论文部分内容阅读
随着信息时代的到来,基于机器视觉的识别技术受到了社会各界的广泛关注,其中工件识别技术一直都是国内外研究的热点和难点。自动工件识别技术在工业产品检测上的应用越来越广泛,很大程度地提高了产品检测与识别的速率和可靠性,相对于人工检测,成本减少了很多。工件识别技术的难点在于,如何通过获得的工件视觉信息准确地识别出工件的类别、特征以及所处的位置信息和姿态信息。本文结合目前数字图像处理技术和模式识别技术的发展,深入研究了工件识别的关键算法,主要的工作和创新总结如下：1.为了更好地对工件图像进行采集、传输和显示,开发了基于CMOS摄像头、视频采集卡和计算机的机器视觉硬件系统。2.工件图像预处理方面。在分析和研究了前人成果的基础上,实现了工件预处理算法中的关键步骤,并着重研究了图像去噪、图像二值化、旋转校正和大小归一化方法。较好地消除了图像中所包含的噪声,并保留了工件的轮廓,获得了清晰的工件二值图像。利用最小外接矩形方法获得了工件图像的旋转角度,并利用仿射变换对工件图像进行旋转校正。最后,对工件的大小进行了归一化,为特征提取、模板匹配等操作的顺利进行奠定了基础。3.工件模板建立方面。首先,将待建模的工件图像经过预处理操作,模板图像在旋转的时候,遵循一个原则,即旋转后的工件模板水平质心靠左。然后,在建立模板的同时,需要提取特征,用于二次匹配。选用画图工具进行特征区域的提取,并将提取信息存入文件库,以便后续匹配时调用。4.工件图像匹配方面。提出了基于点模式匹配的一次识别和基于特征匹配的二次识别算法。点模式匹配将采集的工件图像与模板库中模板逐一进行像素的灰度值对比,记录下一次匹配系数。对于一次系数最高的三个模板再进行特征匹配,根据每个模板的特征组合确定模板的二次匹配系数。最终的识别系数为一次识别系数与二次识别系数的和,输出该识别系数对应模板的工件类别、识别工件的质心以及旋转角度。实验结果表明,二次识别的算法在识别速率与准确率方面有了较大提高。5.为了更好地研究工件采集与识别系统的关键算法,本文基于VS2012和OpenCV构建了自动工件采集与识别系统软件平台,该平台包括了工件图像采集读取和保存模块、工件图像处理算法应用模块和工件图像算法处理结果显示模块。为了验证自动工件采集与识别系统是否满足各项设计指标,对系统分别进行了功能性测试、容错性测试和工件识别准确率测试。测试结果表明,系统运行稳定可靠,满足预定的要求。