本课题结合国内某大型钢铁企业需求,主要研究螺纹钢拉伸过程的视觉测量方法,通过机器视觉获得其动态变形参数,根据视觉数据分析拉伸长度的变化,并对断后伸长率进行计算,从而替代企业传统的人工标记测试方法。传统的螺纹钢力学性能测试时,需要预先在螺纹钢上进行预处理,即通过人工在螺纹钢上使用油墨标记或通过打孔标记,在完成拉伸试验后,通过人工方式对标记位置进行手动测量,然后进行各项参数分析。由于人工进行标记具有偶然性,而且还存在测量误差,所以无法保证测试过程的精度及数据的可靠性。另外,由于拉伸试样于拉伸前所做的标记在拉伸过程中试样轴线方向上的延伸没有规律,可能会导致标记出现撕裂,并使该系统失效。因此,本课题针对螺纹钢材料力学性能拉伸视觉引伸测试方法,开发了针对螺纹钢的全过程非接触式螺纹钢视觉引伸装置,摒弃传统人工打标的方法,利用螺纹钢拉伸过程中横肋间距变化的特点,提取系统所需螺纹边缘特征点来替代了传统使用油墨打标和打孔打标获得特征点的方法,以此实现了拉伸全过程的非接触测量。本课题研究的另外一个重要目标是实现合作钢企“机器代替人”的规划目标,从而降低对测试人员经验的依赖,并且使测试过程更加稳定可靠,劳动强度降低。本文主要研究工作如下:1、为了精准地获得拉伸过程位移变化测量所需特征点,本课题研究了螺纹钢拉伸图像预处理算法,利用分段线性灰度图像增强方法、中值滤波算法、Ostu二值化算法、Canny边缘检测算法以及形态学梯度处理方法获得了完整且连贯的螺纹钢边缘图像,为后续提取特征点操作奠定基础;2、考虑到拉断位置的随机性,本课题研究并改进了Harris角点检测算法,能够获取螺纹钢拉断位置精确信息及其他特征点;3、研究了螺纹钢边缘特征自动标记方法,通过顺序遍历螺纹钢边缘图像像素坐标获得拉断位置所需的特征点,并利用特征点上下三个横肋间距处螺纹边缘信息代替传统人工标记,从而实现全自动非打标测试方法。此方法拉断处与系统所需的最邻近螺纹特征点距离永远大于（1/2）L0,且拉断位置永远在系统所需的最邻近螺纹特征点之间,无论断裂位置出现在何处,都可以确保测出的断后伸长率有效。本文通过螺纹钢视觉引伸装置测出螺纹钢拉伸过程中的材料力学参数,结合上述参数测算出三组不同直径螺纹钢的断后伸长率。实验结果与手动直测法测出的断后伸长率之间误差率均小于5%,能够达到课题预期的测试性能要求,并且符合相关标准。