论文部分内容阅读
摘 要：当前，渔网在生产过程中有时会出现网格断线、未接线、破损等质量问题。对于这些质量问题，目前主要采用人工肉眼识别来检测。采用肉眼检测的方法，会出现以下几种问题：（1）容易出现漏检、误检；（2）效率低下；（3）废品率较高。机器视觉系统是利用机器代替肉眼来进行测量和判断的系统。机器视觉系统的特点是高度自动化以及测量精度高。在一些人工视觉难以满足要求的场合，常用机器视觉系统来代替人工视觉。在渔网网格检测中，用肉眼检查渔网效率低且精度差，用机器视觉系统检测可以提高生产效率以及自动化程度。文章主要介绍机器视觉系统在渔网网格检测中的应用。
关键词：机器视觉；渔网检测；应用
1 机器视觉系统简介
1.1 机器视觉简介
机器视觉系统是利用高分辨率工业CCD相机拍摄图像并将其转化为数字信号，再采用计算机硬件和软件技术对图像数据进行处理，从而得到所需要的各种目标图像的特征值，并由此实现产品零件识别和缺陷检测，目前主要应用于缺陷检测、尺寸测量、角度测量、字符识别等等。
1.2 机器视觉系统及其工作原理
机器视觉系统主要由以下几部分组成：
1.2.1 图像采集模块
图像采集模块包括相机、光源、图像采集卡3个部分；图像采集模块采集到的图像质量的好坏，会很大程度上的影响后续图像处理的效果，还会直接影响到机器视觉系统的性能优劣。
1.2.2 图像处理模块
图像处理模块是指利用计算机技术对图像进行增强、二值化、图像分割、边缘检测、特征提取等处理，从而得到满足实际需求应用并且计算机可以识别的图像。
1.2.3 输出控制模块
输出控制模块是指针对特定产品所需完成的目的而定制的，通过对图像特征进行比较后，通过匹配比较的结果，控制最后环节的设备进行特定的操作。图1为机器视觉系统构成示意图。
2 图像边缘检测
图像的边缘是指其周围像素灰度值急剧变化的像素的集合，它是图像分割所依赖的最重要的依据。边缘检测的基本思想是先检测图像中的边缘点，再按照某种策略讲边缘点连接成轮廓，从而构成分割区域。常用的边缘检测算子有一下几种：（1）一阶微分算子，利用图像梯度在边缘处取得极大值的特性进行边缘检测。梯度是一个矢量，它具有方向θ和模|ΔI|，梯度的模值提供了邊缘的强度信息，方向则提供了边缘的趋势信息，梯度的方向始终垂直于边缘的方向。典型的一阶微分算子有Roberts算子、Sobel算子、Prewitt算子等。（2）二阶微分边缘检测算子，利用图像在边缘处的阶跃性导致图像二阶微分在边缘处出现零值这一特性进行边缘检测。该方法也称过零点算子和拉普拉斯算子。（3）Canny算子，在原一阶微分算子的基础上，增加了非最大值抑制和双阈值两项改进，利用非最大值抑制可以抑制多响应边缘，提高边缘的定位精度；利用双阈值可以减少边缘的漏检率。图2为基于不同算子进行边缘检测得出的处理结果。
3 渔网网格的视觉检测
3.1 渔网网格出现的质量缺陷
目前渔网网格在生产中出现的问题主要为断线、畸形、未接线、破损等问题。下图3为渔网网格中出现的问题。
3.2 机器视觉在渔网网格检测中的应用
利用机器视觉对渔网网格检测称为渔网在线检测系统。原理是将柔软的渔网利用两个辊子张紧，主动辊带动从动轮转动，渔网张紧的同时渔网分段展开，此时渔网的网格大小面积基本相同，利用工业相机对张紧的渔网拍照，将图像转化为计算机可识别的图像，对渔网网格进行检测。系统框架如下图4所示：
3.3 渔网网格的图像处理方法
渔网网格图像检测原理是，渔网张紧后，每个网格的周长以及面积基本相同，通过检测渔网网格的周长以及面积特征来判断渔网的质量。
将工业相机获取到的图片通过图像采集卡输入到计算机中，首先对图像进行二值化处理，将彩色图像转变为灰度图像，再将灰度图像进行边缘检测，获取网格边缘，计算出网格的周长和面积，与系统中正常网格的周长和面积进行比较，从而判断出渔网网格是否正常。网格检测界面如图5所示：
3.4 渔网在线检测系统出现的问题及解决方案
利用机器视觉系统对渔网网格进行检测，主要针对网格的周长以及面积来进行判断，由于渔网张紧后网格会有一定程度的畸变，从而导致其面积和周长出现变化，系统会出现误报现象，针对这一问题，提出以下几点方案：
（1）对渔网网格的周长面积进行比例缩放，减少误报情况；
（2）改变二值化参数，增大阈值；
（3）增加形态参数，录入形变范围。
加入以上三种解决方案后，极大的减少了误报情况。渔网网格检测调试如下图6所示：
4 总结
近年来，机器视觉系统越来越多的应用到工业生产中。机器视觉在工业上的应用一般分为四大类：定位、测量、检测和识别。本文介绍了机器视觉系统的特点以及其在渔网网格检测中的应用。机器视觉系统可以快速获取大量的信息，而且可以自动处理，也可以和加工控制等集成。在现代化生产过程中，随着机器视觉技术的成熟和发展，将在未来制造企业中得到越来越广泛的应用。
参考文献
[1]赵小川，何灏，缪远诚.MATLAB数字图像处理实战[M].北京：机械工业出版社，2013.
[2]刘海波，沈晶，岳振勋.VisualC++数字图像处理技术详解[M].北京：机械工业出版社，2013.
[3]黄华斌.三维网状物在线检测系统的研究与开发[D].华中科技大学，2013.
关键词：机器视觉；渔网检测；应用
1 机器视觉系统简介
1.1 机器视觉简介
机器视觉系统是利用高分辨率工业CCD相机拍摄图像并将其转化为数字信号，再采用计算机硬件和软件技术对图像数据进行处理，从而得到所需要的各种目标图像的特征值，并由此实现产品零件识别和缺陷检测，目前主要应用于缺陷检测、尺寸测量、角度测量、字符识别等等。
1.2 机器视觉系统及其工作原理
机器视觉系统主要由以下几部分组成：
1.2.1 图像采集模块
图像采集模块包括相机、光源、图像采集卡3个部分；图像采集模块采集到的图像质量的好坏，会很大程度上的影响后续图像处理的效果，还会直接影响到机器视觉系统的性能优劣。
1.2.2 图像处理模块
图像处理模块是指利用计算机技术对图像进行增强、二值化、图像分割、边缘检测、特征提取等处理，从而得到满足实际需求应用并且计算机可以识别的图像。
1.2.3 输出控制模块
输出控制模块是指针对特定产品所需完成的目的而定制的，通过对图像特征进行比较后，通过匹配比较的结果，控制最后环节的设备进行特定的操作。图1为机器视觉系统构成示意图。
2 图像边缘检测
图像的边缘是指其周围像素灰度值急剧变化的像素的集合，它是图像分割所依赖的最重要的依据。边缘检测的基本思想是先检测图像中的边缘点，再按照某种策略讲边缘点连接成轮廓，从而构成分割区域。常用的边缘检测算子有一下几种：（1）一阶微分算子，利用图像梯度在边缘处取得极大值的特性进行边缘检测。梯度是一个矢量，它具有方向θ和模|ΔI|，梯度的模值提供了邊缘的强度信息，方向则提供了边缘的趋势信息，梯度的方向始终垂直于边缘的方向。典型的一阶微分算子有Roberts算子、Sobel算子、Prewitt算子等。（2）二阶微分边缘检测算子，利用图像在边缘处的阶跃性导致图像二阶微分在边缘处出现零值这一特性进行边缘检测。该方法也称过零点算子和拉普拉斯算子。（3）Canny算子，在原一阶微分算子的基础上，增加了非最大值抑制和双阈值两项改进，利用非最大值抑制可以抑制多响应边缘，提高边缘的定位精度；利用双阈值可以减少边缘的漏检率。图2为基于不同算子进行边缘检测得出的处理结果。
3 渔网网格的视觉检测
3.1 渔网网格出现的质量缺陷
目前渔网网格在生产中出现的问题主要为断线、畸形、未接线、破损等问题。下图3为渔网网格中出现的问题。
3.2 机器视觉在渔网网格检测中的应用
利用机器视觉对渔网网格检测称为渔网在线检测系统。原理是将柔软的渔网利用两个辊子张紧，主动辊带动从动轮转动，渔网张紧的同时渔网分段展开，此时渔网的网格大小面积基本相同，利用工业相机对张紧的渔网拍照，将图像转化为计算机可识别的图像，对渔网网格进行检测。系统框架如下图4所示：
3.3 渔网网格的图像处理方法
渔网网格图像检测原理是，渔网张紧后，每个网格的周长以及面积基本相同，通过检测渔网网格的周长以及面积特征来判断渔网的质量。
将工业相机获取到的图片通过图像采集卡输入到计算机中，首先对图像进行二值化处理，将彩色图像转变为灰度图像，再将灰度图像进行边缘检测，获取网格边缘，计算出网格的周长和面积，与系统中正常网格的周长和面积进行比较，从而判断出渔网网格是否正常。网格检测界面如图5所示：
3.4 渔网在线检测系统出现的问题及解决方案
利用机器视觉系统对渔网网格进行检测，主要针对网格的周长以及面积来进行判断，由于渔网张紧后网格会有一定程度的畸变，从而导致其面积和周长出现变化，系统会出现误报现象，针对这一问题，提出以下几点方案：
（1）对渔网网格的周长面积进行比例缩放，减少误报情况；
（2）改变二值化参数，增大阈值；
（3）增加形态参数，录入形变范围。
加入以上三种解决方案后，极大的减少了误报情况。渔网网格检测调试如下图6所示：
4 总结
近年来，机器视觉系统越来越多的应用到工业生产中。机器视觉在工业上的应用一般分为四大类：定位、测量、检测和识别。本文介绍了机器视觉系统的特点以及其在渔网网格检测中的应用。机器视觉系统可以快速获取大量的信息，而且可以自动处理，也可以和加工控制等集成。在现代化生产过程中，随着机器视觉技术的成熟和发展，将在未来制造企业中得到越来越广泛的应用。
参考文献
[1]赵小川，何灏，缪远诚.MATLAB数字图像处理实战[M].北京：机械工业出版社，2013.
[2]刘海波，沈晶，岳振勋.VisualC++数字图像处理技术详解[M].北京：机械工业出版社，2013.
[3]黄华斌.三维网状物在线检测系统的研究与开发[D].华中科技大学，2013.