皮带轮机器视觉模块实验报告

皮带轮机器视觉模块 姓名：张兆伟 班级：13 班 学号：2015042130 日期：2016年8月25日 皮带轮机器视觉模块 实验报告 化学实验报告单总流体力学实验报告观察种子结构实验报告观察种子结构实验报告单观察种子的结构实验报告单 1、实验背景 传统的人工 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 产品表面质量的 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 不仅工作量大，而且易受检测人员主观因素的影响，容易对产品表面缺陷造成漏检，尤其是变形较小、畸变不大的夹杂缺陷漏检，极大降低了产品的表面质量，从而不能够保证检测的效率与精度。而发展迅速的基于机器视觉的表面缺陷检测技术可以很好的解决这一问 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 。机器视觉主要是采用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。基于机器视觉技术的缺陷检测系统，由于其非接触检测测量，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提高了工作效率。可对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。所以，人工检测难以达到降低消耗、提高产品质量的目的，采用基于机器视觉的表面缺陷检测技术成为必需。这也就是 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 该基于机器视觉的表面检测控制系统的意义。 2、实验过程  1、实验设备及器材 1)嵌入式计算机（自备）； 2)Halcon图像处理软件； 3)Microvision 系列机器视觉创新教学实验平台一套； 4)Microvision 系列工业数字相机（1394， USB接口）； 5)百万像素工业镜头； 6)机器视觉LED环形光源及控制器一套； 7)试验样品：电子元器件等。 2、实验步骤 1)熟悉实验平台，包括硬件连线、实验平台的构成，工业数字相机和机器视觉LED光源的安装，以及传送带的起停； 2)熟悉halcon图像处理软件，熟练图像读取，灰度化等算子。 3)熟悉光源和相机的调试方法，了解对焦和调节光圈的方法，曝光时间，采样频率，打光的技巧； 4)实验平台搭建完之后，打开实验平台电源开关，光源控制器开关； 5)配套相机程序拷贝到计算机某盘下，安装相机驱动程序； 6)打开MVIPS capture软件进行图片抓取，点击菜单栏抓图→保存图像； 7)从halcon软件中读取图片，处理图片，得到检测结果。 3、实验程序 *初始化 dev_update_off() dev_close_window() *读取图片 read_image (Image, 'C:/Users/Administrator/Desktop/1.bmp') get_image_size(Image, Width, Height) dev_open_window(0, 0, Width/2, Height/2, 'black', WindowHandle) *阈值处理 threshold (Image, Regions, 0, 68) *填充处理 fill_up(Regions, RegionFillUp) *得到区域的集合 connection(RegionFillUp, ConnectedRegions) *选择要处理的区域 select_shape_std(ConnectedRegions, SelectedRegions, 'max_area', 70) *裁剪出电子元器件所在区域 reduce_domain(Image, SelectedRegions, ImageReduced) stop() ****************************字符识别********************************* *获得感兴趣区域 gen_rectangle1 (ROI_0, 169.5, 387.5, 199.5, 501.5) reduce_domain(ImageReduced, ROI_0, ImageReduced1) *图像阈值 invert_image(ImageReduced1, ImageInvert) bin_threshold(ImageInvert, Region) *图像区域连通 connection (Region, ConnectedRegions1) *选择字符区域 select_shape(ConnectedRegions1, SelectedRegions1, 'area', 'and', 15, 99999) *排序 sort_region (SelectedRegions1, SortedRegions, 'character', 'true', 'row') *字符识别 read_ocr_class_mlp('Document_0-9A-Z_NoRej.omc',OCRHandle) do_ocr_multi_class_mlp(SortedRegions, ImageInvert, OCRHandle, Class, Confidence) area_center(SortedRegions, Area, Row1, Column1) dev_clear_window() dev_display(Image) dev_display(SortedRegions) for i:=0 to |Area| by 1 disp_message (WindowHandle, Class, 'window', -1, -1, 'black', 'true') endfor clear_ocr_class_mlp(OCRHandle) ****************************模板匹配********************************* * Matching 01: BEGIN of generated code for model initialization set_system ('border_shape_models', 'false') * Matching 01: Obtain the model image read_image (Image, 'C:/Users/Administrator/Desktop/45.bmp') * Matching 01: build the ROI from basic regions gen_ellipse (ModelRegion, 385.5, 445.5, rad(-0.962864), 238.034, 238.706) * Matching 01: reduce the model template reduce_domain (Image, ModelRegion, TemplateImage) * Matching 01: create the shape model，创建模板 create_shape_model (TemplateImage, 6, rad(0), rad(360), rad(0.4986), ['point_reduction_high','no_pregeneration'], 'use_polarity', [27,35,5], 4, ModelId) * Matching 01: get the model contour for transforming it later into the image get_shape_model_contours (ModelContours, ModelId, 1) * Matching 01: END of generated code for model initialization * Matching 01: BEGIN of generated code for model application * Matching 01: the following operations are usually moved into * Matching 01: that loop where the aquired images are processed * Matching 01: Find the model *进行模板匹配，得出匹配值 find_shape_model (Image, ModelId, rad(0), rad(360), 0.5, 0, 0.5, 'least_squares', [6,1], 0.75, ModelRow, ModelColumn, ModelAngle, ModelScore) * Matching 01: transform the model contours into the detected positions for MatchingObjIdx := 0 to |ModelScore| - 1 by 1 hom_mat2d_identity (HomMat) hom_mat2d_rotate (HomMat, ModelAngle[MatchingObjIdx], 0, 0, HomMat) hom_mat2d_translate (HomMat, ModelRow[MatchingObjIdx], ModelColumn[MatchingObjIdx], HomMat) affine_trans_contour_xld (ModelContours, TransContours, HomMat) dev_display (TransContours) endfor * Matching 01: Clear model when done clear_shape_model (ModelId) * Matching 01: END of generated code for model application 三、实验结果 字符识别结果： 模板匹配结果： 四、分析与体会 通过本次课程设计，对本课程应用于实际生产需求的作用有所了解。在该课程设计的系统中具有非接触、不干扰生产过程的特点，具有很好的实用推广价值。该系统采用黑白面阵CCD和多通道图像采集卡采集图像数据，提高了检测系统的速度并降低了对CCD性能要求，使系统在现有的条件下比较容易实现实时在线检测；采用自动选取图像分割阈值，降低了对实时环境的要求，提高了系统的可推广性；根据实际应用的阈值把工件信息从图像中提取出来并扫描工件在图像中的位置、尺寸信息，实现了系统的自动测量。对课程实际的运用有了初步的认识。