基于机器视觉的绳团包装膜破损检测方法研究与实现

摘要

随着社会的发展，生活消费水平的提高，市场竞争越来越激烈，产品的包装和质量成为抢占市场占有率的重要组成部分。越来越多的工厂企业开始看重产品包装对企业的重要性。而如何高准确率、高效率的对包装破损进行检测依然是业界的难题。为了摆脱人工检测的高成本，以及由于工人长时间工作造成的疲劳而造成的漏检误检等问题;借助于计算机及机器视觉的快速发展;很多行业都开始采用基于机器视觉的自动化检测系统来对产品进行自动化检测。机器视觉检测系统具有高效率、高准确率、能长时间处于工作状态，且能适应复杂的工业环境等优点，使得基于机器视觉的检测方法得到越来越普及的应用。但是，由于本文研究的绳团塑料膜包装的特点，使得在算法的设计上有一定的难度。目前，在市场上，还没有一套成熟的自动化设备能对其进行检测与剔除。
　　本文的主要研究工作是设计一个绕绳包装破损检测系统。首先我们了介绍国内外在机器视觉应用以及图像处理理论方面的研究现状。然后主要从机器视觉系统的几个典型环节，着重介绍了绳团包装膜破损图像的处理过程，主要包括图像预处理、图像分割、特征提取和图像分类与识别等。图像预处理是绳团包装膜破损检测系统的基础。本文给出了一种真彩色位图到灰度位图的转换、图像去噪、以及图像的增强的处理办法。针对我们的对象，通过分析几种不同的算法的优缺点，选择合适的图像处理算法，为后面的图像分割、特征提取、分类提供可靠的保证。图像分割与提取是对图像进行分析的基础。本文分别采用多阈值分割法，自适应阈值分割法以及区域生长分割法对图像进行分割。并对其进行比较。在分类上，我们采用BP神经网络分类器。该非线性分类器结合了多阈值分割法的优点，弥补环境变化对算法的影响，提升算法的鲁棒性。结果表明BP神经网络分类器能很好的对绳团包装膜破损区域进行检测与识别。

目录

声明

摘要

第一章 绪论

1．1 前言

1．2 课题背景及研究意义

1．3 机器视觉检测技术发展现状

1．4 包装检测主要存在的问题

1．5 本文的主要研究工作

1．6 本文的内容安排

第二章 绕绳包装破损检测系统设计

2．1 前言

2．2 研究对象介绍

2．3 绕绳检测系统及难点分析

2．4 硬件系统设计

2．5 系统软件总体设计

2．5．1 图像预处理子模块的功能及实现

2．5．2 图像分割模块的功能及实现

2．5．3 图像特征提取模块的功能及实现

2．5．4 图像分类与识别模块

2．6 本章小结

第三章 绕绳包装破损检测数字图像处理方法

3．1 前言

3．2 数字图像处理基础理论

3．3 数字图像处理的主要内容

3．4 数字图像处理的目的

3．5 数字图像处理过程

3．6 绕绳包装图像预处理

3．6．1 图像的噪声模型

3．6．2 图像的增强处理

3．7 本章小结

第四章 包装破损图像的分割

4．1 前言

4．2 破损图像区域检测

4．3 图像分割方法

4．4 区域合并和分裂

4．5 形态学图像处理

4．5．1 图像腐蚀

4．5．2 图像膨胀

4．5．3 开操作与闭操作

4．6 本章小结

第五章 绕绳包装破损识别算法研究

5．1 前言

5．2 模式识别基础理论

5．3 人工神经网络概述

5．3．1 神经元结构模型

5．3．2 神经网络结构

5．4 BP神经网络理论

5．5 破损图像的特征提取

5．5．1 图像的像素区域特征选取

5．5．2 区域纹理特征描述

5．6 BP神经网络分类器设计

5．7 本章小结

第六章 总结与展望

5．1 全文总结

5．2 研究与展望

参考文献

攻读硕士学位期间研究成果

攻读硕士学位期间参与研究项目

致谢