随着现代汽车制造业的迅速发展,轮胎作为汽车的重要部件,其需求量也在与日俱增。然而,轮胎分类问题一直是轮胎生产过程中的一个难题。为了提高轮胎分类识别的效率和准确性,本课题在基于机器视觉的理论基础上,设计了一种汽车轮胎标识点自动识别技术。该识别技术通过对打印在轮胎侧面上的标识点的颜色和形状进行识别,依据轮胎标识点的种类实现轮胎的有效分类。本课题开发的轮胎标识点识别技术主要由：标识点图像获取装置、标识点图像处理程序以及标识点识别程序构成。本课题的主要研究内容如下：(1)在获取汽车轮胎标识点图像时,设计了一种基于PLC、光电开关和旋转编码器的轮胎标识点图像获取装置。利用该图像采集装置控制CCD工业相机对轮胎标识点图像进行准确拍摄。为了消除拍摄过程中外界光照对拍摄图像质量的影响,本课题采用了LED外加光源以消除外界光照的干扰,以保证获取的轮胎标识点图像具有较高质量,同时这也为后续轮胎标识点图像处理奠定基础。(2)在轮胎标识点图像处理过程中,对获取的轮胎标识点图像进行了图像降噪、阈值分割、边缘检测等图像预处理操作。获取了轮胎标识点图像的色度向量和标识点边缘形状的傅立叶变换系数,并对获得的轮胎标识点形状傅立叶变换系数运用归一化处理,以消除标识点图像旋转、尺度变化、平移等对后续标识点形状识别的影响。(3)在进行轮胎标识点的识别时,利用支持向量机智能算法构建了标识点颜色和形状识别器,对获取的标识点颜色色度特征量和形状傅立叶变换系数分别归类,以识别出轮胎标识点的颜色和形状信息。(4)利用Microsoft Visual C++程序语言和MATLAB软件,搭建了轮胎标识点图像识别可视化平台,实现了轮胎标识点识别的可视化实时监测。利用本课题研究的轮胎标识点识别系统,能够有效地提高轮胎的分检效率,同时也避免了人工分检时的误分检现象发生。