾棒做出質(zhì)量是否合格的判斷。根據(jù)本文要實現(xiàn)的目標,本課題的主要研究內(nèi)容如下:
　　1.通過對檢測參數(shù)和溝槽濾棒結(jié)構(gòu)的分析,設(shè)計檢測系統(tǒng)的總體方案。包括攝像機標定、目標定位、目標分割、圖像特征參數(shù)提取等模塊。
　　2.對攝像機參數(shù)進行標定并完成圖像的畸變校正。論述了攝像機成像的模型,分析內(nèi)參數(shù),畸變系數(shù)以及外參數(shù)在世界坐標系、攝像機坐標系、圖像物理坐標系、圖像像素坐標系四種坐標系之間的相互轉(zhuǎn)換關(guān)系,利用棋盤圖像完成了攝像

3、機參數(shù)的標定,同時完成了圖像的校正,以及誤差分析。
　　3.對源圖像中的目標進行定位。利用圖像增強技術(shù)對源圖像進行處理,完成目標突顯的同時衰減了噪聲。之后利用閾值化算法完成目標與背景的分割,利用目標的形狀特征以及噪聲小而零散的特點,提出了利用像素加權(quán)和完成目標的粗略定位,根據(jù)粗略定位的目標中心,對目標周圍的噪聲根據(jù)距離目標中心的遠近分別進行濾除。之后根據(jù)定位的目標進行目標修復(fù),以利于對目標中心的精確定位,最后利用最小二乘法完成了目