基于机器视觉的光学量自动识别方法.docVIP

基于机器视觉的光学测量自动识别方法 文摘:基于一种综合的多样化研究的自动识别算法相比,传统眼球光学测量仪器的实现。以一个通用工具显微镜(UTM的)镜头的观点图像为例,双层自动识别模型,建立了数据的读取 采用一系列的预处理算法。该模型是一个最佳组合correlation-based模板匹配的方法和并行反向传播(BP)神经网络。多补充特征提取用于产生对应的特征向量并行网络。为了提高容错能力,旋转不变特征为基础的提取的时刻是在Zernike数字特征和了四维集团的轮廓 同时也得到了特征。此外,工作时间和阅读动态调节精度通过设置阈值。实验结果表明,新开发的算法具有最优识别精度和工作速度。平均阅读率可实现97.23%。能自动识别技术获得结果的光学测量仪器快速、稳定地没有修改他们的原结构,以适应的应用程序要求。 关键词:自动识别;光学测量仪器;模板匹配;神经网络技术实现 随着信息技术的发展,大量的数字化和自动化设备为实现测试和测量现代测量和控制系统。光学测量仪器中占据了很大比重现代测量设备,特点它们的高准确度,抗干扰能力强 能力、长期稳定性[1]。然而,很多局限,在他们的数据自动抄表系统,包括单调乏味的阅读程序,费时的阅读方法和可能的人为错误。因此,完成调节自动化老的模式是十分必要, 通用工具显微镜(UTM的),它的阅读系统由标线、员工和螺旋