机器视觉 论文机器视觉论文
机器视觉论文
精心整理机器视觉技术综述课题：机械工程测试技术班级：13机设一班目录一.1.二.1.3.三.1.滤光片表面缺陷检测132.磁性材料表面缺陷检测143.齿轮表面缺陷检测14一.机器视觉概念和系统组成1.机器视觉概念机器视觉就是用机器来代替人眼做测量和判断的系统，它通过光学装置和非接触传感器自动获取目标对象的图像，并由图像处理设备根据所得图像的像素分布、亮度和颜色等信息进行各种运算处理和判别分析，以提取所需的特征信息或根据判别分析结果对某些现场设备进行运动控制。
机器视觉系统中的图像处理设备一般都采用计算机，所以机器视觉有时也称为计算机视觉。
2.机器视觉系统组成一. 机1.自的特点是：a.高频荧光灯：使用寿命约1500－3000小时优点：扩散性好、适合大面积均匀照射缺点：响应速度慢，亮度较暗b.光纤卤素灯：使用寿命约1000小时优点：亮度高缺点：响应速度慢，几乎没有光亮度和色温的变化。
c.LED灯：使用寿命约10000－30000小时，可以使用多个LED达到高亮度，同时可组合不同的形状，响应速度快，波长可以根据用途选择。
选择LED光源的优势：•可制成各种形状、尺寸及各种照射角度；2.断。
所有的机器视觉系统都带有一台摄像机、一个计算机和捕捉图像并进行分析的软件。
所选用的系统部件必须能符合具体应用的需要。
因为图像传感器确定了成像系统的速度和分辨率，故正确的图像传感器的选取对于视觉应用的成功来说具有关键性影响。
下面是机器视觉图像传感器的各种分类：a.线阵式图像传感器一个线阵式图像传感器（逐线扫描）包含一条或者多条像素直线阵列。
每个阵列与至少一个读出装置及放大器耦合。
线阵图像传感器适用于那些要对连续制造的产品（如传送带上的ＰＣ板，未来的印刷塑性电路板以及其它薄型、卷状的产品，如杂志、印刷布）进行成像的机器视觉应用。
总而言之，线阵式传感器总体结构简单，适用于对扁平、快速移动的物体的成像，但在需要捕获３Ｄ物体图像的应用中它们往往无法与面积型传感器相竞争。
机器视觉 论文机器视觉论文
机器视觉论文机器视觉论文机器视觉论文机器视觉论文基于机器视觉的色标判读系统摘要:色标是用来表示特定含义的一种标识,一般用于流水作业场合,利于产品的快速识别和分类。
随着现代自动化工业的来临,原有简单的单色色标识别已不能满足快速的工业需求,因此一种对系列色标组合判读的方法就诞生了。
本设计通过Visual Basic编程实现,经过色标定位、颜色提取、色标对比识别等一系列步骤来实现色标判读。
以色环电阻为例,首先将被测色环电阻图片输入软件, 软件通过图像识别确定电阻环数、电阻正反及色环颜色的数据,然后通过色环电阻阻值计算公式确定阻值。
本设计具有识别速度快、使用方便、可扩展性高等优点。
关键词:色标;Visual Basic 6.0;色环电阻;机器视觉Reading System for Color Tag Based on Machine VisionZHU Guang, YANG Yong-yue, ZHANG Jian-jie(Hefei University of Technology School of Instrument Science and Opto-electronics Engineering, Hefei Anhui 230009, China)Abstract: Color Tag indicates a special meaning, which is usually used to recognise and classify products in pipelining occasion. As the time of modern roboticized industry comes, quondam homochromous ColorTag is too simple to satisfy double-quick industrial demand.As a result, the technique of judgement of series Color Tag has its naissance. The technique comes true here via programing with Visual Basic. In order to recognise it, we orientate the Color Tag, distill the color and contrastone color with another. For example, we can figure out the value of color-ringed resistance by the technique. At first, wo input a pictureof the resistance. The programme itself will tell us the direction, the rings and their color, then it calculates the value of the resistance by a special formula. The designment is excellent because it is convenient to use widely and it recognises quickly.Keywords: color tag; Visual Basic 6.0; color-ringedresistance;machine vision引言色标是用来表示特定含义的一种标识,一般用于流水作业场合,利于产品的快速识别和分类。
机器视觉论文
《生活中的视觉》课程论文基于机器视觉的虚拟演播室系统学号二零一七年三月《生活中的视觉》〔论文〕第II页摘要虚拟演播室系统应用摄像机跟踪技术，获得真实摄像机数据，并与电脑生成的背景结合在一起，背景成像依据的是真实的摄像机拍摄所得到的镜头参数，因而和演员的三维透视关系完全一致，防止了不真实、不自然的感觉。
由于背景大多是由电脑生成的，可以迅速变化，这使得丰富多彩的演播室场景设计可以用非常经济的手段来实现，由于它本身所具有的无穷魅力以及其不可低估的发展前景，迄今已被越来越多的节目制作及有关人员所关注。
虚拟演播室在应用传统的色键合成技术的基础上实现了摄像机可以与背景同步运动的功能，使演员可以有效地融合到虚拟场景中，同时在与虚拟对象流互动时无任何违和感。
演员在虚拟演播室的蓝箱中表演时，由摄像机采集前视频信号，并且通过跟踪设备实时地采集摄像机的各项参数信息，再把跟踪设的数据传给高速图形电脑，最后，通过图形发生器将演员与背景图像合成。
中，在拍摄演员时采用蓝色背景，然后使电脑生成的虚拟背景与演员摄像视频步工作，再利用色键器的抠图合成技术将两路信号实时合成，将其作为最后的输出。
关键词：虚拟演播室；机器视觉；虚拟演播室系统；色键与蓝箱AbstractApplication of the virtual studio system camera tracking technology, obtain the real camera data, and the computer generated background together, the background image is based on the real camera lens parameters obtained, and thus actor 3D perspective relationship is completely consistent, avoid is not true and natural feeling. Because the background is mostly produced by the computer, can change rapidly, which makes the rich and colorful design studio scene can be used to achieve a very economical means, because of its inherent charm and its development prospects should not be underestimated, so far has been more and more concerned about the production .On the basis of the traditional color key combination technology, the virtual studio can realize the camera and the backgroundThe synchronous motion function, the actor can be effectively integrated into the virtual scene, at the same time to interact with virtual objects flow without any sense of violation. Actor in the blue box in the virtual studio, the video signal collected by the camera, and the parameters of the information real-time camera tracking equipment, then set the tracking data to high speed graphics computer, finally, a pattern generator will actor and background image synthesis. In the blue background in the film actor, and then make the virtual background and actor computer generated video step, using matting synthesis technology key machine will be real-time synthesis of two signals, as the final output. The virtual studio turned out to be a benefit for high-definition television technology, this new technology provides a strong support for the development of the virtual studio high definition television. At the same time, the motion parameters of the sensor tracking system camera are acquired, and the final rendering output includes the background signal and the key signal as the foreground occlusion.Keywords: Virtual studio; machine vision; virtual studio system目录摘要 (II)ABSTRACT ............................................................................................................................. I II 第1章绪论 (1)1.1背景和意义 ........................................................................... 错误!未定义书签。
机器视觉论文：基于计算机视觉的柑橘分选系统
机器视觉论文：基于计算机视觉的柑橘分选系统【中文摘要】我国是一个柑橘出产大国,柑橘分选的速度与精确度直接影响到我国柑橘在国际市场上的竞争力。
目前,我国柑橘分选还主要依靠人工完成,该方法不仅消耗了大量劳动力资源,而且分级精度不高、分级效率低。
利用计算机视觉对水果进行分选是提高分选速度与精度的必然选择。
基于计算机视觉的柑橘分选方法具有智能化程度高、分级精度高、速度快、成本低等优点,但其存在的主要问题是算法复杂、运算量大。
本文主要研究包括颜色模型、图像滤波、图像分割、图像边界提取、最大和最小直径检测、图像缺陷检测以及系统的软硬件组成在内的整个柑橘分选系统。
为了减少系统数据传输量,本系统使用YUV颜色模型；针对在极为复杂的背景下,一般分割算法不能快速并准确地将图像前景色与背景色分割开来的问题,本文提出了使用多个颜色通道的组合来分割图像的方法,提高了图像前景色与背景色准确分割速度。
在图像预处理方面,为了减少运算量,缩短算法运行时间,本文在对各种方法进行分析后,使用计算量较小的快速中值滤波方法对图像进行滤波,并使用基于线段的边界提出方法来提取图像边界。
针对原有的水果直径检测算法计算量过大以及计算精度不高的问题,本文提出了一种新的基于图像分割的直径检测方法,该方法能够在较短的时间内较为精确的检测出柑橘的直径。
为了解决传统的缺陷检测算法运量大,运行时间长的问题,本文提出了阈值分割与区域增长相结合的缺陷检测方法,该方法能够快速、全面的将柑橘缺陷识别出来。
本系统的软件部分在window XP系统上的VC++6.0中得到了实现,硬件部分也已搭建完成并已应用于实际工业生产中。
实践证明,该系统能够快速、精确的对柑橘进行分级,系统性能达到了预期的设计目标。
【英文摘要】China is a main country of producing oranges, the spead and the accuracy of the orange classification affects the competition of the oranges in the international market. At present, orange classification mainly depends on manual work in China, this method not only needs a lot of person to finish the job, but also has low accuracy and efficiency. Classifying the fruits by using computer vision is the inevitable choice to improve the speed and accuracy of fruit classification. The method of orange classification by machine vision is intelligent with high accuracy and speed and costs lowly, but the large amount of caculation and the complexity of the algorithm are the main problems of this method.This paper introduced the whole orange sortiong system which includes color models, image filtering, segment and edge extraction, the maximum and minimum diameter detection, the detection of image defection,the hardware and software of the system. YUV color model was used in this system to reduce the data quantity; the composition of several color channels was proposed to segmentimage to improve the problem that the foreground and backgroundof the image can not be segmentted accurately and quickly whenit comes to the very complex background. The method of rapid median filtering which has small amount of caculation was usedto filter the image and the method of edge extraction by lines was chosen based on the comparation of different methods to reduce the program running time. A new method of diameter detection was proposed based on image segmentation to improvethe problem that the old diameter detection algorithms have large amount of caculation and low accuracy. A new method of defection detection which used threshold segmentation combined with regional growth to segment images was proposed in this paper to resolve the problem that the traditional defection detection algorithms have large amount of caculation and long running time. It’s proved that the new method was fast and accurate.The software and hardware of the system have been implemented, and the system was used in the actual industrial production. It’s proved that the system could sort oranges rapidly and accurately. The expected design goal was achieved.【关键词】机器视觉图像分割直径检测缺陷检测【英文关键词】machine vision image segmentation diameter detction defection detection【目录】基于计算机视觉的柑橘分选系统摘要4-5Abstract5 1 绪论10-17 1.1 柑橘分选的目的和意义10-11 1.1.1 我国柑橘生产现状10-11 1.1.2 柑橘分级的目的、意义11 1.2 柑橘分级方法11-12 1.2.1 人工分级11-12 1.2.2 机械分级12 1.2.3 基于计算机视觉的分级12 1.3 国内外研究现状12-15 1.3.1 国外的研究现状13-14 1.3.2 国内的研究现状14-15 1.4 本研究的主要内容15-16 1.5 本章小结16-17 2 颜色模型与图像滤波17-27 2.1 颜色模型17-21 2.1.1 RGB颜色模型17-18 2.1.2 HIS颜色模型18-19 2.1.3 YUV格式水果图像二值处理19-21 2.2 图像滤波21-24 2.2.1 均值滤波21 2.2.2 中值滤波21-22 2.2.3 快速中值滤波22-24 2.3 实验结果与分析24-25 2.4 结语25-27 3 图像分割与图像边界提取27-40 3.1 图像分割27-33 3.1.1 特征聚类法和基于神经网络的分割算法27-28 3.1.2 单通道阈值分割法28-31 3.1.3 多通道分割31-33 3.2 图像边界提取33-39 3.2.1 Soble算子33 3.2.2 Canny算子33-34 3.2.3 基于线段的边界提取方法34-38 3.2.4 实验结果与分析38-39 3.3 结语39-40 4 柑橘最大直径检测40-46 4.1 水果图像最大直径检测42-43 4.2 算法实现与比较43-45 4.3 结语45-46 5 柑橘缺陷检测46-53 5.1 定向技术47-48 5.2 阈值分割与区域增长结合分割法48-50 5.2.1 阈值分割方法49 5.2.2 基于区域的方法49-50 5.2.3 阈值分割与区域增长结合分割法50 5.3 实验结果与分析50-52 5.4 结语52-53 6 系统框架53-60 6.1 系统硬件构成53-55 6.1.1 计算机53-54 6.1.2 图像采集系统与照明系统54-55 6.1.3 传送装置55 6.1.4 分级执行装置55 6.2 软件部分55-59 6.2.1 上位机程序55-58 6.2.2 水果检测程序58-59 6.3 结语59-607 结论与展望60-62参考文献62-65个人简历65-66致谢66。
《2024年机器视觉技术研究进展及展望》范文
《机器视觉技术研究进展及展望》篇一一、引言随着科技的不断进步，机器视觉技术作为人工智能领域的重要分支，正逐渐改变着我们的生产、生活乃至整个社会。
本文将围绕机器视觉技术的最新研究进展进行阐述，并对其未来发展趋势进行展望。
二、机器视觉技术概述机器视觉技术是一种通过模拟人类视觉系统，利用计算机、图像处理算法等技术对图像进行采集、处理、分析、理解的技术。
它广泛应用于工业检测、医疗诊断、安防监控、自动驾驶等领域，为人类带来了极大的便利。
三、机器视觉技术研究进展1. 图像处理算法的优化随着深度学习、神经网络等技术的发展，图像处理算法得到了极大的优化。
通过训练大量的图像数据，机器视觉系统能够更准确地识别、分类、定位图像中的目标，提高了系统的准确性和效率。
2. 三维视觉技术的发展三维视觉技术是机器视觉技术的重要发展方向。
通过立体相机、结构光等技术，可以实现对物体三维形状、尺寸的测量和识别。
这一技术广泛应用于工业检测、医疗诊断等领域。
3. 智能监控系统的普及智能监控系统是机器视觉技术在安防领域的重要应用。
通过安装摄像头等设备，结合图像处理算法和人工智能技术，可以实现对监控区域的实时监控、异常行为检测等功能，提高了社会安全性和防范能力。
4. 无人驾驶技术的突破无人驾驶技术是机器视觉技术在交通领域的重要应用。
通过搭载高精度相机、雷达等设备，结合计算机视觉、深度学习等技术，无人驾驶车辆可以实现自主导航、避障、路况识别等功能，为交通出行带来了极大的便利。
四、机器视觉技术的挑战与展望尽管机器视觉技术取得了显著的进展，但仍面临一些挑战和问题。
首先，图像处理算法的准确性和效率仍有待提高，尤其是在复杂环境和多种干扰因素下。
其次，机器视觉技术的应用还需要解决数据安全、隐私保护等问题。
此外，对于某些特定领域，如医疗诊断等，机器视觉系统的准确性和可信度还需要进一步提高。
展望未来，机器视觉技术将朝着更加智能化、高效化的方向发展。
一方面，随着深度学习、神经网络等技术的不断进步，图像处理算法的准确性和效率将得到进一步提高。
《2024年机器视觉技术研究进展及展望》范文
《机器视觉技术研究进展及展望》篇一一、引言随着科技的飞速发展，机器视觉技术已经成为现代工业、医疗、农业、军事等众多领域的重要支撑。
作为一种新兴的技术领域，机器视觉技术通过模拟人眼的视觉功能，使机器能够自主获取、分析并解释图像信息，进而实现对目标的检测、识别、跟踪和测量等功能。
本文将详细介绍机器视觉技术的研究进展及未来展望。
二、机器视觉技术研究进展1. 图像处理技术图像处理技术是机器视觉技术的核心，包括图像采集、预处理、特征提取和图像识别等环节。
近年来，随着计算机性能的提升和算法的不断优化，图像处理技术的处理速度和准确性得到了显著提高。
例如，深度学习算法在图像识别领域的广泛应用，使得机器视觉系统能够更加准确地识别和分类各种目标。
2. 目标检测与识别技术目标检测与识别技术是机器视觉技术的重要应用方向。
通过使用各种传感器和算法，机器视觉系统能够实现对目标的快速检测和准确识别。
例如，在工业生产中，机器视觉系统可以实现对产品质量的自动检测和识别，提高生产效率和产品质量。
此外，在医疗、军事等领域，目标检测与识别技术也得到了广泛应用。
3. 三维视觉技术三维视觉技术是机器视觉技术的重要发展方向。
通过使用立体相机、结构光等技术，机器视觉系统能够实现对三维空间的感知和测量。
这种技术广泛应用于工业检测、虚拟现实、无人驾驶等领域。
随着技术的不断发展，三维视觉技术的精度和稳定性将得到进一步提高。
4. 智能监控与安防技术智能监控与安防技术是机器视觉技术在安全领域的重要应用。
通过使用智能摄像头、人脸识别、行为分析等技术，机器视觉系统能够实现对目标的实时监控和安全防范。
这种技术在公共安全、智慧城市等领域具有广泛的应用前景。
三、机器视觉技术的未来展望1. 算法优化与深度学习随着算法的不断优化和深度学习技术的发展，机器视觉系统的处理速度和准确性将得到进一步提高。
未来，机器视觉技术将更加注重算法的创新和优化，以实现更高效、更准确的图像处理和分析。
机器视觉技术论文
机器视觉技术论文机器视觉技术论文篇二智能机器人视觉仿生技术研究综述摘要：机器人视觉仿生技术是机器人视觉控制领域的新热点。
本综述在详细分析了灵长类动物眼球运动的形式和特点基础上，对国内外应用生物眼球运动控制机理来构建仿生机器视觉的研究现状、存在的问题及未来发展趋势做了全面综述，并针对目前机器人视觉仿生面临的技术难题，提出了开展视觉仿生研究的新思路和新构想。
Abstract：Robot vision bionic technology is the new hot shot in robot vision control area. In this review，based on a detailed analysis of primate eye movement forms and characteristics， the domestic and international research status of building bionic vision with the biological eye movement control mechanism，the problems and future trends are reviewed comprehensively， and new ideas for the visual bionic research are proposed for the current technical problems of robot vision bionic.关键词：视觉仿生;仿生眼;机器人Key words： bionic vision;bionic eye;robots中图分类号：TP391 文献标识码：A 文章编号：1006-4311(2013)26-0195-020 引言智能机器人是指：具有感知、识别、推理和决策能力，并且能独立执行任务的机器人。
《2024年机器视觉技术研究进展及展望》范文
《机器视觉技术研究进展及展望》篇一一、引言随着科技的飞速发展，机器视觉技术已成为人工智能领域中最为活跃和重要的研究方向之一。
机器视觉技术通过模拟人类视觉系统，使机器能够获取、处理并理解图像信息，从而实现自动化、智能化的目标识别、物体检测和图像分析等功能。
本文将就机器视觉技术的研究进展进行概述，并对其未来发展进行展望。
二、机器视觉技术研究进展1. 深度学习算法的应用深度学习算法是近年来机器视觉领域取得重大突破的关键技术之一。
通过模拟人脑神经网络的运作方式，深度学习算法可以在海量数据中自动学习和提取特征，提高图像识别的准确性和效率。
目前，深度学习算法已广泛应用于人脸识别、目标检测、图像分类等领域，取得了显著的成果。
2. 三维视觉技术的发展三维视觉技术是机器视觉领域的重要研究方向之一。
通过获取物体的三维信息，可以实现更加精确的目标识别和物体检测。
近年来，随着三维传感器和算法的不断改进，三维视觉技术在工业检测、医疗影像分析、虚拟现实等领域得到了广泛应用。
3. 图像处理技术的发展图像处理技术是机器视觉技术的核心之一。
随着算法和硬件的不断发展，图像处理技术已经能够实现高分辨率、高动态范围、高帧率等高质量的图像处理效果。
同时，图像处理技术也在不断改进和优化，以适应不同的应用场景和需求。
4. 跨模态识别技术的发展跨模态识别技术是指将不同模态的信息进行融合和识别，如将图像、语音、文本等信息进行跨模态识别和理解。
随着多模态感知技术的不断发展，跨模态识别技术在智能机器人、智能家居、虚拟助手等领域得到了广泛应用。
三、机器视觉技术的未来发展展望1. 智能化和自主化程度提高随着人工智能技术的不断发展，机器视觉技术将更加智能化和自主化。
未来的机器视觉系统将能够更好地模拟人类视觉系统，实现更加精确和高效的图像识别和处理。
同时，自主化程度的提高也将使得机器视觉系统能够在更广泛的领域得到应用。
2. 三维视觉技术的普及和应用随着三维传感器和算法的不断改进和降低成本，三维视觉技术将得到更广泛的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
机器视觉论文机器视觉论文
机器视觉论文机器视觉论文
基于机器视觉的色标判读系统
摘要:色标是用来表示特定含义的一种标识,一般用于流水作业场合,利于产品的快速识别和分类。
随着现代自动化工业的来临,原有简单的单色色标识别已不
能满足快速的工业需求,因此一种对系列色标组合判读的方法就诞生了。
本设计
通过Visual Basic编程实现,经过色标定位、颜色提取、色标对比识别等一系列步骤来实现色标判读。
以色环电阻为例,首先将被测色环电阻图片输入软件, 软件通过图像识别确定电阻环数、电阻正反及色环颜色的数据,然后通过色环电
阻阻值计算公式确定阻值。
本设计具有识别速度快、使用方便、可扩展性高等优点。
关键词:色标;Visual Basic 6.0;色环电阻;机器视觉
Reading System for Color Tag Based on Machine Vision
ZHU Guang, YANG Yong-yue, ZHANG Jian-jie
(Hefei University of Technology School of Instrument Science and Opto-electronics Engineering, Hefei Anhui 230009, China)
Abstract: Color Tag indicates a special meaning, which is usually used to recognise and classify products in pipelining occasion. As the time of modern roboticized industry comes, quondam homochromous Color
Tag is too simple to satisfy double-quick industrial demand.As a result, the technique of judgement of series Color Tag has its naissance. The technique comes true here via programing with Visual Basic. In order to recognise it, we orientate the Color Tag, distill the color and contrast
one color with another. For example, we can figure out the value of color-ringed resistance by the technique. At first, wo input a picture
of the resistance. The programme itself will tell us the direction, the rings and their color, then it calculates the value of the resistance by a special formula. The designment is excellent because it is convenient to use widely and it recognises quickly.
Keywords: color tag; Visual Basic 6.0; color-ringed
resistance;machine vision
引言
色标是用来表示特定含义的一种标识,一般用于流水作业场合,利于产品的
快速识别和分类。
本设计以色环电阻为例,通过机器视觉系统拍摄色环电阻的
色
环色标图像,利用Visual Basic编写程序,经过图像输入、图像校正、色标定位、
颜色提取、色标对比识别等一系列步骤来实现色标判读。
1 基于机器视觉的色标判读
1.1实验系统组成
基于机器视觉的色标判读系统利用高速CCD摄像机直接得到需判读色标
的图像,在本文中即是色环电阻的图像。
由输入设备进入计算机的图像有可能存
在倾斜,所以需对图像进行直线度检测和水平校正。
得到校正后的图像之后根据
色环电阻阻值的确定规则利用Visual Basic编写判读程序,实现色环电阻阻值的判读。
系统框架如图1所示。
1.2图像水平校正
由于色环电阻相对位置的不确定性,需要对图像进行直线度检测和水平校正。
主要的直线拟合算法有最小二乘拟合,下面做简单的介绍。
设已知线性函数的形式为:
y=kx+b(1)
设在等精度测量条件下得到一组测量数据
ρ-θ(xi,yi),(i=1,2,....n)。
将xi代入公式(1)中可以得到n个理论值yi。
偏差的平方和为:
由最小二乘法原理分别对上式中的k和b求偏微分,并令其为0得到
整理为
xk+b=y (4)
x2k+xb=xy
由此可以解得
b=y-kx
上式中
这样就可以用最小二乘法求出最佳直线的两个参数k和b,从而确定了这条,这种方法也称为直线拟合。
实际上,最小二乘法思想的几何意义就是利用直线
已知的测量数据点来确定一条最佳直线,这条直线所有测量点的距离平方和最小,校正效果图如图2所示。
1.3色环电阻阻值判读
色环电阻一般来说有三环、四环、五环和六环4种类型,其中五环电阻最为常见,因此本设计以五环电阻为研究对象。
一般的五环电阻如图3所示。
色环电阻通过电阻上五个色环的颜色及其排列顺序来表示其阻值,其色环颜色
含义如表1所示。
将电阻色环颜色与表1对照,得到其色环数据,然后根据公式(7)计算电阻阻值。
R=(A×100+B×10+C)×D?E(7)
例如图3所示电阻,第一环为红色,表示2;第二环为黄色,表示4;第三环为绿色,表示5;第四环为棕色,表示10Ω;第五环为金色,表示5%,然后根据公式(7)计算阻值——(2×100+4×10+5)×10Ω?5%,即2,450Ω?5%。
1.4 电阻色环排列顺序确定
色环电阻是应用于各种电子设备最多的电阻类型,无论怎样安装,维修者都能方便的读出其阻值,便于检测和更换。
但在实践中发现,有些色环电阻的排列顺序不甚分明,往往容易读错,在识别时可运用如下技巧加以判断。
棕色环是否是误差标志的判别。
棕色环既常用作误差环,又常作为有效数字环,且常常在第一环和最末一环中同时出现,使人很难识别谁是第一环。
在实践中,可以按照色环之间的间隔加以判别,比如对于一个五道色环的电阻而言,第五环和第四环之间的间隔比第一环和第二环之间的间隔要宽一些,据此可判定色环的排列顺序。
如图4所示,电阻第一环和第二环之间的间隔比第四环和第五环之间的间隔要
宽一些,由此可判断图4中电阻色环顺序与正确顺序左右颠倒了,要从右到左读取色环颜色,第一环为红色,第二环为黑色,第三环为黑色,第四环为棕色,第五环为棕色,
对应的颜色含义分别为2、0、0、10Ω、1%,电阻阻值为
(2×100+0×10+0)×10Ω?1%即2,000Ω?1%。
如果按照图4所示顺序判断阻
值,则为(1×100+1×10+0)×1Ω?2%,即110Ω?2%,与正确阻值2,000Ω?1%相差甚远。
2软件判读
经过图像预处理得到的卡证图像,通过计算机来判读。
判读软件系统使用Visual Basic开发。
系统首先通过某一横向系列坐标的RGB值的变化来确定电阻色环的位置,首先选一适当纵坐标,然后将这一纵坐标按一定间隔的所有像素的RGB 值都读取下来,根据相邻坐标的RGB值变化超过一定范围则颜色变化的规则,确定电阻的颜色框架,则可确定色环位置及色环间隔。
确定色环位置以及色环间隔之后,根据色环间隔取相邻临界点的平均值为代表色环颜色的颜色读取点,取得颜色读取点的RGB值后与标准电阻色标的12个颜色一一对比,找到与之符合的颜色,当得到电阻上五个色环所代表的颜色后,根据色环顺序的正反,确定第一环到第五环的顺序,与表1五环电阻色环颜色含义对照,得到每个色环所代表的含义。
然后即可根据公式(7)计算电阻阻值,判读结果如图5所示。
3结论
基于机器视觉的快速色标判读方法可以大幅提高自动化工业检测水平,大大节省了生产时间,节约了生产成本。
从小商品生产流水线的自动分类,到重工业的非接触自动检测的各种领域都有着广泛的应用价值。
参考文献
[1] 李兰友. Visual Basic 6图像处理开发与实例[M]. 电子工业出版社, 2000.1,198-203.
[2]张宏林. Visual C++图像模式识别技术及工程实践[M]. 北京:人民邮电出版社,2003.2,398-403.
[3] 何东健. 数字图像处理[M]. 西安电子科技大学出版社,2003, 112- 115.
[4] 冈萨雷斯. 数字图像处理(第二版)[M]. 北京:电子工业出版
社,2003,136-143.
[5] 章毓晋. 图像处理与分析[M]. 北京:清华大学出版社,1999, 232-241.
[6] 王烨青, 杨永跃. 机器视觉在流水线条形码识别中的应用[J]. 电子测量与仪器学报,2006, 20(6):102-105.
[7] 边肇祺. 模式识别[M]. 北京:清华大学出版社,2000.1,58-63.
[8] 贾云得. 机器视觉[M]. 北京:科学出版社,2000.3,6-12.。