形狀圖像識別技術(shù)及應(yīng)用研究.pdf

1、在現(xiàn)代工業(yè)生產(chǎn)中，產(chǎn)品質(zhì)量是一個企業(yè)的生命線，如何快速，有效的檢測出缺陷產(chǎn)品對提高生產(chǎn)效率非常重要?；跈C(jī)器視覺系統(tǒng)的工業(yè)產(chǎn)品缺陷檢測已經(jīng)得到廣泛應(yīng)用，而形狀圖像的檢測問題是工業(yè)產(chǎn)品缺陷檢測經(jīng)常碰到的一類問題。對于這類問題，首先要提取目標(biāo)的形狀圖像，這一步涉及到圖像預(yù)處理和分割等關(guān)鍵技術(shù)，如果不能獲得清晰，干擾少的目標(biāo)形狀圖像，則對后續(xù)形狀分析帶來困難；第二步，對分割出的形狀圖像進(jìn)行形狀分析，使之能夠更好的區(qū)別于其他物體，從而達(dá)到較高的

2、識別率，這一步涉及到形狀描述和分類識別等關(guān)鍵問題。
　　 本文以指針式儀表表盤分割和羽毛球工藝球缺陷檢測的實際要求為背景，研究了在照度分布不均勻的情況下的圖像分割技術(shù)，并給出了能應(yīng)用于實際羽毛球工業(yè)生產(chǎn)的基于形狀識別的缺陷檢測算法和實現(xiàn)的軟硬件平臺。主要研究成果和創(chuàng)新點歸納如下：
　　 1.指針式儀表圖像預(yù)處理和分割
　　 在檢定過程中，由于光照條件和鏡頭焦距所限，以及表盤玻璃反射和指針的運動，對于獲取大型指針式

3、儀表圖像時很容易造成目標(biāo)圖像區(qū)域光照分布不均勻，以及圖像偏暗。為了實現(xiàn)這種條件下的目標(biāo)區(qū)域的分割，首先采用Laplace銳化，再加上多尺度Retinex增強(qiáng)的關(guān)鍵方法，這種方法不僅能增強(qiáng)對比度，而且能增加圖像整體亮度，這對后續(xù)圖像分割非常有利。最后再采用Otsu動態(tài)多閾值分割算法對預(yù)處理后的圖像進(jìn)行分割。通過實驗得出，這種方法對照度分布不均勻，圖像整體偏暗的情況的分割有很好的效果。由于采集到的羽毛球工藝球圖像也存在這個問題，使得這種方法

4、也能很好的應(yīng)用到羽毛球工藝球形狀圖像的提取。
　　 2.基于VC++的羽毛球工藝球缺陷檢測平臺
　　 本系統(tǒng)包括工業(yè)相機(jī)、光源、燈光控制器，機(jī)構(gòu)放置和傳送帶裝置，軟件平臺為VC++。軟件系統(tǒng)包括圖像采集、圖像處理算法實現(xiàn)、通信調(diào)試、尺寸標(biāo)定，攝像調(diào)試等模塊。本系統(tǒng)將圖像采集和圖像處理模塊分開，從而實現(xiàn)了更換工業(yè)相機(jī)時無需對整個系統(tǒng)進(jìn)行大的改動和對工業(yè)相機(jī)采集模塊進(jìn)行重復(fù)開發(fā)，且在圖像處理模塊集成了很多通用圖像處理算法，使

5、之能通過定制不同的采集模塊和組合不同的圖像處理算法進(jìn)行不同物體的仿真實驗。
　　 3.羽毛球工藝球缺陷檢測
　　 在羽毛球工藝球的實際生產(chǎn)中，有十幾種缺陷，全靠人工目測。在分析缺陷種類和大量缺陷樣品調(diào)查后，確定95％的缺陷類型都是由16根羽毛葉分布不均勻造成的，在圖像上反映為羽毛葉相互間形成的16個空隙區(qū)域的形狀分布不均。因此，羽毛球工藝球缺陷檢測內(nèi)容主要是對16個空隙區(qū)域的分布均勻情況進(jìn)行檢測。本文采用了極半徑不變矩特