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。