基于圖像分析的多參數(shù)物料檢測(cè)系統(tǒng)研究*

趙 苓，姚 靜*

(1.燕山大學(xué)，河北省重型機(jī)械流體動(dòng)力傳輸與控制實(shí)驗(yàn)室，河北秦皇島 066004;2.燕山大學(xué)，先進(jìn)鍛壓成形技術(shù)與科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，河北秦皇島 066004)

0 引 言

傳統(tǒng)的物流檢測(cè)系統(tǒng)主要靠人工分選操作，在增加檢測(cè)成本的同時(shí)，由于人為因素的影響，很難保證產(chǎn)品的檢測(cè)質(zhì)量和檢測(cè)精度。因此，利用多傳感器的物流自動(dòng)檢測(cè)系統(tǒng)應(yīng)運(yùn)而生。然而，目前在物流自動(dòng)檢測(cè)技術(shù)中應(yīng)用最廣泛的是條碼技術(shù)和射頻識(shí)別技術(shù)。雖然條碼和射頻技術(shù)有著信息量大、可靠性高和非接觸等特點(diǎn)，但是當(dāng)物流系統(tǒng)中貨物具有流動(dòng)隨機(jī)性、標(biāo)識(shí)狀態(tài)的不確定性時(shí)，這些技術(shù)就產(chǎn)生了一定的局限，如檢測(cè)貨物是否出現(xiàn)包裝損壞，損壞是否超過了合格要求時(shí)，條碼和射頻識(shí)別技術(shù)就無能為力了［1］。為了解決這一問題，本研究選用條碼技術(shù)與圖像處理技術(shù)相配合的方案，利用LabVIEW和NI Vision軟件平臺(tái)設(shè)計(jì)了一套基于圖像分析的物料傳輸多參數(shù)檢測(cè)系統(tǒng)。

LabVIEW的核心概念就是“軟件即是儀器”，即虛擬儀器的概念［2－3］，它的提出徹底打破了傳統(tǒng)儀器由廠家定義、用戶無法改變的模式。虛擬儀器技術(shù)使用圖形化編程語言編程，界面友好，簡(jiǎn)單易學(xué)，配套的圖像處理軟件包能提供豐富的圖像處理與分析算法函數(shù)，極大地方便了用戶，使構(gòu)建圖像處理與分析系統(tǒng)容易、靈活、程序移植性好，大大縮短了系統(tǒng)開發(fā)周期［4－5］，為檢測(cè)系統(tǒng)的開發(fā)提供了一個(gè)良好的開發(fā)平臺(tái)。

隨著圖像處理技術(shù)的發(fā)展，物料傳輸檢測(cè)系統(tǒng)中一些非接觸式的測(cè)量都采用圖像處理的方法來實(shí)現(xiàn)，如袁娜等［6］針對(duì)大型散料利用雙目視覺系統(tǒng)獲取其三維形貌尺寸，經(jīng)圖像匹配推算出所測(cè)物料體積和重量。李國(guó)平等［7］通過雙目相機(jī)的兩個(gè)鏡頭獲得圖像，經(jīng)過對(duì)圖像的處理得到場(chǎng)景的深度圖像，進(jìn)而對(duì)應(yīng)得出物體與相機(jī)的距離，提取出物料袋的深度信息。黨宏社等［8］設(shè)計(jì)了基于圖像和光電信息融合的傳送帶監(jiān)測(cè)裝置監(jiān)測(cè)傳輸帶上工件疏密情況，增加了系統(tǒng)可靠性。胡猛等人［9］利用基于顏色特征的物料識(shí)別方法對(duì)煙包解包的4種狀態(tài)進(jìn)行區(qū)分。所采用的圖像處理技術(shù)包括圖像濾波與增強(qiáng)、圖像分割、圖像識(shí)別。其中，圖像增強(qiáng)技術(shù)包括直方圖修改處理、圖像平滑化處理、圖像尖銳化處理;圖像分割技術(shù)包括閾值法、區(qū)域生長(zhǎng)法、分裂合并法、邊緣檢測(cè)等技術(shù)［10－11］。圖像處理技術(shù)在目標(biāo)檢測(cè)、破損檢測(cè)、物料分揀、工件參數(shù)識(shí)別等方面得到了廣泛而成功的應(yīng)用。王樹才等人［12］設(shè)計(jì)了基于圖像處理的禽蛋檢測(cè)與分級(jí)的智能機(jī)器人系統(tǒng)，朱光等人［13］設(shè)計(jì)了基于圖像識(shí)別的螺紋參數(shù)檢測(cè)系統(tǒng)，裘江平等人［14］設(shè)計(jì)了基于圖像處理的刀具角度測(cè)量系統(tǒng)，單曉杭等人［15］將圖像處理技術(shù)應(yīng)用到零件分揀系統(tǒng)中，均取得了很好的效果。圖像處理在基于視覺的檢測(cè)系統(tǒng)當(dāng)中是非常關(guān)鍵的技術(shù)手段，因此在物料檢測(cè)系統(tǒng)中的應(yīng)用也具有廣闊的前景。

本研究介紹物料傳輸多參數(shù)檢測(cè)的硬件系統(tǒng)及基于LabVIEW和NI Vision［16］軟件平臺(tái)的軟件系統(tǒng)的設(shè)計(jì)。該檢測(cè)系統(tǒng)能夠支持柔性物流系統(tǒng)的作業(yè)規(guī)劃需求，能夠?qū)崿F(xiàn)物料的位置、重量、傳輸速度、傳輸量、物料尺寸以及包裝是否破損等參數(shù)的檢測(cè)，并以可視化的方式進(jìn)行顯示，同時(shí)將獲得的信息傳輸給上層控制管理系統(tǒng)，便于進(jìn)行決策。

1 物料傳輸多參數(shù)檢測(cè)系統(tǒng)

1.1 系統(tǒng)設(shè)計(jì)要求

該檢測(cè)系統(tǒng)能夠支持柔性物流系統(tǒng)的作業(yè)規(guī)劃需求，主要設(shè)計(jì)要求如下:

被檢物料:貨物包裝箱;

物料尺寸:長(zhǎng)10 cm～50 cm，寬10 cm～50 cm，高5 cm～30 cm;

物料重量:1 kg～60 kg;運(yùn)行速度:≤1 m/s，且可調(diào);

檢測(cè)參數(shù):位置、重量、傳輸速度、傳輸量、物料尺寸以及包裝是否破損(破損面積1 cm2以上);

測(cè)量誤差:≤5%。

1.2 系統(tǒng)設(shè)計(jì)方案

為了實(shí)現(xiàn)所提到的檢測(cè)功能，本研究設(shè)計(jì)的物料傳輸多參數(shù)檢測(cè)系統(tǒng)實(shí)驗(yàn)臺(tái)如圖1所示。該實(shí)驗(yàn)臺(tái)組成如下:檢測(cè)臺(tái)中心位置設(shè)置測(cè)力稱重傳感器，用于測(cè)量物料的重量;檢測(cè)臺(tái)輥道側(cè)上方放置條碼掃描儀，自動(dòng)識(shí)別物料的條碼信息，并輸送給整個(gè)物流系統(tǒng)的中心控制器;檢測(cè)臺(tái)上方垂直放置一個(gè)高分辨率CCD工業(yè)攝像機(jī)和一個(gè)超聲波測(cè)距傳感器。其中CCD用于采集貨物鉛錘方向投影尺寸和面積，超聲波傳感器用于測(cè)量貨物高度。該系統(tǒng)通過變頻器實(shí)現(xiàn)電機(jī)的調(diào)速，使得傳輸帶根據(jù)要求具有不同的傳輸速度。系統(tǒng)以工控機(jī)作為控制核心，對(duì)物料圖像進(jìn)行處理后得到物料的位置、流向、傳輸速度、傳輸量以及物料參數(shù)。檢測(cè)臺(tái)各部分信號(hào)輸送給工控機(jī)，通過可視化編程實(shí)現(xiàn)上位機(jī)對(duì)檢測(cè)臺(tái)的操作，檢測(cè)結(jié)果在人機(jī)交互界面上進(jìn)行顯示。

1.3 控制系統(tǒng)

工控機(jī)作為控制系統(tǒng)的控制中心，通過數(shù)據(jù)采集卡及串口通訊實(shí)時(shí)獲取現(xiàn)場(chǎng)傳感器采集的數(shù)據(jù)信息，同時(shí)對(duì)其進(jìn)行分析、處理。為了實(shí)現(xiàn)工控機(jī)對(duì)數(shù)字量、模擬量信號(hào)的輸入/輸出與圖像信息的采集，該系統(tǒng)主要選用了臺(tái)灣研華公司的 PCL－818L、PCLD－785、PCLD－782數(shù)據(jù)采集卡和1 394采集卡。該物料傳輸多參數(shù)檢測(cè)系統(tǒng)包含:2路數(shù)字量輸入信號(hào)，用于接收光電開關(guān)的狀態(tài);2路數(shù)字量輸出信號(hào)，用于控制電機(jī)的啟動(dòng)、停止、轉(zhuǎn)向;2路模擬量輸入信號(hào)，用于連接稱重傳感器和測(cè)距傳感器;1路模擬量輸出信號(hào)，用于控制電機(jī)速度;1路RS－232串口信號(hào)，用于連接條碼掃描儀，實(shí)現(xiàn)與工控機(jī)的通訊;1塊1 394采集卡，用于采集CCD攝像機(jī)采集的圖像信息。

圖1 檢測(cè)臺(tái)整體設(shè)計(jì)方案圖

2 基于LabVIEW和NI Vision的軟件系統(tǒng)

圖2 軟件系統(tǒng)運(yùn)行流程

物料傳輸多參數(shù)檢測(cè)軟件系統(tǒng)建立在LabVIEW和NI Vision平臺(tái)基礎(chǔ)之上，以實(shí)現(xiàn)數(shù)據(jù)的采集、分析與控制，多參數(shù)檢測(cè)系統(tǒng)動(dòng)作流程如圖2所示，其中圖像處理部分是整個(gè)檢測(cè)系統(tǒng)的關(guān)鍵部分。在檢測(cè)過程中，攝像機(jī)實(shí)時(shí)拍攝的物料圖像經(jīng)過圖像處理之后完成物料位置檢測(cè)、速度、形狀、破損情況的檢測(cè)。圖像處理流程如圖3所示。該檢測(cè)系統(tǒng)還具有對(duì)檢測(cè)結(jié)果的分析、顯示與存儲(chǔ)的功能，并且為用戶提供一個(gè)簡(jiǎn)潔方便的操作界面，人機(jī)交互界面如圖4所示。

圖3 圖像處理部分流程

圖4 人機(jī)交互界面

系統(tǒng)人機(jī)交互界面主要分為參數(shù)設(shè)置、顯示、控制3個(gè)部分。各部分功能如下:參數(shù)設(shè)置部分主要完成程序運(yùn)行前初始情況的設(shè)置，如傳感器調(diào)零、條碼讀取串口的設(shè)置等;顯示部分完成各項(xiàng)測(cè)量參數(shù)的顯示，以及實(shí)時(shí)采集圖片顯示和破損圖片的檢測(cè);控制部分主要實(shí)現(xiàn)電機(jī)的啟停、正反轉(zhuǎn)，電機(jī)調(diào)速以及整個(gè)程序的運(yùn)行。

3 圖像處理算法研究

圖像處理部分是整個(gè)檢測(cè)系統(tǒng)的關(guān)鍵部分，圖像處理結(jié)果的好壞直接關(guān)系到整個(gè)檢測(cè)系統(tǒng)的檢測(cè)精度，為了提高系統(tǒng)的檢測(cè)性能、檢測(cè)精度與檢測(cè)速度，本研究綜合考慮各種圖像處理算法的優(yōu)、缺點(diǎn)，將多種圖像處理方法相結(jié)合，有效地提高了系統(tǒng)的檢測(cè)效率。圖像處理部分主要包括以下內(nèi)容:攝像機(jī)標(biāo)定、圖像濾波、邊緣檢測(cè)、質(zhì)心計(jì)算、位置檢測(cè)與速度計(jì)算、物料形狀、尺寸分析與破損識(shí)別。

3.1 攝像機(jī)標(biāo)定

多參數(shù)檢測(cè)系統(tǒng)需要檢測(cè)物料的位置及尺寸信息，因此，攝像機(jī)的標(biāo)定工作非常重要。攝像機(jī)標(biāo)定工作的準(zhǔn)確性直接影響著整個(gè)系統(tǒng)的檢測(cè)精度。該系統(tǒng)所用CCD攝像機(jī)在有效視野范圍內(nèi)畸變不大，綜合考慮檢測(cè)效率，該系統(tǒng)選用攝像機(jī)線性標(biāo)定方法對(duì)所用CCD攝像機(jī)進(jìn)行標(biāo)定:首先，將被檢物料的圖像像素坐標(biāo)變換到圖像平面坐標(biāo);再由圖像平面坐標(biāo)變換到攝像機(jī)坐標(biāo);最后，由攝像機(jī)坐標(biāo)變換到絕對(duì)坐標(biāo)系下，計(jì)算出像素坐標(biāo)在絕對(duì)坐標(biāo)下的位置。該方法為實(shí)際物料位置、傳輸速度、物料尺寸的準(zhǔn)確判斷提供必要條件和基礎(chǔ)。

3.2 彩色圖像二值化

多參數(shù)檢測(cè)系統(tǒng)連續(xù)采集多張物料運(yùn)動(dòng)的圖片并在人機(jī)交互界面的窗口中實(shí)時(shí)顯示，同時(shí)通過IMAQ Color Operators函數(shù)將物料圖片與背景圖片做差分，從而消除圖像上除貨物以外的背景中的干擾因素。差分處理最主要的作用就是增強(qiáng)兩幅圖像的差異，“孤立”目標(biāo)圖像，從而更容易進(jìn)行后續(xù)程序處理。經(jīng)差分后的圖片降低了背景和噪聲的干擾，為后續(xù)圖像處理提供了較高質(zhì)量的圖像信息。

圖像二值化處理是將灰度圖像變換成0，1取值的二值圖像過程。本研究進(jìn)行圖像二值化，即把帶有背景信息的物料圖像轉(zhuǎn)化到0，1兩種灰度值圖像。興趣區(qū)域二值化的好壞直接影響到后面的物料信息提取的準(zhǔn)確性與參數(shù)檢測(cè)系統(tǒng)的精度。圖像二值化處理的關(guān)鍵就是閾值的選定。當(dāng)像素點(diǎn)的灰度值大于閾值時(shí)，將該點(diǎn)設(shè)為1;灰度值小于閾值時(shí)，將該點(diǎn)設(shè)為0。這樣就將整幅圖像轉(zhuǎn)化為由0和1組成的二值圖像。如果閾值選得過高，則有過多的目標(biāo)點(diǎn)被誤歸為背景;反之，則會(huì)出現(xiàn)相反的情況。

即:

最大熵閾值法、Nilblack法、鄰域均值法等方法在求取閾值時(shí)，計(jì)算量較大，算法較復(fù)雜，難以適合實(shí)時(shí)性的要求。因此，本研究選用灰度閾值選取法，通過分析紅色、綠色和藍(lán)色通道上的圖像灰度值可以得出在紅色通道上的背景和物料灰度差距最大，選取紅色通道上閾值為T=100，二值化結(jié)果如圖5(b)所示。

3.3 形態(tài)學(xué)濾波

形態(tài)學(xué)濾波在物料形狀尺寸、破損情況的識(shí)別中是一門核心的技術(shù)。數(shù)學(xué)形態(tài)學(xué)是建立在數(shù)學(xué)集合理論基礎(chǔ)之上的學(xué)科，但它又與實(shí)際密切結(jié)合。它可以利用集合函數(shù)的膨脹和腐蝕進(jìn)行局部運(yùn)算，實(shí)現(xiàn)對(duì)圖像的空間濾波。形態(tài)學(xué)濾波中膨脹可以使圖像中連通區(qū)域變大;腐蝕則使其變小;開操作可以去掉圖像中的孤立點(diǎn)和毛刺;閉操作可以填充小洞和連通鄰近目標(biāo)。Top－Hat算子是形態(tài)學(xué)中膨脹、腐蝕等基本算子的組合，Top－Hat算子是一種極好的高通濾波算子，利用該算子，通過選擇合適的結(jié)構(gòu)元，就可以將需要的目標(biāo)從復(fù)雜的背景中提取出來［17］。

設(shè)f(x)和b(x)是定義在二維離散空間上的兩個(gè)離散函數(shù)，其中，f(x)為灰度圖像，b(x)為結(jié)構(gòu)元素，則膨脹、腐蝕、形態(tài)開、形態(tài)閉定義如下:

f(x)關(guān)于b(x)的膨脹和腐蝕分別定義為:

f(x)關(guān)于b(x)的形態(tài)開和形態(tài)閉分別定義為:

開Top－Hat算子定義為:

閉Top－Hat算子定義為:

Top－Hat算子根據(jù)使用開、閉運(yùn)算的不同而分為Top－Hat算子和閉 Top－Hat算子。開 Top－Hat運(yùn)算是原信號(hào)與開運(yùn)算后的差，所以最后得到的是除掉背景后的噪聲信號(hào)?？梢?，通過選擇合適的結(jié)構(gòu)元素就可將需要的目標(biāo)從復(fù)雜背景中提取出來。經(jīng)過形態(tài)學(xué)濾波膨脹腐蝕后的結(jié)果如圖5(c)所示，用于物料形狀尺寸的識(shí)別。

3.4 邊緣檢測(cè)

為了檢測(cè)物料的形狀與尺寸，首先需要對(duì)物料的輪廓邊緣進(jìn)行檢測(cè)，在圖像處理中邊緣檢測(cè)方法很多，經(jīng)過實(shí)際驗(yàn)證筆者采用Canny算子進(jìn)行邊緣檢測(cè)，效果更明顯。Canny算子進(jìn)行邊緣檢測(cè)的基本原理是:能有效地抑制噪聲;必須盡量精確確定邊緣的位置;根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子，即Canny邊緣檢測(cè)算子。Canny［18］用泛函求導(dǎo)方法推導(dǎo)出高斯函數(shù)的一階導(dǎo)數(shù)，即為該最佳邊緣檢測(cè)算子的最好近似，且有簡(jiǎn)便的計(jì)算方法。設(shè)G表示兩維高斯函數(shù)，f表示圖像;Canny邊緣檢測(cè)算子為:

由于事先不知道邊緣的方向，取?(G→n× f)/?→n=0，那么邊緣點(diǎn)是方程?(G→n× f)/?→n=0 的解，即?2(G→n×f)/?→n2=0的解。然后通過雙閾值去掉偽邊緣。換言之，Canny算子檢測(cè)到的邊緣點(diǎn)是高斯函數(shù)光滑后的圖像的拐點(diǎn)。

Canny邊緣檢測(cè)算法的核心包括下面幾個(gè)步驟［19］:

(1)用高斯濾波器平滑圖像;

(2)用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向;

(3)對(duì)梯度幅值進(jìn)行非極大值抑制;

(4)用雙閾值算法檢測(cè)和連接邊緣。

通過檢測(cè)物料的邊緣信息，可以知道其形狀信息和輪廓尺寸大小信息。

3.5 物料質(zhì)心檢測(cè)

知道物料圖像的質(zhì)心位置之后，通過坐標(biāo)變換就可以知道物料在傳送帶上的相對(duì)位置以及物料的傳送速度了。所謂質(zhì)心，是指目標(biāo)圖像的灰度中心，它并不是目標(biāo)的形心(幾何中心)。假設(shè)目標(biāo)在二維圖像中的尺寸為M×N，目標(biāo)在位置(i，j)的灰度值為g(i，j)，則該目標(biāo)的質(zhì)心(x，y)定義為:

式中:x，y—檢測(cè)點(diǎn)圖像質(zhì)心坐標(biāo)。

可見，質(zhì)心的確定是以目標(biāo)中各個(gè)位置的灰度值為依據(jù)的，它實(shí)際上相當(dāng)于對(duì)目標(biāo)的坐標(biāo)位置進(jìn)行了加權(quán)平均處理，而各個(gè)位置對(duì)應(yīng)的加權(quán)值即為該點(diǎn)的像素灰度值。另外，由于坐標(biāo)位置只能為整數(shù)，處理過程中需要根據(jù)具體情況，對(duì)加權(quán)求和的結(jié)果以得到實(shí)際存在的坐標(biāo)值。經(jīng)過前面處理得到提取出邊緣和質(zhì)心的圖片如圖5(d)所示。知道物料的質(zhì)心后，其運(yùn)動(dòng)運(yùn)動(dòng)速度由下式得到:

3.6 破損辨識(shí)

破損檢測(cè)是該檢測(cè)中非常重要的檢測(cè)參數(shù)，貨物的破損，在有些情況下人肉眼是很容易區(qū)分出來的，然而完全由機(jī)器來辨識(shí)卻不是一件容易的事情。根據(jù)被檢物料的實(shí)際情況，本研究選擇一種簡(jiǎn)單、實(shí)用、快速的方法來實(shí)現(xiàn)物料破損的辨識(shí)，即根據(jù)采集圖像估計(jì)出非破損情況下的圖像信息，然后用破損物料的圖像信息與所估計(jì)的圖像信息進(jìn)行比較，得出破損形狀及其位置。二值化處理以后的圖片(如圖5(b)所示)與經(jīng)過形態(tài)學(xué)濾波處理后的背景估計(jì)圖(如圖5(c)所示)做差分后得到貨物中的破損部分。同時(shí)人機(jī)交互面板中的破損顯示按鈕變紅。破損檢測(cè)的圖片流程實(shí)例如圖5所示。

圖5 破損檢測(cè)

3.7 數(shù)據(jù)存儲(chǔ)

整個(gè)檢測(cè)過程完成后，所得到的有效數(shù)據(jù)通過LabVIEW的數(shù)據(jù)存儲(chǔ)功能函數(shù)Write to Text File分別寫進(jìn)初始化時(shí)已經(jīng)用Open File函數(shù)打開的.xls Excel模板文檔中，方便用戶查詢和使用。

4 檢測(cè)系統(tǒng)性能測(cè)試

本研究設(shè)計(jì)的多參數(shù)物料檢測(cè)系統(tǒng)對(duì)所提設(shè)計(jì)要求的一系列已經(jīng)標(biāo)定好的被檢物料進(jìn)行了檢測(cè)，其中幾種標(biāo)定工件的參數(shù)如表1所示。檢測(cè)結(jié)果表明，該系統(tǒng)滿足所提檢測(cè)要求:檢測(cè)的物料重量范圍為1 kg～60 kg;尺寸范圍為:長(zhǎng)10 cm～50 cm，寬10 cm ～50 cm，高5 cm～30 cm;最大速度不大于1 m/s;誤差限定在測(cè)量范圍的5%以內(nèi)(長(zhǎng)度、寬度的檢測(cè)誤差主要取決于邊緣和質(zhì)心的檢測(cè)結(jié)果)，破損面積大于1 cm2。其中幾組(2、4、5組)檢測(cè)結(jié)果如表2所示。

表1 標(biāo)定工件的參數(shù)

表2 檢測(cè)結(jié)果

其中一組測(cè)量數(shù)據(jù)如下:選取第20個(gè)運(yùn)送到檢測(cè)臺(tái)的包裝箱，尺寸信息如表1(第4組)所示，檢測(cè)結(jié)果如表2所示。圖4的人機(jī)交互界面中顯示了測(cè)量結(jié)果:長(zhǎng)度34.9 cm、寬度21.5 cm、高度18.6 cm、體積1.4×104cm3、位數(shù)13 條碼6922646102518、重量8.07 kg、傳輸量20，速度0.34 m/s、貨物破損、紅燈報(bào)警。

5 結(jié)束語

筆者研究了基于圖像形態(tài)學(xué)濾波與邊緣檢測(cè)等圖像處理算法的物料多參數(shù)檢測(cè)系統(tǒng)，并設(shè)計(jì)了一套物料多參數(shù)檢測(cè)裝置。該系統(tǒng)以LabVIEW和NI Vision為軟件開發(fā)平臺(tái)，設(shè)計(jì)了用于物料傳輸與檢測(cè)的控制與多參數(shù)檢測(cè)系統(tǒng)，對(duì)物料在傳送帶上的傳輸速度、傳輸量、重量、尺寸以及包裝是否破損等情況進(jìn)行檢測(cè)。

該系統(tǒng)能夠支持柔性物流系統(tǒng)的作業(yè)規(guī)劃需求，并通過友好的人機(jī)交互界面進(jìn)行操作，檢測(cè)結(jié)果以文檔形式統(tǒng)一存儲(chǔ)，非常方便用戶查看。該系統(tǒng)運(yùn)行穩(wěn)定，操作簡(jiǎn)單，各參數(shù)平均測(cè)量誤差在測(cè)量范圍的5%以內(nèi)，可檢測(cè)最小破損面積為1 cm2，滿足實(shí)際應(yīng)用要求，大大提高了生產(chǎn)線的檢測(cè)效率。

［1］ 張?jiān)弃Q，喬曉軍，張?jiān)戚x，等.采用CCD攝像和圖像分析技術(shù)的作物葉面積測(cè)量?jī)x的研發(fā)［J］.儀器儀表學(xué)報(bào)，2006，27(4):345－352.

［2］ 金 鋒，陳高潤(rùn).虛擬儀器在氣固兩相流參數(shù)測(cè)量中的應(yīng)用［J］.北京理工大學(xué)學(xué)報(bào)，2007，27(9):797－800.

［3］ 賀 斌，胡 靜，符欲梅.基于虛擬儀器的多參量測(cè)試系統(tǒng)［J］.儀器儀表學(xué)報(bào)，2004，25(4):335－337.

［4］ 于子江，婁洪偉，于 曉，等.LabVIEW應(yīng)用于實(shí)時(shí)圖像采集及處理系統(tǒng)［J］.微計(jì)算機(jī)信息，2007，23(13):98－100.

［5］ 王 陽，王竹林.基于Labview的圖像處理技術(shù)［J］.兵工自動(dòng)化，2009，28(1):89－91.

［6］ 袁 娜，宋偉剛，姜 濤.散狀物料輸送機(jī)稱重的圖像處理方法初步研究［J］.煤礦機(jī)械，2007，28(12):59－60.

［7］ 李國(guó)平，劉華冠，李長(zhǎng)春，等.基于機(jī)器視覺的物料袋圖像深度信息的提?。跩］.濟(jì)南大學(xué)學(xué)報(bào):自然科學(xué)版，2010，24(2):193－197.

［8］ 陜西科技大學(xué).一種基于圖像與光電信息融合的傳送帶監(jiān)測(cè)裝置:中國(guó)，CN201020282498.2［P］.2011－02－16.

［9］ 胡 猛，錢東海，申偉鋒.基于顏色特征的物料識(shí)別方法在煙包解包中的應(yīng)用［J］.工業(yè)控制計(jì)算機(jī)，2013，26(7):63－66.

［10］ 陳炳權(quán)，劉宏立，孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向［J］.吉首大學(xué)學(xué)報(bào)，2009，30(1):63－70.

［11］ 羅焱澤，張有忱.基于圖像處理的工業(yè)閥門氣體泄漏監(jiān)測(cè)法［J］.流體機(jī)械，2012，40(5):50－53，85.

［12］ 王樹才，文友先，蘇工兵.禽蛋檢測(cè)與分級(jí)智能機(jī)器人系統(tǒng)的設(shè)計(jì)［J］.機(jī)械工程學(xué)報(bào)，2008，44(2):182－188.

［13］ 朱 光，朱學(xué)芳.基于圖像識(shí)別的螺紋參數(shù)檢測(cè)系統(tǒng)［J］.計(jì)算機(jī)與數(shù)字工程，2010，38(11):156－158.

［14］ 裘江平，鮑 敏.基于圖像處理的刀具角度測(cè)量系統(tǒng)［J］.機(jī)電工程，2010，27(6):32－39.

［15］ 單曉杭，侯海鵬，張 利.零件分揀系統(tǒng)中圖像處理算法研究［J］.機(jī)電工程，2010，27(5):94－97.

［16］ 李光亞.基于LabVIEW的模擬實(shí)驗(yàn)數(shù)據(jù)采集與處理系統(tǒng)開發(fā)［J］.電子測(cè)試，2008(160):52－55.

［17］ GONZALEZ R C，WOODS R E.數(shù)字圖像處理［M］.2版.阮秋琦，譯.北京:電子工業(yè)出版社，2007:432－444.

［18］ 徐光寶，姜東換.自適應(yīng)多尺度Canny邊緣檢測(cè)［J］.山東建筑大學(xué)學(xué)報(bào)，2006，21(4):360－363.

［19］ 劉瑞禎，于仕琪.opencv教程［M］.北京:北京航空航天大學(xué)出版社，2009.