基于目標(biāo)識(shí)別的運(yùn)動(dòng)棒材在線計(jì)數(shù).pdf

1、運(yùn)動(dòng)棒材的在線實(shí)時(shí)計(jì)數(shù)是軋鋼廠生產(chǎn)和銷售的一道十分關(guān)鍵的工序。目前，人工計(jì)數(shù)還是軋鋼廠棒材計(jì)數(shù)的主要方式。這一項(xiàng)高強(qiáng)度的工作會(huì)導(dǎo)致工人視覺疲勞從而造成計(jì)數(shù)誤差，同時(shí)這種效率低下的計(jì)數(shù)方式還不能匹配軋鋼廠全自動(dòng)化的發(fā)展要求，從而影響到企業(yè)的聲譽(yù)和經(jīng)濟(jì)效益。為了解決上面的問題，本文旨在開發(fā)出運(yùn)動(dòng)棒材的在線實(shí)時(shí)計(jì)數(shù)系統(tǒng)，達(dá)到對(duì)運(yùn)動(dòng)棒材的序列圖像進(jìn)行跟蹤計(jì)數(shù)的目的。本系統(tǒng)完成此過程的處理需要三個(gè)部分：使用 CCD攝像機(jī)采集棒材生產(chǎn)線上棒材的序列

2、圖像、對(duì)靜態(tài)圖像的棒材計(jì)數(shù)、對(duì)運(yùn)動(dòng)棒材進(jìn)行目標(biāo)跟蹤用于實(shí)現(xiàn)連續(xù)圖像中目標(biāo)的實(shí)時(shí)計(jì)數(shù)。
　　首先對(duì)獲取的圖像進(jìn)行預(yù)處理，通過對(duì)中值濾波法和均值濾波法比較后，選擇更適合對(duì)棒材端面進(jìn)行處理的中值濾波算法進(jìn)行圖像平滑，這種算法既能消除噪聲對(duì)圖像的影響還能較好的保護(hù)圖像的邊緣信息。通過使用最大熵法、迭代法等多種方法對(duì)圖像進(jìn)行分割，然后對(duì)比各個(gè)方法的優(yōu)缺點(diǎn)，選用了分割效果比較好的最大類間方差法對(duì)圖像進(jìn)行分割以產(chǎn)生后續(xù)需要的二值圖像。
　

3、　在對(duì)棒材進(jìn)行識(shí)別的過程中，本文選用了改進(jìn)的邊緣檢測(cè)、中心集聚、聚類識(shí)別等方法來處理單幀圖像。為了既能有效的提取棒材邊緣信息又能盡可能的減少計(jì)算所使用的時(shí)間，采用了改進(jìn)的Sobel邊緣檢測(cè)算子檢測(cè)邊緣信息，包含邊緣強(qiáng)度和梯度方向，根據(jù)絕對(duì)值相等的原理進(jìn)行計(jì)算。使用邊緣中心集聚算法，從邊緣向中心集聚使得目標(biāo)中心得到增強(qiáng)。接下來使用聚類的方法初步確定目標(biāo)區(qū)域的中心位置，識(shí)別出單幀圖像中的棒材數(shù)目。由于本文主要針對(duì)運(yùn)動(dòng)棒材的在線實(shí)時(shí)計(jì)數(shù)，所以

4、為了實(shí)現(xiàn)對(duì)鏈床上不斷運(yùn)動(dòng)的棒材計(jì)數(shù)，我們要對(duì)連續(xù)幀圖像中的棒材進(jìn)行跟蹤。為了兼顧各個(gè)環(huán)節(jié)，本系統(tǒng)選用基于特征的目標(biāo)跟蹤算法，通過估計(jì)前后兩幀圖像中對(duì)應(yīng)棒材的水平位移，然后識(shí)別出已經(jīng)計(jì)數(shù)和尚未計(jì)數(shù)的棒材。為了保證計(jì)數(shù)的準(zhǔn)確率，本文采用容錯(cuò)算法來避免把不該計(jì)數(shù)的集聚點(diǎn)當(dāng)作棒材和漏掉應(yīng)該計(jì)數(shù)的棒材等情況，設(shè)定合適的置信值，只有匹配次數(shù)達(dá)到設(shè)定的判定值時(shí)，才對(duì)棒材進(jìn)行計(jì)數(shù)。
　　系統(tǒng)的硬件設(shè)計(jì)要兼顧到軋鋼廠惡劣的生產(chǎn)條件和圖像處理的特別要