基于机器视觉的棒材实时识别系统研究

摘要

为了确保棒材的标准化包装，在线计数成为生产线上一道重要的工序。目前，棒材计数主要是靠人力完成的，这种方法容易使工人疲劳，特别是容易产生错误计数，不能保证包装数量的要求，且与自动化轧钢生产线的高装备水平极不相称。针对上述问题，本文对棒材自动计数系统进行开发，以实现连续图像的棒材跟踪计数。其处理过程包括四个部分:通过CCD摄像机采集生产线上运动的棒材序列图像、进行滤波以及分割的图像预处理、单帧图像的棒材识别计数、运动目标跟踪实现连续图像棒材的实时计数。
　　图像预处理过程包括图像滤波以及图像分割:比较均值滤波法和中值滤波法的优缺点后，本文选用了中值滤波的算法，既消除了图像的噪声又保护图像边缘处的信息;提出一种新的OTSU算法的推广算法，使用多种阈值分割方法对图像进行分割，本系统选用了分割效果较好的推广方法对图像进行阈值分割以产生二值图像。
　　本文采用一种新的边缘检测、中心聚集、聚类识别的方法对单帧图像的棒材进行识别。首先将Sobel边缘检测算子的模板由两个增加到八个，提取八方向的边缘信息，包括边缘强度及其梯度方向，计算时利用绝对值相等的原理，只做四个方向模板的卷积运算，该新算法在有效提取边缘信息的同时大大减少了计算量。利用得到的方向信息，将边缘向中心集聚实现目标中心增强。然后通过聚类方法初步识别目标区域的中心位置。最后对候选目标进行团块特征判定，去除噪声或其他因素可能导致的中心区域团块信息，从而识别出单帧图像中的棒材数目。由于本文用摄像头采集连续的棒材图像，所以为实现前后帧图像的跟踪计数就需要对序列图像的棒材进行跟踪对位。选用基于特征的目标跟踪算法，得到连续两帧图像中对应棒材的水平位移，并判断图像中哪些棒材已经计数，哪些棒材尚未计数。然后采用容错算法去除误识别和漏识别的棒材，当匹配次数达到设定值时，才对棒材进行计数。
　　该系统的硬件系统的组成为:Balser工业相机、工控机以及蓝白相间的LED光源，它们能够适应现场恶劣的生产环境并满足图像处理算法的要求。软件部分使用VisualStudio2010开发应用程序，并使用微软基础类库MFC开发方便简洁的操作界面。
　　本文通过实验验证所采取的图像处理算法的有效性，结果表明，该系统对单帧图像中的棒材识别计数的精度可达96％，而且其处理速度能够满足在线实时性要求，具有良好的市场前景和较高的实用价值。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．2 研究现状

1．2．1 机器视觉技术的定义

1．2．2 国内外研究历史与现状

1．3 课题研究内容和目的

第二章 棒材实时识别系统的组成

2．1 系统结构设计

2．2 系统硬件设计

2．2．1 工控机

2．2．2 工业摄像机

2．2．3 照明系统

2．3 系统软件设计

2．3．1 软件界面设计

2．3．2 软件流程介绍

2．4 本章小结

第三章 图像采集及图像预处理

3．1 数字图像采集

3．2 图像平滑

3．2．1 线性平滑

3．2．2 非线性平滑

3．3 图像分割

3．3．1 几种阈值分割方法

3．3．2 一种最大类间方差法的推广方法

3．3．3 阈值分割效果比较

3．4 本章小结

第四章 棒材图像目标识别

4．1 边缘信息提取

4．1．1 边缘检测算子

4．1．2 改进的Sobel算子

4．1．3 边缘细化

4．2 边缘分离与集聚

4．2．1 边缘中心集聚原理

4．2．2 中心集聚

4．3 目标聚类识别

4．3．1 聚类方法分析

4．3．2 桶聚类

4．4 团块性状判别

4．5 单帧图像实验结果

4．6 本章小结

第五章 目标跟踪计数算法

5．1 运动目标跟踪

5．2 基于特征的棒材目标跟踪

5．2．1 整体移动量检测

5．2．2 目标跟踪匹配

5．3 算法实验

5．4 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

附录