机器视觉槟榔检测

实例的任务是实现槟榔检测，主要用于统计数量由于样品外观的特殊性，如果能实现自动化品质检测，将大大的提高生产效率，不过目前能实现的难度相对比较大 ? ?但是随着视觉检测技术的提高，在槟榔统计数量的检测系统中，综合采用图像分析、计算机和自动控制等多种技术，对生产中遇到的样品进行检测和处理，是较新的确认制造检测方法。

? ?视觉光源 ? ?根据应用的具体情况，需要确定相机拍图范围，然后再选择视觉光源可以考虑使用四面无影光源、环形光源、圆顶光源等槟榔样品通常都是黑色的，为了使背景和目标物体有最大的对比度，需要将背景表现为白色，然后槟榔表现为黑色。

应用中使用的光源最好是能将槟榔引脚的阴影去掉，这样对于检测数量可能会有帮助 ? ?工业相机 ? ?根据拍图视野大小，可以选择30万像素以上的CCD相机进行拍摄因为槟榔这种东西，一般会在传送带上运动，视觉检测也只能在传送带的基础上使用。

所以只能考虑使用CCD相机或全局快门的CMOS相机视野越大，则要求的分辨率越高 ? ?工业镜头 ? ?根据检测要求，可以使用常规的FA镜头，根据视野大小，可以考虑使用50mm~5mm的CCTV镜头 ? ?根据最终的应用要求以及成本控制，先进行打光测试，在完成检测要求的情况下确定最后的硬件选型。

? ?算法分析 ? ?实例中运用机器视觉采集槟榔样品图片，图像分析算法提取槟榔的纹理的特征，以槟榔的纹理二阶矩、对比度、相关性为特征参数，建立槟榔的分类模型，进行结果数据判断由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。

? ?纹理特征不是基于像素点的特征点，它需要在包含多个像素点的区域中进行统计计算由于槟榔外观的特殊性，纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候，使用这方法很难准确地反映出人的视觉感觉不同的纹理之间的差别，导致局部的偏差而无法匹配成功。

? ?可以使用粒子分析进行处理，不过这种方法，只能应用于每个槟榔都是独立分开的情况下如果有连接在一起的，则需要首先做一个分水岭分割，将连接在一起的槟榔产品进行图像分割，再进行特征提取，进行数据统计

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。