论文部分内容阅读
由于啤酒厂生产规模的扩大，更有效地降低成本，回收玻璃瓶数量的增加，生产流水线速度的提高以及越来越严格的质量要求，传统的回收玻璃瓶检测方法已经无法适应需要。随着计算机硬件、软件的发展以及数字图像处理理论的完善，基于数字图像处理的玻璃瓶在线检测方法已变得切实可行，并且以其快速性、高精度、非接触等特点成为了这些生产厂商的首选。本文将计算机图像处理和模式识别理论相结合，综合了计算机技术、图像处理、模式识别和软件工程等不同领域的相关知识。
作者以玻璃瓶缺陷检测为应用背景，利用计算机视觉技术，致力于研制一套性价比高的检测系统。本文主要讨论瓶口的缺陷，其检测方法是通过摄像机直接拍摄玻璃瓶图像，运用图像预处理、图像分割和边缘检测等检测出玻璃瓶图像提取感兴趣的缺陷信息，再运用图像识别来分类识别图像是否有缺陷。对采集到图像进行图像预处理(灰度增强、图像平滑和图像锐化)，边缘检测和图像分割(基于边界分割、基于区域分割和基于形态滤波的分水岭算法等)，形状特征的测量，基于RBF神经网络的图像识别分类等阶段识别玻璃瓶质量的好坏。本文对各个图像处理阶段中各种常用算法进行比较、分析和改进，提出了适合于玻璃瓶检测的实用算法和具体处理流程方案。最后实验数据表明，基于数字图像处理的玻璃瓶缺陷检测提高了检测的处理速度，并且能够做到很好的判断和取得良好检测结果。