工件检测中图像模板匹配的分析-通信与信息系统专业论文.docx

河北 河北工业大学硕士学位论文 工件 工件检测中图像模板匹配的研究 PAGE PAGE 13 PAGE PAGE 10 第一章绪论 机器视觉是计算机领域一门新兴的技术 。随着它的应用范围不 断地扩大及深入，出 现了许 多基于此技术 的应用范例。 在工业零件制造业中，经常需要对自动化生产线上的工件进行 质量检测，检测一般 具有连 续大批量 、要求检测速度快 、检测精度要求高等特点 。针对这种特点现行的人工检测 办法存在 很大缺陷： (1)因为工件大多都是批量生 产，数量众多，所以人工检测的速度较慢。 (2)人工检测难以避免会带有 主观性，而且无法实现全检，所以 人工检测的精度差。 (3)一些环境恶劣的场合，人 工检测难以实行。 (4)人工检测所得的数据无法 精确的录入到管理软件中。 基于机器视觉 的工件在线检测，具有 检测精度高，速度快 ，应用范围广，易于管 理等特点， 具有广阔的应用前景。论文根据 工业中工件检测的要求 ，开发了基于机器视觉的 在线工件检测 系统。 §1- 1 机器视觉概述 1- 1- 1 机器视觉的定义 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄 取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据 像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的 特征，进而根据判别的结果来控制现场的设备动作[1]。机器视觉系统一般包括光源，工业相机，镜头， 图像采集卡，计算机和工控系统。第一步利用 CCD 工业相机将目标转变成图像信号，接下来将图像信 号数字化，然后传送到计算机图像处理系统中，根据具体情况提取图像特征，通过和标准图像的特征 相比较，根据预设的容许度和其他条件输出判断结果。处理过程如下图： 图像采集 图像处理 特征提取 判决控制 1- 1- 2 机器视觉的发展历程 图 1-1 机器视觉系统 Fig. 1.1Machine Vision 机器视觉从 20 世纪 50 年代从统计模式识别开始的，当时的工作主要集中在二维图像分析和识 别上，如光学字符识别、工件表面、显微图片和航空图片的分析以及解释等。 60 年代中期，R.Robert 开创性的三维景物分析研究成为计算机视觉起源，他运用数字图像研究 实体模型，对物体形状和结构进行了描述。 70 年代中期，麻省理工学院(MIT)人工智能(AI)实验室正式开设“机器视觉”(Machine vision)课 程。1977 年，David Marr 教授提出了不同于“积木世界”分析方法的计算机视觉(Computational Vision) 理论，该理论成为 80 年代成为机器视觉研究领域中的一个十分重要的理论框架。 80 年代，Marr 首次提出了第一个较为完备的视觉处理框架，Marr 认为对计算机视觉系统的研究 应该分为三个层次，即计算理论层次，表达与算法层次，硬件实现层次[2]。这框架虽然在细节甚至主 导思想方面尚存在大量不完备的方面，至今许多方面还存有许多争议，但是至今仍是计算机视觉工 作者接受的基本框架[3]。 20 世纪 90 年代，随着光电自动化和计算机技术的高速发展，开始了数字图像半自动处理阶段的 研究，完善了预处理技术，对图像特征进行了自动分类，但仍然不完善。利用机器视觉的快速性、 可重复性、智能化和现场性的特点，机器视觉在汽车零配件批量加工的尺寸检查和自动装配的完整 性检查、电子装配线的元件定位、印刷电路板的检验等应用场合得到了具体的应用[4,5]。 进入 21 世纪以后，机器视觉和图像处理技术的发展更可以说是日新月异，涌现出越来越多的复 合型技术，并已经深入应用到了工业应用、多媒体技术、医疗设施、交通检测、矿山施工、加密技 术、安全控制等领域[6,7]。 1- 1- 3 机器视觉的应用 (1).工业检测中的应用 机器视觉的应用能够大大提高检测速度和检测的精度。例如产品外包装，印刷质量的检测，饮料 填充、饮料瓶封口检测，工件的在线检测等 [8]。 (2).农产品中应用 机器视觉可以实现对农产品的质量分级，对产品实现更科学，高效的管理，提高农产品的效益。 如水果，根据颜色、形状、大小等特征参数[9，10，11]；禽蛋，根据色泽、重量、形状、大小等外部特征 烟叶，根据其颜色、形状、纹理、面积等进行综合分级[12，13]。 (3).医学中的应用 机器视觉技术在医学中的应用，主要是医学影像分析方面。融合数字图像处理技术队医学图像进 行分析，大大提高了诊断的可靠性。 §1- 2 基于机器视觉的工件检测技术 1- 2