基于機(jī)器視覺(jué)的珍珠檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、傳統(tǒng)的珍珠檢測(cè)依靠人工來(lái)完成，檢測(cè)過(guò)程中易受主觀因素的影響且效率低。隨著生產(chǎn)工藝和技術(shù)的進(jìn)步，珍珠自動(dòng)檢測(cè)系統(tǒng)逐步代替人工檢測(cè)。本文基于機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)，對(duì)珍珠的自動(dòng)檢測(cè)進(jìn)行了理論研究與實(shí)驗(yàn)分析。論文涉及了珍珠自動(dòng)檢測(cè)系統(tǒng)的研究現(xiàn)狀、檢測(cè)和測(cè)量硬件的設(shè)計(jì)、圖像預(yù)處理的選擇，特別是在硬件方面對(duì)照明系統(tǒng)進(jìn)行了理論建模與仿真實(shí)驗(yàn)。
　　珍珠顏色分類(lèi)時(shí)，選用幾種珍珠顏色，提取RGB與HSV顏色模型中的特征值，針對(duì)HSV顏色模型中

2、H、S這兩個(gè)分量進(jìn)行分析，提取顏色信息轉(zhuǎn)換到HSV顏色模型中。提取珍珠顏色H、S為特征值，利用神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器對(duì)珍珠顏色分類(lèi)。實(shí)驗(yàn)表明系統(tǒng)測(cè)量誤差在8％以?xún)?nèi)，總體變動(dòng)的范圍符合實(shí)驗(yàn)的要求，說(shuō)明該方案對(duì)珍珠顏色檢測(cè)可行。
　　在珍珠形狀大小檢測(cè)分類(lèi)方面，確定本課題所選圖像預(yù)處理的方法。對(duì)預(yù)處理后的圖像進(jìn)行圖像分割，提取邊緣輪廓信息，然后再提取質(zhì)心，轉(zhuǎn)換到極坐標(biāo)下求得長(zhǎng)短徑。在形狀方面主要利用珍珠邊緣輪廓是否出現(xiàn)畸變情況。結(jié)合標(biāo)定實(shí)

3、驗(yàn)即可對(duì)珍珠的大小進(jìn)行測(cè)量。實(shí)驗(yàn)表明軟件尺寸測(cè)量結(jié)果與千分尺測(cè)量值基本一致，測(cè)量誤差在0.200mm以?xún)?nèi)。對(duì)形狀判斷誤差在8%以?xún)?nèi)，總體變動(dòng)的范圍符合實(shí)驗(yàn)的要求，說(shuō)明該方案對(duì)珍珠形狀大小檢測(cè)可行。
　　在珍珠紋理分類(lèi)研究時(shí)，選取了形態(tài)紋理情況各異的珍珠樣本，基于灰度共生矩陣提取珍珠特征參數(shù)。探究了針對(duì)珍珠圖像的灰度共生矩陣影響因素的選??；數(shù)據(jù)分析部分采用主成分分析法對(duì)特征參數(shù)降維，得出可以取前兩個(gè)主成分作為檢測(cè)標(biāo)準(zhǔn)，并且貢獻(xiàn)率接近