基于機器視覺的香煙濾棒圓度檢測算法研究.pdf

1、濾棒圓度是衡量香煙濾棒質(zhì)量的重要指標(biāo)之一，傳統(tǒng)的濾棒檢測方法與濾棒接觸且容易受溫度等環(huán)境因素的干擾，會對濾棒檢測的效率及精度產(chǎn)生一定影響，而機器視覺技術(shù)是一種非接觸在線測量的形狀尺寸檢測技術(shù)，與傳統(tǒng)的形狀尺寸檢測技術(shù)相比，其具有非接觸、高效率、大范圍、高精度等優(yōu)點。因此，本文采用機器視覺檢測技術(shù)對濾棒的圓度進(jìn)行檢測并對檢測濾棒圓度的算法進(jìn)行深入研究。
　　針對濾棒圖像采集的過程中可能存在粘連與模糊的情況，本文分別采用灰度均方差算子

2、和Radon變換算法實現(xiàn)濾棒圖像的模糊與粘連的區(qū)分。為提高清晰濾棒圖像圓度檢測的效率和精度，本文對傳統(tǒng)的Hough變換算法進(jìn)行了改進(jìn);對于模糊的濾棒圖像本文引入主動輪廓Snake模型并對其進(jìn)行了改進(jìn)。
　　文中對基于Hough變換的圓檢測算法進(jìn)行深入理論研究。針對傳統(tǒng)Hough變換檢測圓時間復(fù)雜高和精度低的問題，本文利用濾棒圖像的先驗知識提升了Hough變換檢測圓的速度，并結(jié)合區(qū)域灰度重心法使濾棒圖像邊緣定位精度達(dá)到亞像素級，實現(xiàn)

3、了清晰濾棒圖像的快速和高精度的圓檢測，并對本文算法進(jìn)行理論性能分析和實際濾棒圖像的實驗驗證。
　　針對傳統(tǒng)Hough變換算法對模糊的濾棒圖像處理中Hough空間確定圓參數(shù)不唯一無法選擇的問題，結(jié)合模糊濾棒圖像的特點，引入了主動輪廓Snake模型對模糊的濾棒圖像進(jìn)行檢測。通過對Snake算法理論深入的研究，提出了一種改進(jìn)的自動確定初始輪廓和加入曲率約束能量的Snake模型，實現(xiàn)了對模糊濾棒圖像邊緣的有效檢測。
　　從精度要求和