- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于图像的血型卡灌装质量在线检测系统-包装工程.PDF
第39 卷 第3 期 包 装 工 程
2018 年2 月 PACKAGING ENGINEERING ·157 ·
基于图像的血型卡灌装质量在线检测系统
陈曦,柴晨晨,胡亚乔,刘凯龙,张旭
(河北工业大学,天津 300130 )
摘要: 目的 测量灌装后血型卡的固液高度,同时检测所灌液体中是否存在气泡。方法 将摄像机捕获的
血型卡图像经旋转矫正、初步裁剪、定位分割后,得到6 个独立的微柱管,利用Sobel 水平边缘检测方
法分别提取出固液混合相和液相的水平边缘位置,进而计算相应高度,同时提出基于SVM 的气泡检测
方法,提取气泡的HOG 特征,选择RBF 核函数来训练检测模型,并建立分类模型,通过交叉验证的方
法获得模型最佳参数。结果 与手工测量结果进行对比,固液混合相高度误差不超过±0.1 mm ,液相高
度测量误差不超过±0.2 mm ,气泡检测正确率高于97% ,在效率上可满足实时检测的需要,高度测量和
气泡检测的时间总和小于1.5 s,满足实时性要求。结论 所设计的检测系统可以有效解决血型卡灌装质
量的在线检测问题。
关键词:血型卡;图像处理;Sobel 边缘检测;SVM;HOG 特征;交叉验证
中图分类号:TP391 文献标识码:A 文章编号: 1001-3563(2018)03-0157-05
DOI :10.19554/j.cnki.1001-3563.2018.03.030
Online Detection System for Blood Card Filling Quality Based on Image
CHEN Xi, CHAI Chen-chen, HU Ya-qiao, LIU Kai-long, ZHANG Xu
(Hebei University of Technology, Tianjin 300130, China)
ABSTRACT: The work aims to measure the solid-liquid height of blood card after filling and check whether bubbles ex-
ist in the liquid filled. Six independent micro pipes were obtained by rotation correction, initial cutting and positioning
segmentation of blood card images captured by cameras. The horizontal edge position between solid-liquid mixed phase
and liquid phase was extracted in the method of Sobel horizontal edge detection. Then, the corresponding height was cal-
culated. Meanwhile, the way of detecting bubbles based on SVM was put forward. The HOG characteristics of the bubble
were extracted, and the RBF kernel function was selected to train the detection model and establish the classification
model. The best model parameters were obtained by the way of cross validation. Compared wi
文档评论(0)