基于圖像檢測的雜質分選系統(tǒng)中關鍵技術的研究.pdf

1、隨著現(xiàn)代人生活水平的不斷提高，玻璃已成為人們身邊常用的建筑用品和裝飾品，這就意味著在人們的各項活動中會產(chǎn)生大量的廢舊玻璃。國內(nèi)一企業(yè)致力于廢舊玻璃的循環(huán)再利用，而再利用的關鍵問題是如何把碎玻璃與雜質分離開。
　　 利用機器視覺中灰度檢測作為碎玻璃與雜質分選的方法簡單方便，但由于碎玻璃對光的折射會在拍攝的圖片上形成斑點，從而使得單純的灰度檢測的方法準確率不夠高，影響了碎玻璃作為原料而生產(chǎn)出的平板玻璃的質量。
　　 碎玻璃折

2、射產(chǎn)生的斑點通常占整個碎玻璃的圖像總面積50％以下，而雜質產(chǎn)生的斑點則是高達90％。為此，通過利用圖像增強、邊緣檢測等技術手段，先提取被測物的邊緣，再通過計算斑點所占圖像面積比例，最后與設定置信區(qū)間比較，達到區(qū)分雜質與碎玻璃的目的，準確率高達99％以上。
　　 論文將重點研究圖像增強和邊緣檢測技術對碎玻璃的影響：圖像增強技術可以用來改善因光照引起的圖像模糊，而邊緣檢測技術則有助于雜質的判定。主要體現(xiàn)在以下兩個方面的工作中：

3、>　　 (1)圖像增強的常見算法一般采用兩個以上的模板對圖像進行計算，計算量大，處理時間長，不適用于本文研究的分選系統(tǒng)。單尺度Retinex增強算法易于軟硬件實現(xiàn)，能很好的實現(xiàn)動態(tài)范圍的壓縮和銳化邊緣細節(jié)，是一種自適應的增強方法。實驗證明單尺度Retinex增強算法能有效地改善圖像質量，效果符合研究的需要。
　　 (2)邊緣檢測方面，LoG算子計算簡單，但對噪聲卻很敏感，因此需要結合其他方法來改善檢測效果，而數(shù)學形態(tài)學則能有效