基于计算机视觉的标签自动检测系统申报材料

A、申报者情况申男出生年月1992.06.08报现学历[A]A大学本科B者申报桂林电子科技大学电子工程与自动化学院情专业光电信息工程学号1200860124学制4年况全称基于计算机视觉的自动检测系统学号所在备注男1200820126电子工程与有无合作者自动化学院请在此说男1200810128电子工程与明：合自动化学院作女1200850103电子工程与有者自动化学院□无情车秩柳男1200810107电子工程与况自动化学院男1200820431电子工程与自动化学院说明：1、必须有申报者本人按要求填写，申报者情况栏内必须填写个人的第一作者（承担申报60%以上的工作者）或集体填写一文学历最高的代表。2、本部分中的签章视为对申报者情况的确认。B、科技发明制作申报情况全称基于计算机视觉的自动检测系统A.(包括计算机.电信.通信.电子等)□B.机械与(包括机械、仪器仪表、自动化、工程、交通、等)分类□C.数理(包括数学、物理、地球与空间科学等)（在选项上画√）□D生命科学(包括生物、食品等)□E.能源化工(包括能源、材料、、环保等)□F.外观设计(包括电脑艺术设计、机械CAD等)目的：通过自动，图像识别以及光机电实现对标签的自动检测。思路：设计的系统包含机械一维移动平台、光学照明、数字摄像、自动及数字图像处理五部分组成。机械平台采用传送平台和自动分类两部分组成，商品在平台上可由传送移动，镜头位于传送平台出口位置，对位于数字摄像镜头正前方的商品进行光学照明以提高数字摄像镜头对商品的设计、发明的清晰度，到的图像到计算机通过图像降噪处理、图像配准算目的和基本思路、法，图像缺陷检测算法、图像缺陷分类算法等处理来判别检创新点、技术关键测正确与否，计算机将处理结果转化为信号机械平台分和主要技术指标类装置，对于正确的的商品送往商品出口处，非正确商品送回待回收处。其中重点设计在于机械自动平台与数字图像处理部分。创新：对于目前绝大部分企业生产过程中的检测工作，来完成，能较好的替代以上人为检测工作，能较好的的节约人力的投入，并且对于准确性和效率都有很大的提高。：数字图像识别，机械平台自动。技术指标：正确识别率达99%以上，根据opencv处理算法耗时、拍照时间速度以及大小为8*8的商品每分钟能准确识别15个左右。整个系统实现自动，包括机械平台的准确移动：将贴有标签的的的商品从到镜头再到出口，以及从出口回到的平台的科学性先进移动。镜头提取商品后经过图像降噪处理、图像配准算法，性(必须说明与现图像缺陷检测算法、图像缺陷分类算法等处理来判别检测有技术相比.该作正确与否，并及时将错误经行分类处理。整个过程品是否有突出的实系统自动完成。本检测系统在很大程度上提高了质量检测的质性技术特点和显准确性，具有检测速度快，检测精度高等优点，同时检测结果客观著进步。请提供技受到人为因素的影响，降低了工人的劳动强度。该系统具有术性说明和参考文很好的工业应用价值。献资料)所处阶段A实验阶段□B中试阶段□C生产阶段D________(自填)所展示的形式实物□□模型图纸□磁盘现场□演示图片□样品□使用说明：在工业生产流水线上，固定安装于印刷机后位置，能及使用说明及该时对有错误处理掉，避免了其他的不必要的投入，对于印刷的技术特点和优完后的商品通过机械移动平台将商品从到镜头再到势,提供该的出口逐个移械平台不停的运转，在商品通过镜头期间，镜头读适应范围及推广前取图像将数据送往计算机，计算机通过算法处理与模板经行景的技术性说明及 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 匹配，将匹配结果转化为信号分类平台的移动，从而完市场分析和效成一系列检测和过程的的工作。益技术特点：该系统可以检测中常见的各种缺陷，如烫金漏白、极细的地对比度、污点、起雾、条纹、重影、缺字等差别进行准确区分。优势：成本和质量是企业竞争力最关键的两个因素，有效的成本能够降低企业的成本，提高竞争力，过硬的质量可以使企业获得极高的客户满意度，赢得客户的信任。自动质量检测设备能有效地帮助企业实现以上两点，为客户开辟新的市场机遇奠定坚实的基础。运用前景：由于人工在检测过程中具有很大的不确定性，不同的时间、不同的环境、不同的心情都可能造成好的被丢弃，而不却流入到客户处的情况发生；其次人工品检也必然存在漏检和错检的情况，尤其是对于一些比较细小的缺陷；第三人工检测的效率低下，一般只有每分左右的速度；而且质检员工的性大，培养一名熟练的质检工周期长，造成质检队伍素质参差不齐，最为关键的是管理数量庞大的质检队伍也是企业的一 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。自动质量检测速度快，效率高，并且能够实现100％的质量检测，所以我们认为自动质量检测在企业的使用才刚刚开始，必然有广阔的发展前景。□提出专利申报申报号_____________申报日期：年月日□已获专利权批准专利申报情况批准号_______________批准日期：年月日未提出专利申请说明:1、必须由申报者本人填写；2、本表可以附有,并提供图表、曲线、实验数据、原理结构图、外观图(),也可以附鉴定和应用；3、分类请按照发明或创新点所在类别填表。2015年桂林电子科技大学第十四届“杯”大学生课外学术科技竞赛校内重点项目立项说明书目录第1章概述..................................................81．1研究背景...................................................................................................................81．2国内外研究现状..............................................................................................................91．3研究意义..........................................................................................................................91．4主要研究内容................................................................................................................101．5研究方案.......................................................................................................................11第2章检测系统总体设计.................................112．1系统设计要求及难点分析...........................................................................................11第3章捕获图像预处理算法.....................................123．1图像降噪处理...............................................................................................................123．1．1常见噪声分析..................................................................................................123．1．2常见噪声类型..................................................................................................123．2图像常用降噪算法.......................................................................................................143．3标准制作 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 .......................................................................................................193．4本章小结.......................................................................................................................19第4章图像检测与缺陷分类.................................194．1图像检测算法设计................................................................................................194．1．1图像差分.........................................................................................................204．1．2剔除轮影.................................................................................................204．1．3图像分割.........................................................................................................214．1．4形态学处理.....................................................................................................224．2图像缺陷目标标记...............................................................................................234．2．1基于区域生长的目标标记算法......................................................................244．2．2基于等价类行程的目标标记算法.................................................................24第五章自动检测系统的实现................................255.1系统硬件实现.................................................................................................................255.1.1整个系统的硬件包括以下几部分......................................................................255.1.2整个硬件系统......................................................................................................26第6章总结与应用前景.........................................28参考文献......................................................29第1章概述1．1研究背景最早于1700年出现在欧洲，当时印制了用在药品和布匹上作为商品识别的第一批。现如今，随着和科技的进步，市面上着越来越多的商品，也因为了商品的许多重要信息，成为分辨商品属性的重要依据。尤其在冰箱、空调等工业设施上的电气属性，在使用和维护当中起着重要的作用，同时也成为了企业跟踪、质量以及生产管理的有效载体，也是个人对质量进行核对的有效工具。目前家电上的内容主要是由印刷机印刷而成的，故又可称为印刷或称为印刷品。在现代快速印刷环境下，在印刷生产的过程中会受到生产 工艺 钢结构制作工艺流程车尿素生产工艺流程自动玻璃钢生产工艺2工艺纪律检查制度q345焊接工艺规程 、环境、设备等众多不确定因素的影响，生产出来的会存在各种缺陷及瑕疵，例如破损、印刷不良包括字符多印、少印、缺划、有划痕、有污渍等。这些生产出来的不合格如果检测就跟随着流入市场，势必会给生产厂家带来严重的损失，甚至会造成厂家名誉受损，也会给消费者带来不必要的麻烦。因此，在跟随流入市场之前，厂家需要对这些标志的进行严格的质量检测，以保证消费者能很好地通过准确地获取的重要信息。本是根据生活中会遇到的商品粘贴褶皱、歪斜、有污渍、信息错误或缺少甚至缺少等实际情况制作。经网络相关资料后发现，大部分的由人工粘贴，比如铭牌、证、能效标识卡等。在普通的生产流水线上是工人检测后人工粘贴，在检测环节，通常是用人工检测是否，当检测大量的或速度过快时，会造成人眼的疲劳，从而降低检测精度。本的应用将提高的检测精度减少企业人工的开支。1．2国内外研究现状目前在印刷企业，对于印刷过程中的质量监测主要采取人工看样、，借助静止画面（频闪仪）和随机抽样的方法来，虽在一定程度上能质量，但由于我国在印制方面主要采取凸版等印刷工艺，在印刷过程存在着很多的不确定性，印版局部损坏、脏点、停车印、擦版等诸多问题，仅靠传统的方式已不能有效的的质量，印刷过程中成卷的废品，很多的随机印刷缺陷造成后端品检工作量加大，这些情况在印刷企业中屡见不鲜；在后道质量检测中，主要采用人工品检的方式，故在产值超千万元的印刷企业中后道品检人数动辄十几人甚至几十人。当然我国企业在质量监测和检测方面水平参差不齐，高端企业和中小型企业之间存在明显的差距，一些企业已经成本和提高质量的重要性，纷纷采取自动检测的方式。1．3研究意义成本和质量是企业竞争力最关键的两个因素，有效的成本控制能够降低企业的成本，提高竞争力，过硬的质量可以使企业获得极高的客户满意度，赢得客户的信任。自动质量检测设备能有效地帮助企业实现以上两点，为客户开辟新的市场机遇奠定坚实的基础。质量监测能即时发现印刷过程中产生的缺陷，避免大量废品产生；而且工人不用担心由于高速印刷而无法有效质量的情形，能有效地提高生产速度，提高生产率。离线质量检测目前主要依靠人工品检的方式，由于人工在检测过程中具有很大的不确定性，不同的时间、不同的环境、不同的心情都可能造成好的被丢弃，而不却流入到客户处的情况发生；其次人工品检也必然存在漏检和错检的情况，尤其是对于一些比较细小的缺陷；第三人工检测的效率低下，一般只有每分左右的速度；而且质检员工的性大，培养一名熟练的质检工周期长，造成质检队伍素质参差不齐，最为关键的是管理数量庞大的质检队伍也是企业的一题。自动质量检测速度快，效率高，并且能够实现100％的质量检测，所以我们认为自动质量检测在企业的使用才刚刚开始，必然有广阔的发展前景。1．4主要研究内容随着电子技术、计算机软件和硬件技术、图像处理及与我们人类视觉相关技术的飞速发展，视觉技术也获得了飞速的发展，机器视觉技术在很多领域（诸如：工业、农业、医学领域）都得到了广泛的应用，下面就视觉在这些领域的应用进行阐述。在工业检测领域，视觉技术能取代检测速度慢、检测精度不高的传统人工检测方法。视觉技术能够适应复杂的工业现场环境，通过使用视觉检测技术，现场检测自动化程度及检测效率都能得到有效提高。因此，在现代工业生产自动化过程中，视觉技术发挥了重要的作用。在工业领域，视觉的应用主要包含零件测量、螺纹几何参数测量、制品裂纹检测、饮料行业的容器质量检测、邮件信件的自动分拣、印刷电路板瑕疵检测、纸杯外包装质量检测等。在一些工业生产过程复杂，生产环境极其恶劣（毒，有放射线，高温等）的情况下，常规的人工检测和技术难以实现对目标进行自动，视觉技术发挥了重要的作用。在农业生产方面，由于农的生产过程会受到来自自然以及人为等因素的作用，的质量差异很大，通过使用视觉技术，农的颜色、形状以及表面缺陷损伤都能得到有效检测。相对于先前的人工抽样检测方法来说，视觉检测速度更快，检测信息多，检测精度高，同时还能将工人从繁重的重复劳动中出来。能够检测多种农，包括蔬菜、谷物、烟草、水果、茶叶、蛋类等，在实际检测应用过程中，已经取得了巨大的效益。在医学领域，视觉的应用也相当广泛，可以协助医生对的病源大小及形状进行诊断，从而是否有异常情况，视觉在对进行有效治疗的过程中发挥了重要作用。另外，视觉还可对其他医学影像数据进行统计分析，比如运用图像处理领域的边缘检测与分割算法，可自动检测细胞个数，这样不仅节约劳动力，还在很大程度上提高了准确率及效率。1．5研究方案市场上已存在的相关检测装置均采用光电传感器，光电传感器只可粗略的检测是否完整，当检测的内同是否正确、完好时就会表现出检测的局限性，所以采用相机作为捕获信号的传感器，既可以检测是否完好，又可以检测上的内容是否正确、完好。第2章检测系统总体设计2．1系统设计要求及难点分析1）系统设计要求主要为自动化生产和检测而设计，在设计之初，就要考虑系统检测的速度和质量。本检测系统主要的工作步骤为拍照、检测两步，在拍照环节，当相机拍摄1024x768大小的图片耗时大约50毫秒，计算机的处理图像、检测图像大约耗时十几到几十毫秒，考虑到拍摄动态时图像的清晰度，降低了检测速度，所以整个系统在理想状态工作时没分钟可检测大约30~60个。由于采用计算机检测，并且对捕获的图像进行了降噪等预处理，在检测质量时准确率将高于99%。2）系统设计难点安装在生产检测的流水线上，根据传送带的传动速度，动态监测的状态，相机拍摄动态时图像会相对于静态拍摄时模糊，所以系统难点要采用更优良的检测算法，在不降低检测准确率的同时提高检测速度。第3章捕获图像预处理算法3．1图像降噪处理本检测系统的检测步骤共有三步．第一步，捕获的图像．第二步，对捕获的图像进行降噪等预处理．第三步，与标准进行对比并错误分类．在第一步捕获图像时，由于相机本身的特点和捕获图像受现场环境的影响，捕获的信号会不同程度的存在噪声，为保证检测的准确性，在第二对图像进行降噪等预处理，为后续检测步骤提供一个清晰的信息．3．1．1常见噪声分析由于相机本身的特性和捕获图像受现场环境的影响，捕获的信号会不同程度的存在噪声，如果想准确的识别是否完好并准确粘贴，则需要过滤掉信号中的噪声．噪声来源：(1)光照条件的变化与设备的会使图像中出现一些随机干扰噪声。(2)不干净的镜头会使图像中出现一些孤立点噪声,镜头聚焦不准时会造成图像的模糊,另外图像在的时候,空气中的烟雾、尘粒等因素也会导致图像质量的下降。(3)相机在输出图像时,图像在信号放大和模数转换等过程中会被放大,图像的质量也会下降。3．1．2常见噪声类型(1)椒盐噪声：由图像传感器，传输处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。(2)加性噪声．加性噪声和图像信号强度是不相关的，如图像在传输过程中引进的＂信道噪声＂电视摄像机扫描图像的噪声．这类带有噪声的图像g可看成为理想无噪声图像f与噪声n之和，即g=f+n[8](3)乘性噪声．乘性噪声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的噪声，电视扫描光栅，胶片颗粒造成等，这类噪声和图像的关系是g=f+f*n(4)量化噪声．量化噪声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异，减少这种在噪声的最好办法就是采用按灰度级概率密度函数选择化级的最优措施。图过对工业图片的观察和分析，相机拍摄所拍摄的均为新标签且拍摄环境相对明亮，所以捕获的中的主要噪声为椒盐噪声。如下图所示，左图为原图，右图为加入椒盐噪声后的图。3．2图像常用降噪算法1）图像去噪算法分类（1）空间域滤波空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理。常见的空间域图像去噪算法有邻域平均法、中值滤波、低通滤波等。（2）变换域滤波图像变换域去噪方法是对图像进行某种变换，将图像从空间域转换到变换域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的。将图像从空间域转换到变换域的变换方法很多，如变换、-哈达玛变换、余弦变换、K-L变换以及小波变换等。而变换和小波变换则是常见的用于图像去噪的变换方法。（3）偏微分方程偏微分方程是近年来兴起的一种图像处理方法，主要低层图像处理并取得了很好的效果。偏微分方程具有各向异性的特点，应用在图像去噪中，可以在去除噪声的同时，很好的保持边缘。偏微分方程的应用主要可以分为两类:一种是基本的迭代格式，通过随时间变化的更新，使得图像向所要得到的效果逐渐逼近，这种算法的代表为Perona和Malik的方程，以及对其改进后的后续工作。该方法在确定扩散系数时有很大的选择空间，在前向扩散的同时具有后向扩散的功能，所以，具有平滑图像和将边缘化的能力。偏微分方程在低噪声密度的图像处理中取得了较好的效果，但是在处理高噪声密度图像噪效果不好，而且处理时间明显高出许多。（4）变分法另一种利用数学进行图像去噪方法是基于变分法的思想，确定图像的能量函数，通过对能量函数的最小化工作，使得图像达到平滑状态，现在得到广泛应用的TV模型就是这一类。这类方法的关键是找到合适的能量方程，保证演化的稳定性，获得理想的结果。（5），形态学噪声滤除器将开与闭结合可用来滤除噪声，首先对有噪声图像进行开运算，可选择结构要素矩阵比噪声大，因而开运算的结果是将背景噪声去除；再对得到的图像进行算，将图像上的噪声去掉。据此可知，此方法适用的图像类型是图像中的对象都比较大，且没有微小细节，对这类图像除噪效果会较好。2）领域平均法领域平均法是最简单的空间域处理方法，它属于线性低通滤波器。这种方法的基本思想是利用几个像素灰度的平均值来代替每个像素的灰度。假定一副个像素的图像f(x,y),平滑处理后得到一副图像g(x,y),则有其中S是点领域中点的坐标的集合，但其中不包括点M是集合内坐标点的总数。上式表明，平滑化的图像中的每个像素的灰度值均由包括在点的预定领域中的的几个像素的灰度值的平均值来决定。例如，可以以点为中心，取距离一个领域，其中点的坐标集合为给出了2种从图像阵列中选取邻域的方法。左图的方法是一个点的领域，定义为以该点为中心的一个圆的内部或边界上的点的集合。图中像素间的距离为，选取为半径的情况下的点R的领域，选择在圆的边界上的点和在圆内的点位S的集合。处理结果表明，上述选择领域的方法对抑制噪声是有效的，但是随着领域的加大，图像的模糊程度也会愈加严重，为克服这一缺点，可以采用阈值平均所产生的模糊效应，基本方法由下式决定：式中T就是规定的非负阈值。这个表的物理概念是，当一些点和它的领域内的灰度的平均值的差不超过规定的阈值T时，就仍然保留其原灰度值不变；如果大于阈值T时就用它们的平均值代替点的灰度值。这样就可以大大降低模糊程度。3）中值滤波法中值滤波法是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。中指滤波器于提出并应用在一维信号时间序列分析中，后来被二维图像信号处理技术所。它在一定条件下可以线性滤波器（如领域平滑滤波等）所带来的图像细节模糊，而且在对滤波器脉冲干扰及图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性，这也带来了不少方便。但是对一些细节多，特别是点，线，尖顶细节多的图像不宜采用中值滤波。中值滤波实际上就是用一个含有奇数个数像素的滑动窗口，将窗口正中点的灰度值用窗口内各点的中值代替。例如，若窗口长度为7，窗口中像素的灰度值分别为，80,70,110,200,100,90,120，其中中间位置上的灰度值为100，于是原来窗口正中的灰度值200就由100代替。如果200是一个噪声的尖峰，则将被滤除；如果它是一个信号，那么此方法处理的结果将会造成信号损失。设有一个一维序列，，，，取窗口长度为m（m为奇数），对此序列进行中值滤波，就是从输入序列中相继抽出m个数，，，，，，，，，，其中i为窗口的中心位置，，再将这m个点按其数值大小排列，取其序号为正中间的那作为输出。用数学公式表示为：例一个序列为{0，3，4，0，7}，则中值滤波为重新排序后的序列{0，0，3，4，7}，中间的值为3。此例若采用平均滤波，窗口也是取5，那么平均滤波输出为。因此平均滤波的一般输出为：对于二维序列进行中值滤波时，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状，方形，圆形，十字形，圆环形等。二维数据的中值滤波可以表示为：在实际使用窗口时，窗口的一般先用3再取5逐渐增大，知道其滤波效果满意为止。对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜，对于包含尖顶角物体的图像，适宜用十字形窗口。使用二维中值滤波最值得注意的是保持图像中有效的细线状物体。与平均值滤波器相比，中值滤波器从总体上来说，能够较好的保留原图像中的跃变部分。结合各种降噪处理的特点采用中值滤波法对图片进行预处理。3．3标准制作方法标准制作分为两步：第一步，在适宜环境下选择较标准的同一角度多次拍照，选择最为理想的图像与捕获的进行同样的降噪处理后，作为标准使用。3．4本章小结本章主要完成了对图像的捕获和预处理操作，为后续检测步骤提供清晰的图像信息。这里对图像的捕获即为工业相机对进行拍照，图像预处理即为对捕获后的图像进行降噪处理。本章还介绍了中标准模板的制作方法，为后续检测步骤提供标准模板作为匹配对象。第4章图像检测与缺陷分类4．1图像检测算法设计4．1．1图像差分图像序列差分法的基本思想是：如果有一幅仅包含不动部分的参考图像，将这幅图像和随后生成的同一场景的图像相比较，去掉2幅图像中的固定元素，余下的与非固定部分相对应的非零项就是2幅图像的差值。上述思想最简单的算法定义为：其中：T是某个灰度阈值；和表示时间和时的图像。使用上式进行差分运算得到的图像能够较好的反应图像的特征，缺陷。缺陷越明显，图像差别就越大，这样得到的图像就越大，反之就越小。次方法计算速度快，计算机容易实现。但是由于灰度阈值大小决定了缺陷检测的灵敏车呢高度，因此灰度阈值大小的选择成为此方法应用的关键。4．1．2剔除轮影对待检测图像与标准模板图像直接差分，目的是将两幅图像的相同背景图案消除，得到真正有缺陷的图像。在理想情况下，两幅图像相减得到的差分图像中，灰度值不为0的区域都应该是缺陷区域。然而，在生产过程中，由于硬件设备不稳定，会造成同一类型的不同之间出现微小的差异；在前面的图像配准过程中，我们在计算出了几何参数以后需要对待检测图像进行刚体变化，刚体变化在插值过程中也会造成两幅图像之间的差异，这些差异都会造成非缺陷区域的灰度值不为0。从上面差分效果图4-2可以看出，灰度值不为0的区域并非全是缺陷区域，它还包含了大量的图像边缘信息，这些边缘信息在我们提取图像缺陷时成了噪声信息。边缘处伪影的存在会影响真正缺陷的检测，因此，我们需要设计算法，来剔除轮影，得到真正只含缺陷的图像。为了剔除轮影的影响，本文最终设计了对标准模板图像进行灰度腐蚀和膨胀的预处理算法，该算法的思想是：对标准模板图像进行腐蚀和膨胀运算，这样可以得到一个待检测图像可以被接受的灰度值区间，这个灰度值区间是由结构元素的形状及大小确定。如果在相同位置处，待检测图像的灰度值超出了这个灰度值区间，那么算法就判定待检测图像的对应像素是缺陷像素。图4-3表示的是一个边缘腐蚀和膨胀变换的一维示意图，二维灰度图像的腐蚀和膨胀情况与此类似。本文在对标准模板图像进行腐蚀与膨胀运算要选择合适的形状及大小的结构元素。如果结构元素形状选取较大，那么不仅边缘伪影被消除了，微小的缺陷也会被消除；如果结构元素选取较小，那么较大宽度的伪影仍然会保存在图像中。4．1．3图像分割图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感目标的技术和过程。它是由图像处理到图像分析的骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。阈值分割算法是基于区域图像分割中的一种，已经得到了广泛的应用。简单来说，阈值分割就是寻找一个灰度值，将图像中每个像素的灰度值与之比较，根据比较结果对图像进行分割：像素灰度值大于此灰度值的像素归为一类，像素灰度值小于次灰度值的像素归为一类，像素灰度值等于次灰度值的像素点随便归于两类中的一类，即形成了图像的目标和背景两类。阈值算法的问题就是如何找出这个灰度值对图像进行二值化。根据人眼的视觉特性，在灰度值不同的区域，相同的灰度差值会给人眼带来不同的感官差异，一般地，人眼对于处于较暗的区域更为敏感，能够分辨出更小的灰度差异。因而，为了准确分割出上的缺陷，算法在选择阈值要考虑图像不同区域灰度值差异，选取的动态阈值为（其中是标准模板图像函数，是一个常数）。算法在不同坐标位置选取不同的阈值，这些阈值的大小是根据标准模板图像的像素灰度值而变化的。4．1．4形态学处理经过动态阈值分割算法处理后得到的二值缺陷图像，不仅包含背景区域、缺陷区域，而且还有一部分小的噪声点存在。这些小的噪声点会在一定程度上影响到待检测图像中某些微小缺陷的提取，如漏印、划痕、较小的污点等。因而，本文接着设计算法将二值图像中这小部分的噪声点除去，得到真正的缺陷区域。二值缺陷图像中包含的噪声和一般灰度图像中的随机噪声、椒盐噪声以及高斯噪声不同，因而我们不能采用通常的灰度图像去噪法来消除二值缺陷图像的这些噪声点。为了提取图像中更精确的缺陷，本文采用了二值形态学处理算法。通过采用二值形态学操作后不仅能将二值缺陷图像中的微小噪声剔除掉，而且可以将那些本该连续的而在图像分割时断开的缺陷区域重新连接起来，得到更加精确的缺陷区域。下面将简单介绍下形态学操作。形态学是以形态为基础，它是一种用于对图像进行处理的数学方法，是用具有一定结构的元素，通过图像和结构元素相互作用的某些运算，来获取和度量图像对应形状，从而有利于我们分析和识别图像。形态学的基本算法主要包括腐蚀和膨胀两种，由这两种基本算法可以引申出一些复杂的运算，如开运算与算。（1）腐蚀运算假设A表示的是图像中由所有像素点的集合，而B表示的是具有特和大小的结构元素中所有像素点的集合[41]。那么使用结构元素B对A进行腐蚀操作，可表示为AB，公式如下：AB=(x,y)|BxyA本式表明，使用结构元素B对图像A进行腐蚀的结果，表示的是由这样一些点(x,y)组成的集合：将结构元素B的原点移动到点(x,y)时，结构元素变为Bxy，而此时的Bxy完全包含于A。2）膨胀运算图像区域A被结构元素B膨胀，表示为AB，公式如下：AB=(x,y)|BxyA公式表明，使用结构元素B对图像A进行膨胀的结果，表示的是由这样一些点(x,y)组成的集合：将结构元素B的原点移到点(x,y)时，结构元素变为Bxy，而此时的Bxy中至少有一个元素是集合A中的元素。（3）开运算假设输入图像为A，结构元素为B，使用B对A进行开运算操作，可用符号表示，因此，使用B对A进行开运算实际上表示的是先用B对A进行腐蚀，接着再被B膨胀的过程。（4）算我们还是假设输入图像为A，结构元素为B，使用B对A进行算操作，可用符号表示，其定义为：AB，使用B对A进行算实际上表示的是A先被B膨胀，接着再被B腐蚀的结果。4．2图像缺陷目标标记缺陷目标标记算法也可称为连通域标记法。目前比较常用的连通域标记法包括像素标记法、线标记法和区域生。每一种目标标记法都是某个具体的应用需求提出来的，它们各有优劣，实际处理时采用哪一种目标标记算法通常需要考虑目标的特征，同时结合系统的具体应用需求。本文的检测对象为空调图像，图像上的缺陷具有以下特征：（1）缺陷数量通常在10个以内而且分布无规律；（2）缺陷形状是不规则的；（3）单个缺陷目标区域的面积与整幅图像面积的比值较小。考虑到本缺陷检测系统对于准确性及实时性要求较高这一特点，结合对上的缺陷特征进行分析，本文选用了基于等价类行程的目标标记算法对图像上的各个缺陷区域进行标记。为了说明基于等价类行程的目标标记算法在处理本文图像缺陷标记时显示出的优点，下面分别用基于区域生长的目标标记算法和基于等价类行程的目标标记算法分别对本文有缺陷的二值图像进行处理，从标记效果与处理时间两方面说明基于等价类行程的目标标记算法更适合用于标记本文上的缺陷目标。4．2．1基于区域生长的目标标记算法基于区域生长的目标标记算法的基本思想是首先获取区域内部的任意一个像素点，并将其作为该区域区域生长的点，通过分析该点与其邻域像素点之间的灰度值关系，将邻域像素点打上与种子点同样的标记，直到整个区域被标记完成。该算法的关键在于连通像素的搜索和边界的。基于区域生长的目标标记算法每次只标记通区域，标记完后接着对下通区域进行标记，直到标记完所有的连通区域为止。基于区域生长的目标标记算法的具体步骤如下所示：（1）定义一个Search数组内存区域，从图像的左下角开始扫描一遍图像，找出图像中像素值为255的所有像素点，并将它们存放到Search数组中；（2）从Search数组中取出第一个像素点作为连通区域1的生长种子点，打上标记，即申请一个输出图像内存（这个输出图像内存大小与输入图像的内存大小相等），将输出图像对应像素点灰度值设置为255；（3）该点的8邻域附近是否有像素值为255，而且未被标记的像素点存在，如果有则将它们依次存放在Stack堆栈数组中（这个堆栈数组是用于存放各连通区域的标记点）；（4）从Stack堆栈中取出一个元素回到（3）；（5）直到Stack堆栈为空，此时意味着通区域已被标记完；（6）从Search数组中取出下一个元素并这个元素是否已经被标记，如果没有被标记的话就将它作为下通区域的点；（7）如此重复循环，直到Search数组内存中的元素取完为止。4．2．2基于等价类行程的目标标记算法基于等价类行程的目标标记算法的基本思路是：首先从上到下对算处理后的二值缺陷图像进行扫描，计算图像中像素值为255的目标点的行程特征，然后分析相邻的每段行程之间的相关性，如果两个行程是相关行程，就将它们划分为一个等价类，接着将属于同一等价类的所有行程合并为通域。在对该算法进行具体描述之前，下面先给出在连通域求解过程中涉及到的几个相关概念。（1）行程段：二值图像中在每行内找出连续的具有相同灰度值255的像素，由这些像素的像素集为一个行程段。从二值图像每一行内可以找出多个行程段。（2）行程段的长度：每个行程段中从起点到终点所包含的所有像素点的个数就是该行程段的长度。（3）相关行程段：如果两个相邻的行程段N1与N2之间满足公式（4-8）所示的关系，那么这两个相邻的行程段为相关行程段，（4）等价类：如果行程段iN与jN是相关行程段，jN与kN是相关行程段，那么iN、jN和kN属于同一个等价类。（5）连通域：将属于同一个等价类的所有行程段合并起来，形成一个图像区域，这个图像区域就被称作通域。第五章自动检测系统的实现本章首先介绍了本文系统的技术实现，包括硬件系统的实现和软件系统的实现，然后对系统进行了测试分析，包括系统检测结果的测试以及系统实时性的测试5.1系统硬件实现缺陷检测系统主要硬件设备包括：工业相机、光学镜头、LED球光源、光源器、计算机、传送带、传送带器等。5.1.1整个系统的硬件包括以下几部分(1)传送及分类部分传送带用于传送商品，区分好的和有缺陷的商品，商品的速度，以配合检测的速度。传送带分为两部分，一个是传送检测部分，一个是传送分类部分，传送检测部分安装检测装置。在检测完后在检测所在的传送带出口出使用一个传送方向可调的传送带，没有检测到的为正常的时候，传送方向按一个方向一直不变，当检测到有检测到有缺陷的时，给信号计算机，通过计算机传送方向改变。这样就能够把好的与存在缺陷的商品传送到两条不同的传送带了，达到分类的效果。(2)摄像头部分视觉系统中的一个重要的硬件设备就是工业相机，它能够将光信号转变为有序电信号。与普通相机相比，工业相机的传输能力更高，能力更强，而且它的成像能力更加稳定。视觉系统设计的一个重要环节就是选择合适的工业相机，相机的好坏不仅关系到图像的质量、影响软件算法的设计，甚至直接决定整个视觉检测系统的成败。(3)光源部分光源用于照亮待测，图像处理所需要的信息包含在图像中，图像的质量直接影响检测的结果。所以光源的选择和照是整个系统很关键的一部分，光源可以增加亮度，加大的清晰度，使得粘贴缺陷可以明显地被摄像头发现，LED球光源。(4)图像卡部分图像卡又称为捕捉卡，是卡的一种类型图像卡完成的主要功能是把摄像机的模拟信号转换成为离散的数学量，传送到计算机上，计算机通过处理这些信息，就能的好与坏，同时提供摄像机处理参数和传送带的处理信号。(5)计算机部分PC机，作为整个系统的中心，信息处理。传送带的速度，方向，分类，检测。5.1.2整个硬件系统整个硬件系统：镜头位于传送平台出口位置与传送带垂直，并且正对，光源照射到位置，增强亮度。相机与图像卡相连，然后连接到计算机上，计算机连接传送带的端，传送带的速度和方向。工控机实现整个系统的，包括图像和传送带分类。商品在平台上可由传送移动，当商品流过的时候，镜头正好正对的位置，光源镜头就可以对进行检测。摄像头把检测的结果存在图像卡，然后通过图像卡将检测的结果闯到计算机上，计算机将对检测结果进行处理，将处理结果转化为信号机械平台分类装置，对于正确的的商品送往商品出口处，非正确商品送回待回收处。整个系统实现自动，包括机械平台的准确移动：将贴有的的的商品从到镜头再到出口，以及从出口回到的平台移动。第6章总结与应用前景的应用可以提高生产线上的，可以大量的减少例如歪斜，褶皱，信息错误等情况的发生，提高企业的优良形象，同时也可以人工在检测是否时的繁重劳动和降低企业人力的，降低生产成本的同时提高了生产的自动化水平，提高生产自动化水平，加快企业生产进度．在传统的检测环节往往是人工检测，员工在大量检测时易于疲劳，从而降低了检测速度和质量．网络资料显示，出错率为15%~20%。在自动检测时每小时可以检测６００～９００个，出错率小于１％，无论在速度和质量上都高于人工检测．在和科技日益进步的今天，每天将有大量的走下生产线走进我们的生活中的应用将可大量解放劳动力提高企业的自动化生产水平加快企业的生产进度。参考文献[i]《OpenCV2计算机视觉编程 手册 华为质量管理手册 下载焊接手册下载团建手册下载团建手册下载ld手册下载 》，RobertLaganiere著，译，科学。[ii]《学习OpenCV》（中文版），GaryBradski&AdrianKadbler著，祯译，。[iii]基于阈值的图像分割研究，付云风。[iv]图像去噪简介。[v]基于视觉的饮料瓶检测设备。