《视觉算法培训教材》由会员分享，可在线阅读，更多相关《视觉算法培训教材（49页珍藏版）》请在金锄头文库上搜索。
1、第 1 页 共 49 页 中国视觉网算法小组培训教材中国视觉网算法小组培训教材 1计算机视觉及国内外研究应用现状 1 1国内视觉研究及发展历史及发展现状简述 1 2国外视觉研究及发展历史及现状简述 1 2 1 日本视觉发展简史及现状 1 2 2 欧美视觉发展现状及现状 2视觉系统相关基础知识 硬件 软件及理论 2 1视觉系统硬件的基本组成 2 1 1 板卡 2 1 1 1 图像采集卡的种类 2 1 1 2 板卡的基本技术参数 2 1 1 3 板卡的软件包 2 1 1 4 如何选用板卡 2 1 2 相机 1 1 1 1 工业相机的分类 2 1 2 1 相机硬件的基本构成及技术参数 2 1 2 2
2、 相机选用简述 2 1 2 3 镜头选用简述 2 1 3 电脑 2 1 3 1 基本设置要求 2 1 4 基本通讯接口 2 1 4 1 基本 I O 通讯 2 1 4 2 其他通讯方式 2 2视觉系统软件模块 2 2 1 基本模块 2 2 1 1 用户主界面 图例 2 2 1 2 基本功能模块 2 2 1 3 检测程序基本流程 2 2 2 操作系统 2 2 2 1 视觉系统实际应用中操作系统概述 Windows95 WindowsNT Windows2000 2 2 3 基本算法简述 2 2 3 1 字符检算法测简述 模板匹配 OCR 2 2 3 2 测量算法简述 各种边缘寻找算法 2 2 3
3、 3 标定的实际应用及算法简述 2 3视觉系统基本外围设备 2 3 1 灯源 2 3 1 1 各种灯源简述 荧光灯 卤素灯 LED 激光等 2 3 1 2 灯源选用简述 第 2 页 共 49 页 2 3 2 其他设备 马达读取卡等 2 4嵌入式视觉系统与 PC 式视觉系统综述 2 4 1 两种系统对比 2 4 2 系统选用简述 2 4 3 市场前景预测 2 4 3 1 嵌入式视觉系统前景 2 4 3 2 PC 式视觉系统前景 3典型机器视觉示例 3 1字符检测 3 2包装质量检测 3 3物体定位 3 4高精度测量 3 5读取 条形码 二维码 字符 4通用视觉软件及二次开发实战 4 1请学员自行
4、设计一个应用在实际生产线上上的视觉系统 4 1 1 选用何种板卡 基本硬件与功能 4 1 2 选用软件包中的哪些功能 4 1 3 选用哪种镜头 4 1 4 选用哪种灯源 4 1 5 软件基本模块有哪些 4 1 6 系统与设备的接口如何设计 4 2根据学员的设计 进行分析评论 第 3 页 共 49 页 2 2 2 2计算机视觉及国内外研究应用现状计算机视觉及国内外研究应用现状 2 12 12 12 1国内视觉研究及发展历史及发展现状简述国内视觉研究及发展历史及发展现状简述 在进入二十一世纪前 国内的视觉系统大多随着国外跨国企业的生产线进入中国 经过 数年的发展 现在国内许多自动化设备制造商正将机
5、器视觉技术用于其产品设计以提高功能 及性能档次 改善产品及加工质量 目前行业内在研或有志于机器视觉研究的人员不在少数 大多数是应用研究 许多是从 底层做起 一条龙 业界正逐步采用 SDK 等进行二次开发 几乎没有国内自主的底层软件 或嵌入式视觉产品 鲜有公司对此进行投入 用一句话 国内刚刚 完成了概念导入 正向 大量应用开发迈进 四个字 方兴未艾 国内农业生产中机器视觉应用举例 国内外瓜果品质的无损检测技术 目前 国外对利用机器视觉进行果实品质自动识 别研究的对象非常广泛 如对苹果和西红柿的大小 形状 颜色及表面损伤与缺陷 进行分级等等 Taylor 等 1984 首先报道了分别利用线扫描和模
6、拟摄像机检测苹果 损伤的试验 结论为利用数字图像技术检测苹果损伤至少可以达到人工分级的精 度 而且线扫描摄像机在实际生产中应用前景似乎要更广阔一些 Rehkugler 和 Krop 1986 研究了利用机器视觉进行苹果表面碰压伤检测并依据美国苹果标准进 行了分组 研制成功了利用机器视觉进行缺陷检测和分级的苹果处理设备 经实验 取得较好效果 在国内 应用计算机视觉技术进行水果品质的无损检测研究取得了 一定成果 王江枫 罗锡文等 1999 探讨了应用计算机视觉技术进行芒果重量及果 皮损坏检测的方法 分析了确立所需图像区域的算法 建立了芒果重量与其投影图 像的相互关系 杨秀坤等 1997 提出了应用
7、计算机视觉技术检测苹果表面缺陷的方 法 陈晓光等 1997 设计了用于综合评价苹果果型的计算机视觉系统 国内的一些 研究者 应用人工神经网络技术 检测苹果表面缺陷和颜色 评价苹果果型等 可 以预见 将人工智能技术和图像处理技术相结合 是今后应用计算机视觉技术进行 水果品质评价的重要发展方向 黄花梨果形的机器视觉识别方法研究 黄花梨的果形是分级的重要特征之一 利用 机器视觉采集黄花梨图像 研究了不规则果品的形状描述方法 提出在黄花梨的分 级过程中采用傅立叶变换与傅立叶反变换对来描述果形 开发了基于人工神经网络 的果形识别软件 研究发现该博立叶描述子的前 16 个谐波的变化特性足以代表梨 体的主要
8、形状 采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精 确率可达 90 而且只要有合适的训练对 该方法也可以用来对其它水果进行外 形识别 机器视觉测量大米留胚率的研究 利用计算机视觉系统 研究大米胚芽的自动识别 方法 在分析大米的表面积及轮廓线的二次微分曲线基础上 利用大米微分模型识 别群体胚芽米的留胚率 国内外机器视觉技术在谷物识别与分级中的研究进展 机器视觉在大米 小麦 玉 米以及其他谷物的识别和分级的研究中都取得很大进展 例如根据应力裂纹 形态 染色后颜色特征等 应用神经网络 高速滤波等技术来进行识别和分类 用于烤烟烟叶质量检测 用 HLS 颜色模型对大量烟叶样本进行颜色分析
9、可得到 各类样本颜色特征值的分布情况 采用轮廓跟踪算法对烟叶的整体图像外型轮廓进 行提取 采用链码表示法进行描述 通过烟叶对光的透过特性对叶片结构和身份特 征进行综合提取和描述 采用 BP 神经网络对烟叶成熟度与其他因素的关系建立数 学模型 第 4 页 共 49 页 机器视觉技术在农业机械中的应用 农产品分选机械是机器视觉技术在农业机械中 应用最早 最多的一个方面 主要是利用该项技术进行无损检测 即利用农产品表 面所反映出的一些基本物理特性对产品按 定的标准进行质量评估和分级 农产品 加工机械视觉技术的研究工作是在 20 世纪 90 年代开展的 主要用于在农产品加工 过程中进行品质自动检测及反
10、馈控制 机器视觉技术在收获机械中的应用研究始于 20 世纪 80 年代中后期 是近年来最热门的研究课题之 主要研究集中在农产品 收获自动化 包括蔬菜 水果的收获 其基本原理都是在收获机械上配备摄像系统 采集田间或果树上作业区域图像 运用图像处理与分析的方法判别图像中是否有目 标 如水果 蔬菜等 出现 发现目标后 引导机械手完成采摘 由于受计算机 图 像处理等相关技术发展的影响 机器视觉技术在农田农业机械中的应用研究起步较 晚 直到 20 世纪 90 年代中后期 相关研究才见诸于报道 主要是农田作业机械 如播种 施肥 植保机械中的应用研究 机器视觉技术在农业生产自动化中的应用 在动植物生长情况监
11、测中的应用 精 确自动地监测动植物生长情况是自动控制动植物生长环境的前提 在农业生产机器 人上的应用 任何一种农业生产机器人的正常工作均有赖于对作业对象的正确 识别 国内工业生产中机器视觉应用举例 纸张匀度视觉检测方法的研究 机器视觉检测方法采用面阵 CCD 器件 将被测纸 张上的光信号转化为模拟信号 并经 A D 采集卡转换为数字信号输入到计算机 形成数字图像文件 然后应用计算机视觉理论与方法 结合纸张匀度测试理论 对 图像中的相关信息进行分析 不仅能模拟人类视觉的分析过程 对整个测定面积内 的纤维 絮块在纸面上的分布状况进行分析和描述 而且能综合各种参数 确定一 个更加全面 更加正确的匀度
12、指数 测试结果可在计算机屏幕实时显示 也可连接 打印机输出 并可作为数据文件存储 机动车辆车牌自动识别 彩色图像灰度化 平滑 二值化 去除各种噪声 字符分 割等 彩色图像灰度化是为使处理的问题得到简化 图像平滑主要功能是减少噪声 二值化是为了将有意义的特征或需要应用的特征提取出来 字符区域分割在前期预 处理工作之后 利用统计的信息即可得到很好的分割效果 基于视觉检测的 PCB 板自动定位钻孔系统的研制 综合运用光学 机械 电子 计算机图像处理等相关技术 设计 PCB 板自动定位钻孔系统 关键技术 定位靶 标非接触在线精确检测及定位钻孔的原理和技术实现 Spacer 垫隔粉 微粒喷洒密度和均匀性
13、自动检测系统及其图像处理 系统工作原 理为 待测颗粒经光学视觉成像后 由 CCD 摄像机 图像采集卡进行数字化处理 然后用计算机对数字化颗粒图像做预处理和图像分析 提取出颗粒 通过快速微粒 计数算法 得到微粒的分布密度和均匀性分布 图像处理方法 图像平滑 微粒与 背景自动分割 微粒喷洒密度和均匀性的图像检测 彩色瓷砖自动分类系统 使用低端采像设备实现精确色彩测量 彩色成像系统在不 同光照及噪声条件下的色彩校正原理 提出了一种矩形物体图像分割的简易算法 对训练样本进行修正 分层分类采用不同特征参数的方法来加速计算 图像预处理 把边缘提取问题简化成求两对平行线位置和方向的问题 识别与分类 特征参数
14、提 取 训练样本集的修正 再进行分类 基于机器视觉瓷砖表面质量分析与检测 广义线类缺陷的检测算法 采用次序滤波 器进行滑动次序滤波 然后采用 MAX MIN 变换 斑点类缺陷的检测算法 分两 第 5 页 共 49 页 步 分别为训练阶段和检测阶段 在训练阶段 对一块无缺陷瓷砖在 RGB 彩色空 间用 K 均值法进行聚类 将这些聚类结果变换到 CIE Luv 归一彩色空间进行合并 于是对于每种彩色图像被分为一系列二值图像 在检测阶段 对测试图像的象素在 定义的种类空间中用最近领域规则进行分类 无法归类的象素就被认为有缺陷象 素 已经归类的象素形成一系列二值图像 对每个区域计算其结构特征 再 用
15、Mahalanobis 距离测试检测出斑点类缺陷 钢板表面缺陷的无损检测技术与应用 CCD 技术 激光技术的相继问世和计算机 技术的飞速发展 推动机器视觉技术在工业无损检测领域的普及 机器视觉技术应 用于钢板表面缺陷在线检测的机理是绝大多数表面缺陷的光学特性之间存在着明 显差异 基于机器视觉钢板形位检测系统 检测原理 根据现场情况 采用多台面阵 CCD 摄像机获取整块钢板的图像 并经图像采集卡将灰度图像数字化 由计算机进行预 处理 完成边缘提取 人工标记的自动识别 从而得到钢板的长宽尺寸 机器视觉在铜箔基板疵点在线检测系统中的应用 1 图像摄取 针对图像动态采集 的特点 选用行间传送 CCD
16、或帧传送 CCD 采用快门与单场采集技术并附以高帧 光源 使其能在一定的线速度下进行动态的图像采集 可满足一般的工业在线检测 要求 2 图像处理 针对生产环境平均光照强度变化 采用归一化内标法灰度级校 正算法 首先以局部背景为内标对检测目标进行量化 然后再用某一固定灰度级进 行归一化处理 将在不同光照强度下的图像校正到相同状态下进行判断 从而使得 平均光照强度变化不再影响检测结果 以适应工业检测现场平均光照强度不稳定的 情况 基于机器视觉的汽车仪表板智能检测方法 该系统检测原理是 由集成的标准信号 源对仪表板上的各检测项目提供信号 各表的指针与刻度的指示误差由摄像机获取 送入计算机分析处理 待测仪表板固定在设计好的夹具上 摄像机由双坐标 CNC 系统驱动 可以在整个取景平面内自由移动 对准目标进行采集 关键技术是去噪 和边缘提取 用小波分析 小波变换模极大值方法 不仅可通过每个尺度 子带 的变换结果来分析信号 还可通过它们在不同尺度上的演化来分析信号特征 在仪 表图像几何特征分析时 将指针与刻度看作是平行直线 取其平均值作为直线间的 距离 用以描述指针与刻度间的相对位置 可大大降低误差
