1.數粒原理:
視覺相機對高速移動的物體進行逐行掃描,生成一張完整的圖像,上位機從相機取出圖像,通過自研究算法,根據大小尺寸,軌跡跟蹤,距離變換,通過算法計算出數量,通過控制下位機控制機構達到準確計數的目的。
2.產品特點:
精確高:擁有工業數粒領域內的高精確度,包裝精度根據產品不同,精度可能達到99%-100%。
速度快:高速的數粒速度。對細小顆粒物料,手機螺絲,藥品,襯衫鈕扣、銀觸點,五金件。
通用性好:適用工業生產環境的多品種多規格、少批量的生產數粒包裝形式。
3.視覺計數與稱重對比:
視覺軟件使用不用校證,只需調整參數,無須維護,精度比稱重高。
稱重需校證,維護,影響精度。
3.計數算法實現方式:
1,圖像變換:(空域與頻域、幾何變換、色度變換、尺度變換)
- 幾何變換:圖像平移、旋轉、鏡像、轉置;
- 尺度變換:圖像縮放、插值算法(最近鄰插值、線性插值、雙三次插值);
- 空間域與頻域間變換:由于圖像陣列很大,直接在空間域中進行處理,涉及計算量很大。因此,有時候需要將空間域變換到頻域進行處理。例如:傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術,將空間域的處理轉換為頻域處理,不僅可減少計算量,而且可獲得更有效的處理(如傅立葉變換可在頻域中進行數字濾波處理)。
2、圖像增強:
圖像增強不考慮圖像降質的原因,突出圖像中所感興趣的部分。如強化圖像高頻分量,可使圖像中物體輪廓清晰,細節明顯;如強化低頻分量可減少圖像中噪聲影響。
- 灰度變換增強(線性灰度變換、分段線性灰度變換、非線性灰度變換);
- 直方圖增強(直方圖統計、直方圖均衡化);
- 圖像平滑/降噪(鄰域平均法、加權平均法、中值濾波、非線性均值濾波、高斯濾波、雙邊濾波);
- 圖像(邊緣)銳化:梯度銳化,Roberts算子、Laplace算子、Sobel算子等;
3、紋理分析(取骨架、連通性);
4、圖像分割:
圖像分割是將圖像中有意義的特征部分提取出來,其有意義的特征有圖像中的邊緣、區域等,這是進一步進行圖像識別、分析和理解的基礎。
(1)閾值分割(固定閾值分割、最優/OTSU閾值分割、自適應閾值分割);
(2)基于邊界分割(Canny邊緣檢測、輪廓提取、邊界跟蹤);
(3)Hough變換(直線檢測、圓檢測);
(4)基于區域分割(區域生長、區域歸并與分裂、聚類分割);
(5)色彩分割;
(6)分水嶺分割;
5、圖像特征:
(1)幾何特征(位置與方向、周長、面積、長軸與短軸、距離(歐式距離、街區距離、棋盤距離));
(2)形狀特征(幾何形態分析(Blob分析):矩形度、圓形度、不變矩、偏心率、多邊形描述、曲線描述);
(3)幅值特征(矩、投影);
(4)直方圖特征(統計特征):均值、方差、能量、熵、L1范數、L2范數等;直方圖特征方法計算簡單、具有平移和旋轉不變性、對顏色像素的精確空間分布不敏感等,在表面檢測、缺陷識別有不少應用。
(5)顏色特征(顏色直方圖、顏色矩)
(6)局部二值模式( LBP)特征:LBP對諸如光照變化等造成的圖像灰度變化具有較強的魯棒性,在表面缺陷檢測、指紋識別、光學字符識別、人臉識別及車牌識別等領域有所應用。由于LBP 計算簡單,也可以用于實時檢測。
6、圖像/模板匹配:
輪廓匹配、歸一化積相關灰度匹配、不變矩匹配、最小均方誤差匹配
7、色彩分析:
色度、色密度、光譜、顏色直方圖、自動白平衡
8、圖像數據編碼壓縮和傳輸:
圖像編碼壓縮技術可減少描述圖像的數據量(即比特數),以便節省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得,也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法,它在圖像處理技術中是發展最早且比較成熟的技術。
9、表面缺陷目標識別算法:
傳統方法:貝葉斯分類、K最近鄰(KNN)、人工神經網絡(ANN)、支持向量機(SVM)、K-means等;
10、圖像分類(識別):
圖像分類(識別)屬于模式識別的范疇,其主要內容是圖像經過某些預處理(增強、復原、壓縮)后,進行圖像分割和特征提取,從而進行判決分類。
評論