成捆圓鋼機器人貼標(biāo)系統(tǒng)圖像識別方法

黃風(fēng)山，秦亞敏，任玉松

?

成捆圓鋼機器人貼標(biāo)系統(tǒng)圖像識別方法

黃風(fēng)山，秦亞敏，任玉松

( 河北科技大學(xué)機械工程學(xué)院，石家莊 050018 )

為實現(xiàn)成捆圓鋼端面自動化及高效率貼標(biāo)，建立了成捆圓鋼機器人貼標(biāo)系統(tǒng)。本文重點對復(fù)雜背景下圓鋼端面圖像識別進(jìn)行研究，提出了一種圓鋼端面圖像組合識別方法。首先確定圓鋼半徑范圍，利用分水嶺分割算法對粘連圖像進(jìn)行分割，為防止因過分割而造成圓鋼端面圖像的漏識、錯識，提出了真圓度閾值和角度閾值組合算法，以實現(xiàn)對分割后圓鋼端面圖像的準(zhǔn)確識別。然后用橢圓擬合法確定圓鋼端面圖像中心點像素坐標(biāo)，通過Delaunay三角剖分內(nèi)插值法標(biāo)定完成像素坐標(biāo)到世界坐標(biāo)的轉(zhuǎn)換，最后組建了成捆圓鋼端面貼標(biāo)試驗系統(tǒng)。結(jié)果表明：成捆圓鋼機器人貼標(biāo)系統(tǒng)貼標(biāo)速度為20根/min，貼標(biāo)準(zhǔn)確率高達(dá)99.8%。能滿足企業(yè)實際生產(chǎn)需求，為國內(nèi)外成捆圓鋼端面自動化貼標(biāo)技術(shù)的發(fā)展和實際應(yīng)用提供了一定參考。

成捆圓鋼；貼標(biāo)；圖像識別；真圓度閾值；角度閾值；組合識別方法

0 引 言

隨著工業(yè)生產(chǎn)對圓鋼品質(zhì)要求的不斷提高，圓鋼標(biāo)記成為其出廠前不可或缺的基本工藝環(huán)節(jié)。目前圓鋼標(biāo)記的方法主要有激光打標(biāo)、側(cè)面噴印和端面貼標(biāo)等方式。激光打標(biāo)會在圓鋼表面留下永久性標(biāo)記，且由于激光的熱效應(yīng)會影響圓鋼的使用性能[1]；側(cè)面噴印具有效果好、方便觀看以及速度快等優(yōu)點，但是在運送過程中由于碰撞等因素會對標(biāo)記信息造成磨損[2]；綜合考慮，在保證低成本和圓鋼原有性能不變的前提下，對圓鋼端面進(jìn)行貼標(biāo)成為圓鋼標(biāo)記的最佳選擇，然而國內(nèi)外成捆圓鋼端面貼標(biāo)方式為人工貼標(biāo)，該方法勞動強度較大、準(zhǔn)確率和效率不夠高[3]。盡管目前已實現(xiàn)了位置固定的單根圓鋼貼標(biāo)，但對變位置的成捆圓鋼的自動貼標(biāo)研究較少,不能滿足大規(guī)模、高精度貼標(biāo)要求，因此，行業(yè)內(nèi)急需成捆圓鋼的自動貼標(biāo)設(shè)備。其中，對各圓鋼端面圖像進(jìn)行自動識別，并實時定位其中心點世界坐標(biāo)位置，以獲取貼標(biāo)所需的位置信息是其關(guān)鍵技術(shù)問題之一。

本文首次提出將機器視覺應(yīng)用于成捆圓鋼端面貼標(biāo)工序中，建立了一套成捆圓鋼機器人貼標(biāo)系統(tǒng)，重點對成捆圓鋼端面識別進(jìn)行研究。近年來對成捆圓鋼端面圖像識別的研究較少，但是國內(nèi)外學(xué)者對類圓形物體的識別進(jìn)行了很多研究。文獻(xiàn)[4]將車輪圖像中的圖像輪廓斜率曲線與正圓的斜率曲線相比較，若兩者重合度大于30%則識別為車輪輪廓，由于該算法限制條件較少，故只適用于簡單背景下的單個類圓物體識別，識別率不夠高。文獻(xiàn)[5]提出運用物體真圓度越接近于1則形狀越接近于圓的特性判斷物體是否為圓，但這種方法僅適用于目標(biāo)物相互之間沒有粘連的情況下，對成捆圓鋼端面圖像識別則無能為力。HOUGH變換[6]和模型匹配[7]兩種識別圓的算法雖然識別率相對來說較高，但是耗時較長，難以滿足工程要求。以上幾種方法均不適用于對復(fù)雜環(huán)境下的成捆圓鋼端面進(jìn)行識別。

針對成捆圓鋼端面圖像背景復(fù)雜、目標(biāo)物較多等特殊性，同時為滿足識別速度與準(zhǔn)確率，本文首先對預(yù)處理后的粘連成捆圓鋼端面圖像采用分水嶺分割算法進(jìn)行分割，針對可能出現(xiàn)的過分割現(xiàn)象[8-9]，提出采用真圓度閾值和角度閾值雙重標(biāo)準(zhǔn)識別分割后的成捆圓鋼端面圖像以防出現(xiàn)漏識、錯識，并用橢圓擬合法確定圓鋼端面圖像中心點像素坐標(biāo)，通過Delaunay三角剖分內(nèi)插值法標(biāo)定完成像素坐標(biāo)到世界坐標(biāo)的轉(zhuǎn)換，最后將世界坐標(biāo)傳輸給機器人完成貼標(biāo)[10-11]。

1 成捆圓鋼機器人貼標(biāo)系統(tǒng)的構(gòu)成及工作原理

成捆圓鋼機器人貼標(biāo)系統(tǒng)組成示意圖如圖1所示，其主要由機器視覺識別子系統(tǒng)、機器人貼標(biāo)子系統(tǒng)、上位機通訊控制子系統(tǒng)、供壓子系統(tǒng)和供標(biāo)子系統(tǒng)五部分構(gòu)成。首先，經(jīng)機器視覺識別子系統(tǒng)對成捆圓鋼端面圖像識別處理，經(jīng)視覺標(biāo)定后得到各圓鋼端面中心點世界坐標(biāo)，然后將世界坐標(biāo)值傳入上位機通訊控制子系統(tǒng)并控制供標(biāo)子系統(tǒng)進(jìn)行標(biāo)簽打印、剝離，同時機器人貼標(biāo)子系統(tǒng)通過供壓子系統(tǒng)完成取標(biāo)、貼標(biāo)動作，從而實現(xiàn)一次完整的貼標(biāo)過程。

圖1 圓鋼機器人貼標(biāo)系統(tǒng)組成示意圖

2 圓鋼端面圖像識別方法

2.1 機器視覺識別子系統(tǒng)

成捆圓鋼機器人貼標(biāo)系統(tǒng)中機器視覺識別子系統(tǒng)的組成如圖2所示，主要由CCD相機、藍(lán)色光源、藍(lán)色濾光片、標(biāo)定附件、計算機組成[12]。

圖2 機器視覺識別子系統(tǒng)

首先通過視覺標(biāo)定以確定世界坐標(biāo)系與像面坐標(biāo)系兩者之間的轉(zhuǎn)換關(guān)系[13]；待成捆圓鋼到位后，光電傳感器觸發(fā)相機和光源工作以完成圖像采集；通過圖像預(yù)處理、圖像識別等相關(guān)運算獲取各圓鋼端面中心點像面坐標(biāo)，進(jìn)而得到其世界坐標(biāo)值。

2.2圓鋼端面圖像識別方法

成捆圓鋼端面圖像識別的最終目的是獲取各圓鋼端面中心點的世界坐標(biāo)，識別過程中主要解決相鄰圓鋼端面邊界輪廓的粘連問題，本文提出了一種成捆圓鋼端面圖像組合識別方法，其主要步驟為：1) 確定圓鋼半徑范圍；2) 運用分水嶺分割算法將預(yù)處理后粘連的圓鋼端面圖像進(jìn)行分割；3) 提出真圓度閾值和角度閾值雙重標(biāo)準(zhǔn)，識別分割后的圓鋼端面圖像；4) 運用橢圓擬合法獲取各類圓形圖像的半徑和中心點像素坐標(biāo)；5) 根據(jù)步驟1)確定的半徑范圍精簡圓，從而僅保留圓鋼端面圖像信息；6) 運用Delaunay三角剖分內(nèi)插值法標(biāo)定確定各圓鋼端面中心點世界坐標(biāo)。

2.2.1確定圓鋼半徑范圍

采集成捆圓鋼圖像前，在CCD相機焦距范圍內(nèi)采集該種類單根圓鋼不同極限位置的圖像，經(jīng)實際測量確定其在圖像中所占像素面積范圍，由公式求出半徑范圍。然后采集成捆圓鋼現(xiàn)場原始圖像，由于貼標(biāo)現(xiàn)場車間環(huán)境光線較暗且背景較復(fù)雜，在不采取任何光照措施的前提下采集到的成捆圓鋼端面圖像因受其表面材質(zhì)、光照條件及周圍環(huán)境等因素的影響質(zhì)量較差，圖3(a)為無光照措施下典型的原始圖像，因此本文考慮添加輔助光照設(shè)備來改善圖像質(zhì)量以增大圓鋼端面與背景物的灰度差進(jìn)而凸顯圓鋼端面在CCD攝像機下的成像特點。由于圓鋼端面較平整且其反光性較背景物好，通過大量對比實驗可得，在成捆圓鋼端面正前方添加環(huán)形陣列藍(lán)色LED光源并在CCD攝像機鏡頭前安裝與該光源波段相對應(yīng)的濾波片從而阻擋其它波段的光進(jìn)入CCD，可達(dá)到抵御背景干擾從而獲取清晰目標(biāo)圖像的效果，圖3(b)為添加輔助光照措施后采集的圖像信息。由圖3(b)可知，由于背景物與圓鋼端面灰度差值較大，因此經(jīng)圖像預(yù)處理后，可通過灰度直方圖選取合適的閾值，將背景物圖像信息置為黑色，圓鋼端面圖像信息置為白色，從而可得到如圖3(c)所示的較理想的二值圖像。

圖3 圓鋼端面圖像對比圖

2.2.2 圖像分割

預(yù)處理后的圓鋼端面圖像仍有一定的干擾，且得到的圓鋼端面圖像邊緣有粘連情況，如圖4(a)所示。機器視覺識別子系統(tǒng)會將粘連的圓鋼端面圖像識別為同一個端面圖像，因此必須對粘連的圓鋼端面圖像進(jìn)行圖像分割，本文采用分水嶺分割算法對粘連圖像進(jìn)行分割，圖4(b)為分割后的圓鋼端面圖像。

圖4 圓鋼端面粘連分割

2.2.3 分割后的圓鋼端面圖像識別方法

由圖4(b)可知，經(jīng)圖像分割后部分圓鋼端面圖像會出現(xiàn)過分割現(xiàn)象，即單個圓鋼端面圖像被一分為二或一分為多，同時干擾圖像會被分割成很多不規(guī)則的獨立圖像。為防止圓鋼端面圖像漏識、錯識，本文提出了真圓度閾值和角度閾值雙重標(biāo)準(zhǔn)對分割后的圓鋼端面圖像進(jìn)行有效識別，經(jīng)識別判斷若圖像信息符合真圓度閾值或角度閾值標(biāo)準(zhǔn)時，認(rèn)定其具有圓鋼端面特征，當(dāng)圖像信息對真圓度閾值和角度閾值雙重標(biāo)定都不符合時認(rèn)定其為干擾圖像并將其排除。

1) 真圓度閾值法識別圓

物體的真圓度定義為

2) 角度閾值法識別圓

每一個正多邊形都有唯一一個外接圓與之對應(yīng)。當(dāng)正多邊形邊數(shù)趨于無窮大且邊長時該多邊形可看做圓形，其相鄰兩邊夾角為定值。如圖5所示。

圖5 角度閾值法識別圓示意圖

實際試驗結(jié)果顯示，過分割的圓鋼端面其邊緣點仍有圓弧特征，且該圓弧是正多邊形外接圓的一部分。

對獨立圖像進(jìn)行邊緣檢測并記錄所有邊緣點的像素坐標(biāo)值，依次連接相距為的邊緣點并計算相鄰連接線的角度，若結(jié)果中連續(xù)有個在角度閾值范圍內(nèi)上下浮動，則說明該獨立圖像為過分割圓鋼端面圖像的一部分，利用該特性可識別過分割圓鋼端面圖像，并將本方法命名為角度閾值法識別圓。

在進(jìn)行角度閾值識別過分割的圓鋼端面圖像之前，需對圖像進(jìn)行邊緣檢測，傳統(tǒng)的邊緣檢測有Canny算子、Roberts算子、Perwitt算子和Sobel算子四種，運用上述四種邊緣檢測處理圖4(b)，分別得到如圖6(a)、(b)、(c)、(d)結(jié)果(為便于讀者觀察，此處均使用局部放大圖)[14]。由圖可知，以上四種邊緣檢測方法處理后的相鄰圓鋼端面邊緣圖像存在交叉現(xiàn)象，該現(xiàn)象不利于使用角度閾值法識別圓，因此本文提出了一種細(xì)化后的階梯圖像作為圓鋼端面邊緣檢測后的圖像。首先，根據(jù)圓鋼端面圖像的特點，設(shè)計盤型結(jié)構(gòu)元素，對分割后的圓鋼端面的二值圖像I進(jìn)行一次腐蝕操作得到圖像J，然后將I-J得到的階梯圖像K進(jìn)行細(xì)化即得到邊界圖像。運用本方法對圖4(b)處理得到的邊緣圖像為圖6(e)。對比圖可知：運用本方法得到的邊緣分明，每一個獨立物體的邊緣都是連續(xù)的，不具有粘連情況，提高了邊緣提取的完整性。

圖6 邊緣檢測對比圖

對獨立圖像進(jìn)行邊緣檢測并記錄所有邊緣點像素坐標(biāo)值。以每個獨立圖像最左端邊緣點為起點，由可搜索到與間隔的邊緣點，連接；以為起點，取距1為的邊緣點，連接，并計算與的夾角；以2為起點，取距2為的邊緣點3，連接，計算與夾角；依次類推，可得相鄰兩邊夾角。計算若干相鄰夾角的平均值，其表達(dá)式為

為提高識別效率和速率，需對兩點之間距離進(jìn)行范圍限定。如圖5所示，理想情況下，設(shè)圓心角對應(yīng)的圓上兩點距離為。根據(jù)圓鋼半徑范圍，則的取值為,。結(jié)合實際情況，當(dāng)時，識別速率和效率較高。

由于攝像機畸變等因素可能造成分割后的端面圖像不完全為圓形，因此設(shè)置真圓度閾值和角度閾值。規(guī)定當(dāng)時認(rèn)定該圖像為圓，當(dāng)時則需要判斷角度閾值；當(dāng)時將圖像識別為圓，反之該獨立圖像為干擾物。

經(jīng)上述方法識別圓后，采用橢圓擬合法可獲取圓的半徑和圓心坐標(biāo)。由于某些圓鋼端面出現(xiàn)過分割現(xiàn)象，可能導(dǎo)致針對同一圓鋼端面出現(xiàn)重圓如圖7(a)所示，因此需對重圓進(jìn)行精簡，由半徑范圍可知，相鄰圓鋼端面中心點距離必定大于2min，因此可以通過識別出的圓的圓心距離判斷重圓，當(dāng)距離小于2min時，識別為重圓。取重圓的半徑平均值作為圓半徑，取其中心點坐標(biāo)平均值作為圓心坐標(biāo)，擬合出一個圓作為相應(yīng)圓鋼端面的半徑和中心點。圖7(b)為精簡后的局部圓鋼端面放大效果圖。圖7(c)為成捆圓鋼端面圖像精簡圖。

圖7 成捆圓鋼端面圖像精簡效果圖

2.3 圓鋼端面識別算法

為獲取各圓鋼端面中心點世界坐標(biāo)，圓鋼端面識別算法如下：

1) 機器視覺識別子系統(tǒng)標(biāo)定后，采集成捆圓鋼端面圖像，經(jīng)圖像預(yù)處理、圖像分割后，統(tǒng)計并保存每個獨立圖像的像素面積和周長。

2) 首先采用真圓度閾值法對獨立圖像進(jìn)行圓識別操作：按從上到下、從左到右的順序計算每個獨立圖像的真圓度，當(dāng)真圓度大于閾值時，將該圖像識別為圓，進(jìn)行下一個獨立圖像的掃描；當(dāng)真圓度小于閾值時，用角度閾值法對該獨立圖像進(jìn)行圓識別操作：按順時針方向進(jìn)行輪廓跟蹤并記錄其坐標(biāo)值、計算其角度閾值，當(dāng)角度閾值在范圍內(nèi)時識別為圓，反之將其歸為干擾圖像并對下一獨立圖像進(jìn)行圓識別判斷，直到掃描完成圖中所有獨立圖像，該算法終止。

3) 將圖中所有圓識別后，由橢圓擬合法擬合圓以獲取圓半徑值和圓心坐標(biāo)值，然后對識別出的圓進(jìn)行精簡從而得出圓鋼端面的中心點像素坐標(biāo)。

4) 運用Delaunay三角剖分內(nèi)插值法標(biāo)定完成像素坐標(biāo)到世界坐標(biāo)的轉(zhuǎn)換。

3 實 驗

為充分驗證本方法的可行性，在實驗室環(huán)境下建立了如圖8所示的貼標(biāo)實驗系統(tǒng)并進(jìn)行貼標(biāo)試驗，圖9(a)為采集的原始圖像，圖9(b)是經(jīng)本文識別算法處理后圖像，圖中“*”位置為各圓鋼中心像點，各端面圖像中心點像素坐標(biāo)值(u,u)，經(jīng)Delaunay三角剖分內(nèi)插值法標(biāo)定后，得到各圓鋼端面中心點世界坐標(biāo)(w,w)，其數(shù)值如表1所示。經(jīng)貼標(biāo)試驗，最終貼標(biāo)效果見圖9(c)。

上述試驗數(shù)據(jù)和貼標(biāo)效果表明：本文研制的成捆圓鋼端面機器人貼標(biāo)系統(tǒng)能夠準(zhǔn)確、高效地達(dá)到貼標(biāo)工藝要求，運用本文提出的圓鋼端面識別算法在識別準(zhǔn)確率和速率上能夠彌補文獻(xiàn)[4-5]中只能識別簡單背景下單個類圓目標(biāo)物和文獻(xiàn)[6-7]識別速度較慢的不足，圓鋼端面中心點像素坐標(biāo)值提取精度可達(dá)到亞像素級，其世界坐標(biāo)值獲取精度達(dá)到0.1 mm，貼標(biāo)準(zhǔn)確率高達(dá)99.8%，貼標(biāo)速度為20根/min，可滿足圓鋼端面自動化貼標(biāo)實際生產(chǎn)需求。

圖8 貼標(biāo)實驗系統(tǒng)

表1 圓鋼各端面中心點像素坐標(biāo)值(u,u)和中心點世界坐標(biāo)值(w,w)

Table 1 The pixel world coordinate values and the center world coordinate values of round bales end faces

CoordinatesNo. 1234567891011121314 Xu/pixel848.31733.59835.65790.50630.06688.95896.73906.11747.09803.93587.40701.87641.66949.43 Yu/pixel407.25581.06584.80490.94570.40485.02500.70321.55400.95314.04478.53310.45392.95412.43 Xw/cm9.7113.5910.0911.6717.1415.148.027.7513.1811.2518.6214.7416.786.23 Yw/cm-9.96-15.93-16.04-12.83-15.59-12.65-13.14-7.01-9.76-6.78-12.45-6.68-9.51-10.11

結(jié)束語

本文首次提出將機器視覺應(yīng)用于成捆圓鋼端面貼標(biāo)工藝環(huán)節(jié)中，建立了成捆圓鋼機器人貼標(biāo)系統(tǒng)，填補了成捆圓鋼端面自動化貼標(biāo)的空白。由于現(xiàn)有的類圓目標(biāo)物識別算法在準(zhǔn)確率和速率上難以滿足工程要求，本文綜合考慮成捆圓鋼端面圖像背景復(fù)雜、目標(biāo)物較多等特點，重點對圓鋼端面圖像識別進(jìn)行了研究，提出了真圓度閾值和角度閾值組合算法對分割后的圓鋼端面圖像進(jìn)行識別，利用橢圓擬合法擬合出各圓鋼端面輪廓從而獲取其中心像點像素坐標(biāo)，通過三角剖分標(biāo)定得到其世界坐標(biāo)值，最后構(gòu)建了貼標(biāo)試驗系統(tǒng)。經(jīng)試驗，本文提出的一整套算法與系統(tǒng)是可行的，試驗結(jié)果表明：該貼標(biāo)系統(tǒng)速度快、精度高，能夠滿足圓鋼端面自動化貼標(biāo)實際生產(chǎn)需求。

[1] 王建平，李正佳，范曉紅. 激光打標(biāo)系統(tǒng)及工藝參數(shù)的分析 [J]. 光學(xué)與光電技術(shù)，2005，3(3)：32-35.

WANG Jianping，LI Zhengjia，F(xiàn)AN Xiaohong. Laser Marking System and Analysis of Its Technical Parameters [J]. Optics & Optoelectronic Technology，2005，3(3)：32-35.

[2] 劉輝. 鋼板側(cè)噴標(biāo)識控制系統(tǒng)改進(jìn)[J]. 武鋼技術(shù)，2016，54(1)：52-56.

LIU Hui. Improvement of automation system for plate edge marking machine [J]. Wisco Technology，2016，54(1)：52-56.

[3] 程宏，曾連蓀，童毅. 基于機器視覺的物體包裝盒實時貼標(biāo)系統(tǒng)設(shè)計[J]. 電子設(shè)計工程，2013，21(5)：40-42.

CHENG Hong，ZENG Liansun，TONG Yi. Design of object packing box real-time labeling system based on machine vision [J]. Electronic Design Engineering，2013，21(5)：40-42.

[4] XU Guan，LI Xiaotao，SU Jian，. Circle recognition and parameter measurement methods with the similarity constraint on the slope curve of the tangent lines to a contour [J]. Optik-International Journal for Light and Electron Optics(S0030-4026)，2013，124(16)：2463-2467.

[5] 張舞杰，楊義祿，李迪，等. 自動影像測量系統(tǒng)關(guān)鍵算法[J]. 光學(xué)精密工程，2007，15(2)：294-301.

ZHANG Wujie，YANG Yilu，LI Di，. Key algorithms of automatic image measurement system [J]. Optics and Precision

Engineering，2007，15(2)：294-301.

[6] Alexopoulos T，Iakovidis G，Leontsinis S，. Identification of circles from datapoints using the Legendre transform [J]. Nuclear Instruments & Methods in Physics Research(S0168-583X)，2014，745(3)：16-23.

[7] 李寒，王庫，曹倩，等. 基于機器視覺的番茄多目標(biāo)提取與匹配[J]. 農(nóng)業(yè)工程學(xué)報，2012，28(5)：168-172.

LI Han，WANG Ku，CAO Qian，. Tomato targets extraction and matching based on computer vision [J]. Transactions of the Chinese Society of Agricultural Engineering，2012，28(5)：168-172.

[8] Vincent L，Soille P. Watersheds in digital spaces：an efficient algorithm based on immersion simulations [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence(S0162-8828)，1991，13(6)：583-598.

[9] 孫惠杰，鄧廷權(quán)，李艷超. 改進(jìn)的分水嶺圖像分割算法[J]. 哈爾濱工程大學(xué)學(xué)報，2014，35(7)：857-864.

SUN Huijie，DENG Tingquan，LI Yanchao. Image segmentation algorithm based on the improved watershed algorithm [J]. Journal of Harbin Engineering University，2014，35(7)：857-864.

[10] 徐侃，李文龍，尹周平. 一種基于Delaunay剖分三角形內(nèi)插值的攝像機標(biāo)定方法[J]. 裝備制造技術(shù)，2013，15(2)：13-17.

XU Kan，LI Wenlong，YIN Zhouping. A Camera Calibration Method Based on the Interpolation of Delaunay Triangles [J]. Equipment Manufacturing Technology，2013，15(2)：13-17.

[11] QIAO Xuejun，ZHANG Li，LIU Rong. A new ellipse fitting method and its application [C]// IEEEInternational Conference on Electrical and Control Engineering，Yichang，China，Sept 16-18，2011，62：509-512.

[12] 黃風(fēng)山，陳麗，任有志，等. 連鑄坯線結(jié)構(gòu)光視覺定重方法[J]. 光電工程，2015，42(8)：27-33.

HUANG Fengshan，CHEN Li，REN Youzhi，. A Vision Weight Method of Billet Based on Linear Structure Laser [J].Opto-ElectronicEngineering，2015，42(8)：27-33.

[13] 肖志濤，張文寅，耿磊，等. 雙目視覺系統(tǒng)測量精度分析[J]. 光電工程，2014，41(2)：6-11.

XIAO Zhitao，ZHANG Wenyin，GENG Lei，. Accuracy Analysis of Binocular Vision System [J]. Opto-Electronic Engineering，2014，41(2)：6-11.

[14] 雒濤，鄭喜鳳，丁鐵夫. 改進(jìn)的自適應(yīng)閾值Canny邊緣檢測[J]. 光電工程，2009，36(11)：106-111.

LUO Tao，ZHENG Xifeng，DING Tiefu. Improved Self-adaptive Threshold Canny Edge Detection [J].Opto-ElectronicEngineering，2009，36(11)：106-111.

The Image Recognition Method on Round Bales Robot Labeling System

HUANG Fengshan，QIN Yamin，REN Yusong

(School of Mechanical Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China)

In order to realize the automation and high efficiency labeling of round bales, a robot labeling system of round bales has been constructed. A image recognition method of round bale end face under complex background has beenstudied and a combined recognition algorithm is proposed. Firstly, the radius range of round bale is determined, and the watershed algorithm is used to segment the adhesion image. In order to prevent the leakage and error identification of round bale end face caused by over-segmentation, true roundness threshold and angle threshold are proposed to recognize the over-segmented images further precisely. Then the pixel coordinate centers of round bale end faces are obtained using the ellipse fitting method, and the conversion relationshipbetween the pixel coordinates and world coordinates is completed by the calibration based on the Interpolation of Delaunay Triangles. Finally, the labeling experimental system is set up. Experimental results show that the speed of this labeling system is 20 roots per minute,and the accuracy rate is 99.8%. The system can meet the actual production needs of enterprises, and it can provide certain reference for technology development and practical application of round bale end face automatic labeling at home and abroad.

Round bales; Labeling; Image recognition; True roundness threshold; Angle threshold; Combined recognition algorithm

1003-501X(2016)12-0168-07

TP391.41

A

10.3969/j.issn.1003-501X.2016.12.026

2016-06-20；

2016-11-07

國家自然科學(xué)基金資助項目(51075119)；河北省科技支撐重點項目(13210116D)；河北省高層次人才資助項目(C2013005004)

黃風(fēng)山(1970-)，男(漢族)，河北石家莊人。教授，博士，主要從事精密測試技術(shù)與儀器方面研究。E-mail:hfs_high@126.com。