【正文】 最后結(jié)果 1, 2()D MIN D D? 。反之，則判斷為不合格。 1. 瑕疵面積的計算法： 在本系統(tǒng)中瑕疵的面 積可以直接用 [ ] .n P o d F e n F e n N u m b e r F e n C o u n t來代替，當瑕疵面積小于人為設(shè)定的參數(shù)時，我們就對該瑕疵判斷為合格。此時，則說明一條瑕疵的信息遍歷結(jié)束。每次遍歷 隊列 ， 如果發(fā)現(xiàn) 隊列 不為空，就讓 隊尾元素出隊 ，出 隊 的同時，記錄下當前出 隊 的 a 點的坐標位置 (, )xy ，并以該a 點做為基準往 8 個方向連通 TuozhanNum 個像素出去，形成一個 2( 2 1)Tu ozh anNu m ??的窗口如 圖 全方位拓展法求 所示。但是考慮到當前系統(tǒng)中捕捉到的瑕疵往往是屬于狹長的縫。否則該點賦值為 255。所以可以增添人工選出瑕疵區(qū)域的功能，使得算法應用在這個區(qū)域中，這樣可以避免瑕疵比例小的問題。 取 出 對應 nTrendNum 最大的動態(tài)內(nèi)半徑nTrendRadius集合求平均就可得到最終自適應的內(nèi)半徑 nRealRadius 。每間隔 15176。到 360176。如 圖 圖像縮小過程 所示。首先定義變量 SUN ，對 []P im age H eight W idth?里的各個成員進行遍歷求和 []SU N P im age i SU N?? 公式 () i 的值從 0 到 1Height Width??，遍歷求和結(jié)束后利用公式： ()M e a n S U N H e ig h t W id th? ? ? 公式 () 可以再定義調(diào)整值 TempMean ，取二值基準灰度值 threshold 為 th resh o ld M ea n T em p M ea n?? 公式 () 再次遍歷灰度內(nèi)存 []P im age H eight W idth?，當發(fā)現(xiàn)灰度值小于 threshold 時，便將該點的灰度值設(shè)為 0；當發(fā)現(xiàn)灰度值大于 threshold 時，便將該點的值設(shè)為 255，得到一個二值圖的內(nèi)存 []P im a g eB in a ry H eig h t W id th?，由于密封圈表面顏色較亮，所以灰度值會大于平均值，因此在二值圖 []P im a g eB in a ry H eig h t W id th?中會顯示為白色 [21]。 }45 { ( , ) 。傳統(tǒng)的經(jīng)典濾波方法是中值濾波和均值濾波，但是這些經(jīng)典方法確實不同程度的減少了噪聲干擾，但是這些方法也存在一些問題，可以看到這些噪聲的特點和瑕疵邊緣的特點近似，在進行去噪的操作中，同時也模糊了瑕疵的邊緣。 第 4章 密封圈表面瑕疵檢測算法 算法處理流程 先今圖像處理已經(jīng)發(fā)現(xiàn)了很多巧妙的算法，本系統(tǒng)在設(shè)計的同時，也參考了當前比較先進的算法。如 圖 低角度環(huán)形光源幾何原理 所示： 14 圖 低角度環(huán)形光源幾何原理 在該環(huán)形光源的照射下，密封圈上的暗紋可以清晰可見。 考慮到不同種類的瑕疵在不同的光源下的清晰度不同， 所以該系統(tǒng)用的是兩套不同的光源，一個是紅色同軸光源，另一個是紅色低角度環(huán)形光源。 DSP/BIOS 以模塊化方式提供給用戶對線程、中斷、 定時器、內(nèi)存資源、所有外設(shè)資源的管理能力都可以根據(jù)需要剪裁。 圖 TVP5146 內(nèi)部結(jié)構(gòu)圖 片內(nèi)配備 32KB L1P (ram/cache) ,80KB L1D(ram/cache),128KB L2 D/P (ram/cache),L1Dcache最大設(shè)置為 32KB。 DM6437 采用最高頻率 600MHZ 的 C64x+內(nèi)核，配備相對多的 Ll （ 112KB）和相對少的 L2 （ 128KB）片內(nèi)存儲器。模擬電源用于模擬視頻接口部分， 數(shù)字電源則給數(shù)字 IO 電路供電， 數(shù)字電源給內(nèi)核供電。支持復合視頻輸入（ CVBS）和 SVideo 輸入。 圖 密封圈 8 比特 BMP 位圖數(shù)據(jù) 可以發(fā)現(xiàn)密封圈需要檢測的表面是呈淺色圓環(huán)狀的，在密封圈表面的左邊有一道黑色的縫，這就是我們需要檢測到的瑕疵。讓其對密封圈進行篩選歸類。并將這幾種經(jīng)典算法一一對應在本文工作當中。因此，要通過瑕疵的 線性特征把這樣干擾圖像清除掉，為下一步的瑕疵的分析打下良好基礎(chǔ)。所以可以增添人工選出瑕疵區(qū)域的 功能，使得算法應用在這個區(qū)域中，這樣可以避免瑕疵比例小的問題。 圖像二值化 圖像二值化是從圖像處理到圖像分析的關(guān)鍵步驟，只有在圖像二值化的基礎(chǔ)上才能實現(xiàn)對目標對象的信息提取、分析和應用。 圖 中值濾波示意圖 中值濾波算法是：對 M 窗口內(nèi)的灰度成員進行從小到大的排序，讓中心點 (, )ij 的灰度值用 M 窗口內(nèi)灰度成員排序的中間值來代替。所以，首先要對數(shù)字圖像進行去噪處理。 3) 二值化 圖像二值化又稱圖像分割。由于神經(jīng)網(wǎng)絡圖像識別存在樣本訓練時輸入和輸出要一一對應、識別速度不如模糊系統(tǒng)快等缺點，神經(jīng)網(wǎng)絡技術(shù)與模糊理論、證據(jù)理論、貝葉斯決策理論等技術(shù)相結(jié)合進行圖像識別己成為神經(jīng)網(wǎng)絡圖像識別技術(shù)的發(fā)展趨勢。其含義是利用計算機對圖像進行加工處理，以得到某些預期的效果，并從中提取有用信息，實現(xiàn)人對事物或現(xiàn)象的分析、描述、判斷和識別 [4]。在工業(yè)設(shè)備上加入機器視覺技術(shù)，則可以取代一些本應需要人工肉眼檢測的崗位。本人授權(quán) 大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。 該方案主要利用 TMS320DM6437 嵌入式主板、相機、光源、觸摸屏、 PLC 等硬件平臺搭建。用適合的光源照射密封圈，將圖像通過相機傳入到主板中。對本研究提供過幫助和做 出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。 涉密論文按學校規(guī)定處理。能夠節(jié)省人力，加快無人化工廠的建設(shè)。圖像識別的發(fā)展經(jīng)歷了三個歷史階段 :文字識別，圖像信息處理和識別及物體識別。 3 當前圖像處理面臨的問題 首先，完成一幅圖 像的識別一般需要經(jīng)過許多不同的處理過程，圖像識別正是這些過程綜合作用的結(jié)果。采集的圖像除了我們需要的目標項外，往往還會帶有許多與目標項無關(guān)的背景，為了后續(xù)處理，必須要去掉這些背景。目前圖像噪聲一般指的是在成像和傳輸過程中產(chǎn)生的隨機噪聲中的高斯 噪聲和脈沖噪聲，高斯噪聲的特點是在乎坦的區(qū)域出現(xiàn)幅值較小的噪聲。假設(shè)排序如下： 1 1 2 2 2 1 2 1( , ) , ( , ) ... ( , )nnf i j f i j f i j?? 公式 () 則最后輸出： ( , ) ( , )nnY i j f i j? 公式 () 則 (, )Yi j 便是中心點 (, )ij 的灰度值。二值化閾值選取的精確度甚至決定著圖像分析的精確度?？梢跃幊汤L制灰度直方圖，來描述圖像中灰度值所對應的像素個數(shù)，其橫坐標表示像素的灰度級別，縱坐標表示該灰度出現(xiàn)的像素個數(shù)，通過人工觀察輸入閾值的方法，來實現(xiàn)閾值分割圖像的目的[8]。 為了實現(xiàn)這一目的，就要進行圖像的細化運算 [10]。 第 3章 視覺瑕疵檢測系統(tǒng)設(shè)計 算法檢測平臺的搭建 密封圈檢測平臺 為了讓相機捕捉到密封圈的圖像，我們設(shè)計了如 圖 密封圈檢測平臺 所示的檢測平臺，將密封圈放置在合適的光源正下方，將工業(yè)智能相機搭載光源正上方。在 2 套系統(tǒng)檢測過程中，如果有其中任意一套出現(xiàn)不合格的情況，那么在與密封圈分類裝置通信時，該產(chǎn) 品便為不合格產(chǎn)品。 D S P 處 理 芯 片 模 塊T M S 3 2 0 D M 6 4 3 7電 源 模 塊觸 摸 屏 模 塊信 號 采 集 模 塊T V P 5 1 4 6結(jié) 果 輸 出圖 像 輸 入 觸 摸 屏 輸 入 圖 DSP 核心主板組成及聯(lián)系 9 嵌入式圖像處理器 嵌入式核心的圖像處理器由信號采集模塊、觸摸屏模塊、處理芯片模塊以及電源模塊幾個主要部分構(gòu)成。該設(shè)備包括兩個 TVP5146 10bit采樣的 A / D轉(zhuǎn)換器，線鎖定采樣方形像素。其工作時鐘可由芯片外接晶振提供，亦可由 CPU 提供，采取何種方式由芯片的工作模式?jīng)Q定。并不像同為達芬奇技術(shù)的 6446 有 1 個 ARM 核， 1 個 DSP核，通 過貫通兩核的 DSPlink 實現(xiàn)應用程序調(diào)用運行于 DSPside 的算法 codec。片外搭配 128M KB DDR2 SRAM。實際應用中需要的定制算法作為一個線程插入 DSP/BIOS的調(diào)度隊列，由 DSP/BIOS 進行調(diào)度。前者我們選用的是維郎 TZD18X，后者我們選用的是維郎 HXA90D56R1X。 圖 低角度環(huán)形光源下的密封圈 便是密封圈在該環(huán)形光源下的成像效果 : 圖 低角度環(huán)形光源下的密封圈 相機 WAT902B 該工業(yè)相機的特點就是抗噪性良好。 圖像處理一般分為如下 圖 圖像處理流程 所示的幾個步驟 [18]： 捕 捉 源 圖 像 預 處 理 二 值 化 目 標 提 取目 標 特 征 參數(shù) 計 算 圖 圖像處理流程 捕捉源圖像 首先直接在相機里直接采集到的數(shù)組信息并不是灰度圖信息。這不利于對瑕疵的識別。 }90 { ( , ) 。如 圖 密封圈二值圖 所示。 如下所示 圖 二值圖縮小 16 倍圖像 為 二 值 化 圖 片 內(nèi) 存[]P im a g eB in a ry H eig h t W id th?縮小 16 倍后的圖像[ 1 6 ]P i m a g e S u o x i a o H e i g h t W i d t h??。每間隔 15176。取值，即每個動態(tài)外半徑 wTrendRadius都要遍歷 24 個方向 上 的 點 ， 設(shè) 定 點 統(tǒng) 計 變 量 wTrendNum 當滿足()[ ] 255()[ ] 0Sin w T re ndR adius dr w R e alPosY iC os w T re ndR adius dr w R e alPosX jP image B inar y i W idt h jSin w T re ndR adius dr w R e alPosY iC os w T re ndR adius dr w R e alPosX jP image B inar y i W idt h j????? ? ? ?? ? ? ?? ? ?? ? ? ?? ? ? ?? ? ? 公式 ( 時，該動態(tài)外半徑所 對 應 的統(tǒng) 計 變量 wTrendNum 加 1 。 確 定 圓 心 的 內(nèi) 外 徑 后 ， 就 可 以 提 取 出 目 標 圓 環(huán) ， 利 用 公 式 遍 歷[]P im a g eB in a ry H eig h t W id th?圖像，將不滿足的像素 ( , )Fxy 賦值為 0，公式如下： 2 2 22 2 2( ) ( )( ) ( )x n P o s X y n P o s Y n M a x R a d iu sx w P o s X y w P o s Y w M a x R a d iu s? ? ? ?? ? ? ? 公式 () 可以得到密封圈目標圓環(huán)的二值化圖像 []P im a g e S u rfa c e H e ig h t W id th?如 圖 密封圈目標捕捉 所示。可以編程繪制灰度直方圖，來描述圖像中灰度值所對應的像素個數(shù)，其橫坐標表示像素的灰度級別，縱坐標表示該灰度出現(xiàn)的像素個數(shù)，通過人工觀察輸入閾值的方法，來實 現(xiàn)閾值分割圖像的目的。公式 如下： ( ( , ) )[ ] = 0( ( , ) )[ ] 2 5 5a b s th r e s h o ld F x y o ts u P ie lxS u r fa c e y W id th xa b s th r e s h o ld F x y o ts u P ie lxS u r fa c e y W id th x??????? ? ?當 時當 時 公式 () 最終從 []Surface H eight W idth?得 到 的 新 二 值 圖 像 內(nèi) 存 數(shù) 組 命 名 為[]Otsu Height W idth? 。而用 8 連通法提取狹長縫隙的信息時就很有可能就會造成縫的“斷裂 ”。 遍歷 2( 2 1 )Tu o zh a n Nu m??窗口里的點成員 (,)xy ，如果該點位于內(nèi)存數(shù)組[]Otsu Height W idth? 的目標圓環(huán)檢測區(qū)域內(nèi)，并且該點對應的像素值 ( , )Fxy 等于 0 時，就亦將該點標記為 b 點，并堆入 隊列 中。記錄下此時的 FenLift ， FenRight ， FenDeep ， FenToop 四個值，并統(tǒng)計好之前的 入隊 的