基于OpenCV的機(jī)械零件局部特征的識(shí)別與檢測(cè).pdf

1、圖像處理和識(shí)別技術(shù)的研究有著非常重要的社會(huì)和經(jīng)濟(jì)意義。目前圖像處理和識(shí)別在工業(yè)和工程領(lǐng)域中有著廣泛的應(yīng)用。近年來(lái)，隨著計(jì)算機(jī)技術(shù)的發(fā)展和圖像識(shí)別的應(yīng)用日漸推廣以及人們對(duì)圖像識(shí)別領(lǐng)域的認(rèn)識(shí)加深，圖像識(shí)別技術(shù)已成為多個(gè)領(lǐng)域的熱點(diǎn)研究課題。目前圖像識(shí)別的主要研究?jī)?nèi)容是圖像特征提取和圖像分類算法的研究。本論文對(duì)風(fēng)機(jī)與閥門等設(shè)備的精密零件進(jìn)行研究，以鋸齒形零件的圖像為研究對(duì)象，采用OpenCV對(duì)其進(jìn)行處理，并提出了基于貝葉斯和隨機(jī)森林的分類方法:

2、首先，采用OpenCV對(duì)零件的圖像進(jìn)行處理;然后提取圖像的特征并對(duì)數(shù)據(jù)進(jìn)行處理;最后將圖像的特征值作為貝葉斯和隨機(jī)森林的輸入進(jìn)行分類器的訓(xùn)練得到零件局部特征的識(shí)別分類器，從中選擇識(shí)別率最高的分類器對(duì)零件的圖像進(jìn)行檢測(cè)。
　　本文對(duì)所采集的圖像進(jìn)行了反復(fù)的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明:采用OpenCV處理圖像及提取圖像特征能獲得高效良好的效果;采用圖像的直觀性特征、灰度統(tǒng)計(jì)特征和代數(shù)特征作為零件的特征，隨機(jī)森林算法所達(dá)到的最大圖像識(shí)別率是99