随着工厂对轮毂识别与分拣的自动化需求越来越高,使用人工对轮毂型号进行识别分拣,存在着成本高、效率低等问题,且轮毂较重,对其进行分拣给工人带来的负荷大,难免会出现错误。因此,为提高生产线生产效率、增加识别的准确性、降低成本,需要一套准确率高、效率高、结构简单的轮毂自动识别分拣系统,以满足轮毂分拣的自动化需求。机器视觉在工业生产中的使用越来越广泛,具有识别精度高、效率高、非接触等特点。因此本文采用机器视觉技术设计了一套自动化轮毂型号识别分拣系统,整个系统通过对图像采集、预处理、提取特征信息、分类识别等技术的研究及应用,实现了对轮毂的分类识别,此外还使用PLC作为控制器,设计了轮毂的分拣系统。本文的主要工作内容如下:1)根据待测轮毂的特点和检测的精度要求以及机器视觉的工作特性,对相机和镜头等硬件进行选型并搭建了实验平台。为了保证提取到的参数的准确性,进行了相机的标定以校正畸变图像。设计了识别轮毂型号后对轮毂进行分拣的分拣平台。再根据轮毂分拣系统的流程,开发了人机交互页面与后端程序,对检测的结果与系统的状态进行实时监控。2)对图像预处理算法进行研究。进行图像去噪、图像增强、目标提取相关算法的研究对比,选择适合轮毂图像预处理的算法。确定图像去噪的滤波方式时对滤波方式进行比较与实验,确定用中值滤波的方式并对其进行了改进。在图像增强的研究中通过分析比较背景图像与轮毂图像的灰度直方图确定相关参数并采用对比度拉伸的方式进行图像的增强。选用最小交叉熵法对图像进行分割然后又用形态学处理的方法消除分割出的图像中的瑕疵。3)根据轮毂的形状,决定提取轮毂的直径、高度、轮辐辐条数、孔洞面积比、幅窗及轮毂的圆度作为特征参数,并对提取所用到的算法进行分析研究。研究了分类识别使用的K最近邻算法并进行了改进。4)进行实验并对数据进行分析。对轮毂图像进行采集并分类识别,比较了分类识别算法K最近邻算法中K值选取不同时的实验结果,当K值为5时识别的准确率有98.57%。并且轮毂的分拣测试结果与识别结果相一致。