鋼材端面計數(shù)與識別關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、以圖像工程為應(yīng)用背景，針對鋼材端面特點，采用計算機視覺的方法來嘗試線材的計數(shù)，主要研究了圖像處理的相關(guān)方法，并系統(tǒng)地設(shè)計了鋼材端面計數(shù)與識別系統(tǒng)的軟件部分，包括圖像的采集、預(yù)處理、物體的分割和識別并且計數(shù)。關(guān)鍵處理給出了一種新的基于小波包分解的分水嶺閾值分割算法和帶條件的輪廓跟蹤識別法。 把目標物體從多值的圖像背景中脫離出來，關(guān)鍵在于閾值的選定。腐蝕線材粘連嚴重、分割效果差，用分水嶺算法均衡了處理速度和分割精度，能有效抑制大顆粒

2、噪聲，且處理速度較快。但該算法無法表述信號的局部時頻特性，而這種性質(zhì)恰恰是非平穩(wěn)信號的根本性質(zhì)；引入小波包分解算法，能有效克服腐蝕線材灰度變化劇烈，在圖像尺寸較小的情況下，對一般圖像和腐蝕嚴重圖像均能顯著提高分割精度，從噪聲較大的圖像中獲取良好的目標物體。 識別時，邊緣信息所確定的類圓不能完全確定為要識別的鋼筋端面圖像，輪廓跟蹤信息不是識別的充分信息。為解決這個問題，采用區(qū)域面積測量值作為補充判斷條件，優(yōu)化最終識別精度。

3、 在實際鋼材端面識別與計數(shù)系統(tǒng)中，對一幅大小為640*480的圖像，整個處理耗時小于2秒，滿足實際生產(chǎn)要求。實驗結(jié)果也表明該系統(tǒng)對圖像二值化效果要求較高，只有當物體間縫隙二值化后能部分或全部判定為背景，識別率才能達l00﹪。系統(tǒng)各階段算法均對現(xiàn)行算法進行了對比和改進，在理論上可應(yīng)用于其它工農(nóng)業(yè)和其他行業(yè)的自動化計量和自動化控制，為類圓線材，如農(nóng)業(yè)生產(chǎn)中的果實、林業(yè)中的圓木端面等計數(shù)的通用算法打下基礎(chǔ)，不僅具有一定的理論意義，且有較好的市