基于最小二乘法的瓶蓋檢測(cè)算法設(shè)計(jì)應(yīng)用

黃 達(dá) 黃樹彩 劉錦昌 龐 策

(空軍工程大學(xué)防空反導(dǎo)學(xué)院 陜西 西安 710051)

基于最小二乘法的瓶蓋檢測(cè)算法設(shè)計(jì)應(yīng)用

黃 達(dá) 黃樹彩 劉錦昌 龐 策

(空軍工程大學(xué)防空反導(dǎo)學(xué)院 陜西 西安 710051)

隨著科技的進(jìn)步，現(xiàn)代化工業(yè)生產(chǎn)水平不斷提高。而目前生產(chǎn)線中，瓶蓋的檢測(cè)仍靠人力，為實(shí)現(xiàn)瓶蓋自動(dòng)化實(shí)時(shí)檢測(cè)與篩選，改善采集高速運(yùn)動(dòng)瓶蓋圖像所出現(xiàn)的虛影問(wèn)題，設(shè)計(jì)適合高速瓶蓋檢測(cè)的算法。其主要工作包含：分析采集圖像中目標(biāo)邊緣數(shù)據(jù)，創(chuàng)新性地將最小二乘法算法引入到圖像處理領(lǐng)域，對(duì)目標(biāo)圖像線性化處理，降低虛影程度，從而降低系統(tǒng)對(duì)硬件的依賴程度；改進(jìn)平均閾值分割算法，并結(jié)合小面積去除法去除背景雜質(zhì)點(diǎn)，提取出清晰的目標(biāo)輪廓；通過(guò)仿真技術(shù)驗(yàn)證系統(tǒng)算法，得出算法具有簡(jiǎn)單、快速等特征的結(jié)論。通過(guò)系統(tǒng)實(shí)驗(yàn)，證實(shí)該檢測(cè)系統(tǒng)具有高準(zhǔn)確性和高實(shí)時(shí)性。

機(jī)器視覺(jué) 最小二乘法 閾值分割 面積濾波

0 引 言

近年來(lái)，隨著技術(shù)的不斷進(jìn)步，工業(yè)產(chǎn)品的生產(chǎn)速度正在大幅提升，為了保證檢測(cè)結(jié)果的正確率，需要對(duì)產(chǎn)品進(jìn)行細(xì)致的檢測(cè)，這就對(duì)產(chǎn)品生產(chǎn)線中質(zhì)量檢測(cè)與篩選環(huán)節(jié)提出很高的要求。現(xiàn)如今，國(guó)內(nèi)多數(shù)產(chǎn)品質(zhì)量檢測(cè)與篩選環(huán)節(jié)還停留在人力層面，并未實(shí)現(xiàn)自動(dòng)化[1]。這一模式已滿足不了高速度的生產(chǎn)，市場(chǎng)急需一種可以代替人力并且可以提高效率的電氣控制設(shè)備。

機(jī)器視覺(jué)是一種借助計(jì)算機(jī)以實(shí)現(xiàn)圖像采集及處理的技術(shù)，具有不接觸目標(biāo)的特點(diǎn)，通過(guò)產(chǎn)品外觀可判斷產(chǎn)品質(zhì)量，其在自動(dòng)產(chǎn)品檢測(cè)方面有著引導(dǎo)作用。目前在工業(yè)方面已有很多應(yīng)用，張欽等將機(jī)器視覺(jué)應(yīng)用到自動(dòng)包裝平臺(tái)[2]，其目的是追求高效率；董立廣等結(jié)合汽車發(fā)動(dòng)機(jī)裝配線的實(shí)際情況[3]，用機(jī)器視覺(jué)克服現(xiàn)有技術(shù)中存在的不足?？梢?jiàn)，機(jī)器視覺(jué)在工業(yè)檢測(cè)環(huán)節(jié)有著實(shí)際作用。

圖像處理技術(shù)包含模擬圖像處理和數(shù)字圖像處理兩大類，數(shù)字圖像處理需要借助計(jì)算機(jī)等處理工具來(lái)完成，上面提到的機(jī)器視覺(jué)需在此基礎(chǔ)上實(shí)現(xiàn)。

本文檢測(cè)目標(biāo)是瓶蓋且是近距離檢測(cè)，可將此檢測(cè)劃分到面目標(biāo)檢測(cè)領(lǐng)域。瓶蓋質(zhì)量檢測(cè)算法在國(guó)內(nèi)外正在發(fā)展，黃偉等提出基于DSP的瓶蓋缺陷檢測(cè)算法[4]；李喆等對(duì)機(jī)器視覺(jué)的瓶蓋表面檢測(cè)技術(shù)進(jìn)行研究[5]，實(shí)現(xiàn)了對(duì)瓶蓋表面種類的區(qū)分，以及是否有瑕疵的識(shí)別；張哲等應(yīng)用差分區(qū)域面積算法進(jìn)行不良瓶蓋檢測(cè)[1]。

瓶蓋檢測(cè)過(guò)程中存在的關(guān)鍵問(wèn)題：

(1) 實(shí)際應(yīng)用中，背景中包含與目標(biāo)色素相近的雜質(zhì)，而且實(shí)際設(shè)備采集圖像頻率有限，當(dāng)目標(biāo)運(yùn)動(dòng)速度超過(guò)采集頻率時(shí)，所采集的目標(biāo)圖像就會(huì)出現(xiàn)虛影(陰影)現(xiàn)象[6-7]。

(2) 所采集到的圖像中，瓶蓋相對(duì)于背景位置不固定，如果直接用所采集的圖像與標(biāo)準(zhǔn)圖像比較，會(huì)造成很大誤差，因此需要設(shè)計(jì)提取目標(biāo)的算法。

(3) 完成一個(gè)瓶蓋的檢測(cè)篩選，就需要對(duì)被檢測(cè)瓶蓋進(jìn)行跟蹤，跟蹤算法復(fù)雜，對(duì)系統(tǒng)資源占用較多，影響系統(tǒng)運(yùn)行速度，難以保證實(shí)時(shí)性。

(4) 采用閾值分割算法提取目標(biāo)可以解決(2)中的位置問(wèn)題，但是需要合適的算法確定閾值，才能保證提取出的目標(biāo)圖像的完整性。

針對(duì)以上關(guān)鍵問(wèn)題，本文合理地布局硬件，搭建一個(gè)可以采用硬件實(shí)現(xiàn)被測(cè)瓶蓋的跟蹤系統(tǒng)，節(jié)省了跟蹤算法所占用的系統(tǒng)資源[8-9]，使系統(tǒng)運(yùn)行速度得以保障，并設(shè)計(jì)了相應(yīng)算法，確保系統(tǒng)高效工作。

1 系統(tǒng)背景介紹

文獻(xiàn)[1]中設(shè)計(jì)了一個(gè)較完整的瓶蓋檢測(cè)系統(tǒng)，該系統(tǒng)由圖像處理、瓶蓋篩選兩個(gè)子系統(tǒng)構(gòu)成。圖像處理在系統(tǒng)中起著關(guān)鍵作用，包括圖像采集、計(jì)算機(jī)處理兩部分，圖像采集的質(zhì)量對(duì)計(jì)算機(jī)處理結(jié)果有著很大影響；瓶蓋篩選在系統(tǒng)中起著決策作用。

圖1是系統(tǒng)硬件結(jié)構(gòu)圖。其中紅外傳感器的作用是檢測(cè)瓶蓋位置，這一應(yīng)用簡(jiǎn)化了圖像采集算法，使系統(tǒng)運(yùn)算速度得以提高；CCD攝像頭采集高清圖像，PC機(jī)對(duì)圖像處理并將處理結(jié)果傳輸?shù)綒鈩?dòng)閥門，在系統(tǒng)中擔(dān)當(dāng)中樞。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖

系統(tǒng)工作原理：處于傳送帶上的瓶蓋高速運(yùn)行，經(jīng)過(guò)紅外傳感器時(shí)，觸動(dòng)圖像采集開關(guān)，根據(jù)瓶蓋到CCD攝像頭所需時(shí)間設(shè)計(jì)好采集時(shí)間的延遲，CCD攝像頭將采集的圖像送到PC機(jī)，PC機(jī)對(duì)圖像進(jìn)行處理，并對(duì)瓶蓋質(zhì)量做出判斷，將判斷結(jié)果通過(guò)串口技術(shù)輸送到氣動(dòng)閥門，氣動(dòng)閥門根據(jù)這一結(jié)果做出相應(yīng)動(dòng)作。

系統(tǒng)搭建的關(guān)鍵點(diǎn)[10]：

(1) 傳送帶顏色的選擇。顏色特征是機(jī)器視覺(jué)處理算法的關(guān)鍵，如若傳送帶顏色與瓶蓋顏色相近，會(huì)使系統(tǒng)對(duì)算法的要求過(guò)高而且難以保證檢測(cè)的準(zhǔn)確性，所以傳送帶的顏色應(yīng)區(qū)別于瓶蓋。

(2) CCD攝像頭的固定位置。CCD攝像頭是圖像采集的關(guān)鍵，其位置的固定非常重要，既保證采集圖像的亮度和完整(只包含完整的瓶蓋和傳送帶)，還需避免受到外界環(huán)境影響。

(3) 氣動(dòng)閥門位置的選擇。氣動(dòng)閥門是對(duì)瓶蓋篩選的工具，這一硬件與前面的紅外光電傳感器配合，加上簡(jiǎn)單的定時(shí)，就完全替代了跟蹤算法，其位置在不影響攝像頭的情況下，根據(jù)圖像處理的速度，應(yīng)盡量接近攝像頭。

除了PC機(jī)、CCD攝像頭兩個(gè)核心器件外，其余器件都很廉價(jià)，對(duì)其性能要求也不會(huì)太高，相應(yīng)驅(qū)動(dòng)都已成型，應(yīng)用比較容易。這一設(shè)計(jì)充分利用了硬件特性，各硬件之間配合緊密，使得圖像處理部分算法難度降低且系統(tǒng)性能并不隨之削減。

2 圖像檢測(cè)算法設(shè)計(jì)

針對(duì)引言中提出的關(guān)鍵問(wèn)題，本算法的核心在于解決圖像中的虛影問(wèn)題和閾值求解。

在設(shè)備參數(shù)不變的情況下，虛影程度與目標(biāo)速度正相關(guān)。這就使目標(biāo)檢測(cè)速度受到限制。為使檢測(cè)速度得以提高，本文以數(shù)字圖像為基礎(chǔ)，設(shè)計(jì)了降低虛影程度算法和瓶蓋檢測(cè)算法。系統(tǒng)算法流程圖如圖2所示。

圖2 系統(tǒng)算法流程圖

該算法包含5個(gè)步驟，分別是最小二乘法、灰度化、改進(jìn)平均閾值分割算法、小面積去除法、差分等。其中最小二乘法是應(yīng)用在數(shù)字圖像的每一行數(shù)據(jù)中，對(duì)原始圖像進(jìn)行優(yōu)化 ，方便后面算法的使用，可以減緩虛影程度，提高運(yùn)算精度。改進(jìn)平均閾值分割算法是根據(jù)實(shí)際圖像中目標(biāo)所占面積比例大的情況，根據(jù)像素值大小對(duì)圖像分塊并求各塊的平均閾值，最后計(jì)算整體平均閾值。小面積去除法是針對(duì)對(duì)圖像中的小噪聲點(diǎn)的。

2.1 改進(jìn)的平均閾值分割算法

平均閾值分割算法[11]：閾值分割是一種快速、簡(jiǎn)單的圖像分割方法，算法原理即根據(jù)設(shè)定的閾值對(duì)圖像進(jìn)行分割，其數(shù)學(xué)表達(dá)式為：

(1)

其中：D(x,y)表示像素值，T表示閾值。假設(shè)背景無(wú)雜質(zhì)且瓶蓋靜止，所采集的二維圖像只有非白色瓶蓋和白色背景兩部分，當(dāng)0≤T≤min(min為瓶蓋最小像素值)時(shí)，就可獲得瓶蓋清晰輪廓。也就是說(shuō)，當(dāng)瓶蓋顏色越不接近白色，閾值T的選取范圍就越大。

設(shè)閾值數(shù)學(xué)表達(dá)式為：

(2)

令：

(3)

則有：

(4)

原始圖像分析：在采集的目標(biāo)圖像中，背景像素值的大小遠(yuǎn)小于目標(biāo)像素值，而且其所占面積比例很小。如果對(duì)整幅圖求平均閾值T的話，T值會(huì)接近目標(biāo)像素值，而T值的選擇不管接近背景或是目標(biāo)，都會(huì)造成不準(zhǔn)確，使得目標(biāo)輪廓難以被完整地分割出來(lái)，影響檢測(cè)效果。對(duì)此，在平均閾值分割算法的基礎(chǔ)上，提出局部平均閾值分割算法。改進(jìn)的算法流程如圖3所示。

圖3 改進(jìn)平均閾值分割算法流程圖

根據(jù)實(shí)際圖像，利用式(2)對(duì)背景和目標(biāo)分別進(jìn)行平均閾值的計(jì)算，得到T1、T2，再對(duì)T1、T2求平均，得到所求閾值T，即

(5)

利用上述算法對(duì)圖像閾值分割，理論上分割后的圖像中僅剩瓶蓋和背景中的噪聲點(diǎn)，即d(x,y)=1是瓶蓋區(qū)域或噪聲點(diǎn)。對(duì)于噪聲點(diǎn)，其具有面積小、不集中的特點(diǎn)，基于這些特點(diǎn)采用小面積去除算法對(duì)圖像處理，以消除噪聲點(diǎn)。

2.2 最小二乘法算法的應(yīng)用

為解決目標(biāo)虛影所造成的圖像質(zhì)量問(wèn)題，首先需要分析虛影部分的數(shù)據(jù)，建立合適的數(shù)學(xué)模型。通過(guò)對(duì)圖像像素值的統(tǒng)計(jì)，得到在目標(biāo)邊緣部分的三組數(shù)值。如圖4所示。

圖4 虛影像素值的繪制曲線

對(duì)此，提出最小二乘法算法[12-13]。

圖像中瓶蓋值與背景值存在突變，虛影部分可看成二者過(guò)渡區(qū)，通過(guò)數(shù)據(jù)分析，可將虛影部分像素值近似線性處理。

設(shè):

y=kx+b

(6)

式中：y是圖像部分的像素值，x是每行像素點(diǎn)個(gè)數(shù)，用此式表示每行像素值之間關(guān)系。

假設(shè)每行像素點(diǎn)個(gè)數(shù)是20。

列出誤差方程：

yxi-kxi-b=vii=1,2,…,20

(7)

式中：yxi是第xi個(gè)像素點(diǎn)處的均值像素值。根據(jù)式(8)

(8)

求出系數(shù)k、b。

根據(jù)式(7)、式(8)，對(duì)圖3中包含的三組數(shù)據(jù)進(jìn)行運(yùn)算，得到k=5,b=158。

圖5是對(duì)采集的原始圖像某一行像素的分析。

圖5 目標(biāo)像素分析

x軸表示像素位置，y軸表示像素值，o-e段是瓶蓋區(qū)域，d-e段是虛影區(qū)域；a-b-d是理想狀態(tài)瓶蓋像素值，存在一個(gè)階躍，a-b-e是實(shí)際瓶蓋像素，存在虛影斜坡b-e；c-g-f是利用最小二乘法對(duì)圖像整體線性化結(jié)果，其與a-b-d交于點(diǎn)g。

由分析可知，當(dāng)閾值T等于g點(diǎn)對(duì)應(yīng)像素時(shí)，二值化結(jié)果與理想二值化結(jié)果完全相同。相比原始圖像中的b點(diǎn)來(lái)說(shuō)，g點(diǎn)更接近上述所求的平均閾值T。

2.3 小面積去除法

小面積去除算法的目的是將離散的小面積區(qū)域抹除，其基本原理是將小于或等于n個(gè)連續(xù)為0或1的像素點(diǎn)取反。

假設(shè)n=4，圖像局部像素值分布,為4×4矩陣：

從A中可以看出a13、a22、a23、a24均為0，且這四個(gè)點(diǎn)連續(xù)，將其取反，得矩陣：

此算法運(yùn)用的關(guān)鍵在于連續(xù)點(diǎn)個(gè)數(shù)n的選擇，需根據(jù)經(jīng)驗(yàn)和實(shí)際進(jìn)行設(shè)定。

3 算法仿真及系統(tǒng)實(shí)驗(yàn)分析

借助MATLAB軟件，對(duì)系統(tǒng)所涉及的算法進(jìn)行仿真。仿真圖如圖6所示。

圖6 改進(jìn)局部平均閾值分割與平均閾值分割對(duì)比圖

從圖6中可以看出，改進(jìn)局部平均閾值算法將目標(biāo)輪廓完整提取，而平均閾值分割算法使目標(biāo)的部分未顯現(xiàn)，與上述理論假設(shè)相符。

虛影去除算法應(yīng)用在原始彩圖上，圖7是經(jīng)過(guò)灰度處理后的圖像，可明顯看出邊緣最小二乘法對(duì)降低虛影程度的效果[8]。

圖7 虛影處理前后對(duì)比圖

圖8是系統(tǒng)設(shè)計(jì)算法仿真圖，從原始圖像到處理結(jié)果都得以體現(xiàn)。其中從二值化圖像可以看出背景雜質(zhì)點(diǎn)的存在(瓶蓋右下方)，其出現(xiàn)原因跟閾值的選取有很大關(guān)系，面積濾波后的圖像彌補(bǔ)了這一缺陷，使得差分結(jié)果依然準(zhǔn)確。

圖8 圖像處理算法仿真圖

假設(shè)檢測(cè)精度計(jì)算公式為[10]：

(9)

漏檢率計(jì)算公式為：

(10)

誤檢率計(jì)算公式為為：

(11)

其中：P是合格的瓶蓋數(shù)，N是不合格的瓶蓋總數(shù)，Tp是被正確檢測(cè)的合格蓋數(shù)，TN是正確檢測(cè)的不合格蓋數(shù)，F(xiàn)P是合格但被錯(cuò)誤檢測(cè)為不合格的數(shù)量，F(xiàn)N是不合格但沒(méi)有被檢測(cè)為合格的數(shù)量。

對(duì)于系統(tǒng)效果分析，分別選用5 000個(gè)標(biāo)準(zhǔn)瓶蓋、1 000個(gè)帶有飛邊的瓶蓋進(jìn)行系統(tǒng)測(cè)試，測(cè)試結(jié)果見(jiàn)表1，表中F表示錯(cuò)誤，T表示正確。

表1 測(cè)試結(jié)果數(shù)據(jù)

根據(jù)式(9)-式(11)，分別計(jì)算出檢測(cè)精度Acc=99.9%，漏檢率FPR=0.2%，誤檢率為FNR=0.02%，平均檢測(cè)6 000個(gè)瓶蓋花費(fèi)時(shí)間為2.74分鐘，相當(dāng)于每分鐘檢測(cè)瓶蓋個(gè)數(shù)約2 189.78個(gè)。

從計(jì)算的結(jié)果可知該算法的漏檢率過(guò)大，但是在檢測(cè)精度相當(dāng)高的情況下，漏檢的個(gè)數(shù)非常少。誤檢率也幾乎為零。此系統(tǒng)可以實(shí)現(xiàn)實(shí)時(shí)高速瓶蓋的檢測(cè)與篩選。

4 結(jié) 語(yǔ)

標(biāo)準(zhǔn)影像與被檢瓶蓋的影像的對(duì)比精確是檢測(cè)設(shè)備的關(guān)鍵問(wèn)題。通常情況下，檢測(cè)設(shè)備是通過(guò)CCD相機(jī)采集影像，影像非常清晰，但邊緣部分的影像可能會(huì)產(chǎn)生虛影，而虛影部分的檢測(cè)結(jié)果會(huì)直接影響整個(gè)檢測(cè)系統(tǒng)的準(zhǔn)確性。這也是圖像處理部分的主要干擾。本文在已有硬件基礎(chǔ)上進(jìn)行算法設(shè)計(jì)，充分利用已有硬件，在追求準(zhǔn)確性的基礎(chǔ)上，使算法簡(jiǎn)單化，利用最小二值法算法降低虛影程度，使得系統(tǒng)對(duì)采集圖像質(zhì)量的要求降低，檢測(cè)速度大大提高。通過(guò)算法仿真和實(shí)驗(yàn)結(jié)果分析，本設(shè)計(jì)可以高效完成有虛影的瓶蓋圖像處理，能準(zhǔn)確對(duì)處于高速運(yùn)動(dòng)狀態(tài)的瓶蓋進(jìn)行檢測(cè)篩選。

本設(shè)計(jì)在實(shí)際應(yīng)用中仍存在以下不足：

(1) 瓶蓋具有立體性，不合格的瓶蓋有很多類型、比如畸形，飛邊等，這些缺陷的位置可在瓶蓋任何地方出現(xiàn)，而本設(shè)計(jì)僅僅可以檢測(cè)到一個(gè)平面，增加攝像頭采用相同算法可以使系統(tǒng)檢測(cè)面增加，但計(jì)算量相對(duì)來(lái)說(shuō)增大，達(dá)不到高速的目的，對(duì)瓶蓋的立體檢測(cè)算法，今后仍需做進(jìn)一步研究。

(2) 系統(tǒng)漏檢率過(guò)大，本算法不適用檢測(cè)篩選價(jià)值昂貴的目標(biāo)。本設(shè)計(jì)漏檢率高達(dá)0.2%，也就是說(shuō)檢測(cè)500個(gè)瓶蓋會(huì)有兩個(gè)合格瓶蓋被淘汰，普通瓶蓋價(jià)格較廉價(jià)，可以接受這種不足，但對(duì)于一些特殊、廉價(jià)的瓶蓋來(lái)說(shuō)就不適用了。

(3) 最小二值化處理降低虛影程度有限，并不能完全消除，使系統(tǒng)的檢測(cè)速度仍受到限制，只要閾值與上述g點(diǎn)不重合，必然存在一定誤差，需要設(shè)定一個(gè)合適的值來(lái)補(bǔ)足誤差，此值的大小要根據(jù)虛影程度和檢測(cè)效果來(lái)調(diào)整，虛影程度過(guò)大(速度過(guò)快)會(huì)使檢測(cè)效果降低。

[1] 張哲，朱錚濤．瓶蓋缺陷在線自動(dòng)檢測(cè)技術(shù)研究[J]．計(jì)算機(jī)與發(fā)展，2016(6)：151-154．

[2] 張欽，王有威，楊彩鵬．基于機(jī)器視覺(jué)的自動(dòng)包裝平臺(tái)設(shè)計(jì)[J]．機(jī)械工程與自動(dòng)化，2016(5)：167-168．

[3] 董立廣，肖鐸，侯成．機(jī)器視覺(jué)系統(tǒng)在汽車發(fā)動(dòng)機(jī)裝配線的應(yīng)用[J].設(shè)備管理與維修，2016(9)：19-21．

[4] 黃偉基，謝云．基于ARM與DSP的PET瓶蓋缺陷在線檢測(cè)系統(tǒng)的設(shè)計(jì)[J]．機(jī)床與液壓，2013(7)：104-107．

[5] 李哲，費(fèi)敏銳．基于機(jī)器視覺(jué)的瓶蓋表面檢測(cè)技術(shù)的研究[J]．儀表技術(shù)，2012(9)：31-34．

[6] 姜柯，李艾華，蘇延召．前景目標(biāo)檢測(cè)中的虛影消除算法[J]．計(jì)算機(jī)工程，2013，39(17)：176-180．

[7] Candamo J,Shreve M,Goldgof D B,et al.Understanding Transit Scenes:A Survey on Human Behavior-recognitionAlgorithms[J].IEEE Transactions on Intelligent Transportation Systems,2010,11(1):206-224.

[8] 孫繼剛．序列圖像紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D]．中國(guó)科學(xué)院大學(xué)，2014．

[9] Stauffer C,Grimson W E L.Adaptive Background MixtureModels for Real-time Tracking[C]//Proc.of IEEE Conferenceon Computer Vision and Pattern Recognition.Fort Collins,USA:IEEE Press,1999.

[10] 周文舉．基于機(jī)器視覺(jué)的在線高速檢測(cè)與精確控制研究及應(yīng)用[D]．上海大學(xué)，2014．[11] 雷博．基于圖像不確定性信息的閾值分割方法研究[D]．西安電子科技大學(xué)，2013．

[12] 劉宇．基于局部核偏最小二乘法響應(yīng)面建模與仿真[D]．清華大學(xué)，2013．

[13] Ferreira S L C,Bruns R E,da Silva E G P,et al.Statistical designs and response surfacetechniques for the optimization of chromatographic systems[J].Journal of ChromatographyA,2007,1158(1):2-14.

DESIGNOFBOTTLECAPDETECTIONALGORITHMBASEDONLEASTSQUAREMETHODANDITSAPPLICATION

Huang Da Huang Shucai Liu jinchang Pang Ce

(CollegeofAirandMissileDefense,AirForceEngineeringUniversity,Xi’an710051,Shaanxi,China)

With the progress of science and technology, the level of modern industrial production has been continuously raised. At present in the production line, the bottle cap’s detection still relies on manpower. To realize automatic real-time detection and screening of bottle caps, and improve the virtual shadow problem of high-speed movement bottle cap images, we design an algorithm suitable for high-speed bottle cap detection. Its main work includes:Analysis of data acquisition object edge image, and introduce the least square method to the field of image processing, the target image is linearized to reduce the virtual shadow degree and reduce the dependence of the system on the hardware; Improved average threshold segmentation algorithm, and combined with a small area removal method to remove the background impurities, to extract a clear target contour; The algorithm is proved by the simulation technology, and it has a simple, fast and other characteristics. Experiments show that the detection system has high accuracy and high real-time performance.

Machine vision Least square method Threshold segmentation Area filtering

2016-11-01。黃達(dá)，碩士生，主研領(lǐng)域：空天攔截與跟蹤。黃樹彩，教授。劉錦昌，碩士生。龐策，碩士生。

TP391

A

10.3969/j.issn.1000-386x.2017.11.041