資源描述：
《基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)摘要：針對(duì)利用人的感覺(jué)器官在工業(yè)生產(chǎn)線檢測(cè)中的不足，提出了一個(gè)基于機(jī)器視覺(jué)的鋸片缺陷檢測(cè)系統(tǒng)。通過(guò)工業(yè)數(shù)碼相機(jī)等硬件采集圖像信息，采用亞像素精度閾值分割等圖像處理算法并借助機(jī)器視覺(jué)庫(kù)Halcon對(duì)采集的原始圖像進(jìn)行處理，最后輸出檢測(cè)結(jié)果，提高了工業(yè)生產(chǎn)線檢測(cè)的效率?！ ￡P(guān)鍵詞：機(jī)器視覺(jué)；鋸片；檢測(cè)系統(tǒng) ?。篢P391.41：A Abstract：Aimingattheshortageofthehumansenseorgansintheindustrialproductionlinedetection，thepaperproposesama
2、chinevision-baseddefectdetectionsystemforappliesindustrialdigitalcamerastocollectimages，usessub-pixelaccuracythresholdsegmentationastheimageprocessingalgorithm，adoptstheprofessionalmachinevisionlibrary，Halcon，toprocesstheoriginalimages，andfinallyoutputsthetestresults.Thesystemactuallyimprove
3、sthedetectionefficiencyoftheindustrialproductionline. Keyachinevision；sa 1引言（Introduction） 機(jī)器視覺(jué)工件檢測(cè)系統(tǒng)要求能在生產(chǎn)線上實(shí)時(shí)、準(zhǔn)確地利用一些經(jīng)典的邊緣檢測(cè)算子，比如Sobel算子、Preily:微軟雅黑,Helvetica;font-size:16px;line-height:28.8px;"/> 本文以鋸片鋸齒兩側(cè)的坡口角度缺陷的檢測(cè)為例，提出了一套基于機(jī)器視覺(jué)的工件檢測(cè)系統(tǒng)。該系統(tǒng)由硬件系統(tǒng)和計(jì)算機(jī)軟件系統(tǒng)兩大部分組成，主要通過(guò)鏡頭、工業(yè)數(shù)碼相機(jī)，圖像采集卡等硬件系統(tǒng)完
4、成圖像的采集，利用亞像素精度閾值圖像分割算法、幾何基元的分割算法、輪廓特征提取算法等圖像處理算法，借助專業(yè)的機(jī)器視覺(jué)庫(kù)Halcon[9，10]，設(shè)計(jì)一個(gè)視覺(jué)檢測(cè)軟件，對(duì)采集的原始圖象進(jìn)行處理并輸出結(jié)果?！ ?計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成（Thepositionof putervisioninspectionsystem） 計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)由硬件和軟件兩大部分構(gòu)成。硬件系統(tǒng)的功能是用于采集原始數(shù)字圖像，主要由光源、光學(xué)系統(tǒng)、CCD相機(jī)、圖像采集卡和控制執(zhí)行模塊等幾部分組成，軟件系統(tǒng)的功能是利用相應(yīng)的圖像處理算法對(duì)采集到的圖像進(jìn)行處理和識(shí)別。如圖1所示?！ ”疚囊凿徠毕莸臋z測(cè)為
5、例，應(yīng)根據(jù)系統(tǒng)分辨率和檢測(cè)精度的要求合理地選擇檢測(cè)系統(tǒng)的光源、照明方式、照明環(huán)境、工業(yè)相機(jī)、鏡頭、圖像采集卡等硬件模塊，如表1所示。只有采集到優(yōu)質(zhì)的鋸片檢測(cè)圖像，才能為圖像處理提供保證，提高檢測(cè)效率。 3圖像處理算法（Imageprocessingalgorithm） 機(jī)器視覺(jué)檢測(cè)系統(tǒng)另一重要內(nèi)容是圖像處理算法的設(shè)計(jì)，使用合適的編程語(yǔ)言描述并運(yùn)行，通過(guò)圖像處理達(dá)到鋸片缺陷提取，最終實(shí)現(xiàn)機(jī)器視覺(jué)檢測(cè)系統(tǒng)的應(yīng)用。 首先從采集得到的原始圖像中提取鋸片的輪廓，然后對(duì)輪廓進(jìn)行分離得到鋸齒，利用特征提取法得到鋸齒輪廓，最后計(jì)算出鋸齒的坡口角度。如圖2所示?！ ?.1亞像素精度閾值分割
6、算法[11] 若把圖像看成是一個(gè)連續(xù)的函數(shù)，那么圖像邊緣可以定義為若干個(gè)點(diǎn)，這些點(diǎn)的方向?qū)?shù)（即灰度值變化率）在垂直于邊緣的方向上是局部最大的?！ 楂@取比原始圖像更高的分辨率圖像，可從原始圖像中提取亞像素精度數(shù)據(jù)，亞像素精度數(shù)據(jù)可以通過(guò)亞像素閾值分割或亞像素邊緣提取來(lái)獲得。最簡(jiǎn)單的圖像分割算法是閾值分割算法。閾值分割的操作被定義為： ?。?） 式中（r，c）表示某像素的坐標(biāo)，fr，c表示灰度值，gmin和gmax分別表示選擇的最小閾值和最大閾值，該操作表示當(dāng)灰度值滿足式（1）時(shí)，則輸出到區(qū)域S中。閾值分割算法執(zhí)行速度較快，因?yàn)樗鼘?duì)每個(gè)像素僅比較一次。若圖像邊緣比較模糊，則
7、所選的閾值對(duì)定位邊緣有一定的影響?！ ∈褂脕喯袼鼐乳撝捣指钏惴艿玫接梢唤M邊緣控制點(diǎn)形成的輪廓。圖像上的兩個(gè)區(qū)域以該輪廓分界，兩個(gè)區(qū)域的灰度值分別大于和小于gsub，為得到這個(gè)輪廓，可將圖像邊緣周圍的像素連續(xù)化表示成一個(gè)函數(shù)。其中一個(gè)簡(jiǎn)單方法就是通過(guò)雙線性插值來(lái)處理，以達(dá)到像素細(xì)分的目的[12]?！ 。?） 通過(guò)重復(fù)選取未被處理的線段和附近的線段，直到形成閉合的輪廓，使用圖像灰度函數(shù)f（r，c）和常量函數(shù)g（r，c）=gsub相交運(yùn)算得到亞像素精度閾值分割的結(jié)果?！ ?.2幾何基元的分割
