基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研究

1、基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研基于邊緣聚類與篩選的壓力容器數(shù)量視覺檢測方法研究近年來，隨著計算機視覺的自動檢測技術在工業(yè)中的廣泛應用，壓力容器生產(chǎn)廠家也開始采用計算機視覺方式實現(xiàn)浸水法氣密性檢測的自動化，如JohnssonF等[1]利用圖像處理技術對二維流化床中氣泡的大小、速率、空隙率進行研究分析；HubersJL等[2]對三相流化床中氣泡拍攝后從氣泡隊列中計算得出氣相含率；唐遠河等[3]提出了基于片光源二維平面的氣泡測

2、速方法，能夠對垂直于片光源方向運動的氣泡進行有效地測速；BusciglioA等[4]在研究氣固兩相流體中氣泡行為時，結合圖像處理技術，對氣泡的大小、速率進行了檢測；閆麗等[5]提針對氣液兩相流場中氣泡行為的三維測量算法，實現(xiàn)了對單個氣泡的行為測量，并具有較高的測量精度；O.Zielinski等[6]將光流法應用于水中氣泡的檢測，并通過實驗分析了可行性；吳春龍等[7]提出了一套基于PLC控制的氣密性自動檢測系統(tǒng)，并將基于光流理論的HomS

3、chunck圖像處理算法應用于氣液兩相流場中氣泡的識別與跟蹤，實現(xiàn)了對鋼瓶漏氣點氣泡的檢測與識別；甘建偉等[8]提出一種基于FPGA的氣泡邊緣檢測圖像處理系統(tǒng)，等等。目標數(shù)量的自動識別通常是視覺檢測應用中不可或缺的環(huán)節(jié)之一，如管接頭上密封圈數(shù)量的自動檢測[9]、儲備糧倉袋裝糧數(shù)量智能測算[10]、疊層紙張數(shù)量檢測[1112]、儲備生豬統(tǒng)計[13]、高黏著其中，若pi=1，則認為灰度級ni處于灰度直方圖波峰處，若pi=0，則認為灰度級ni

4、處于灰度直方圖非波峰處，K表示波峰總個數(shù)，計算如式⑵所示。當K=2時，使用OTSU進行二值化操作；當K=3時，使用雙閾值二值化；當K為其他值時，統(tǒng)一使用灰度均值進行二值化；根據(jù)直方圖波峰數(shù)量的二值化過程如圖2和圖3所示。2.2壓力容器輪廓提取為得到壓力容器邊緣，通常采用Sobel、Canny等傳統(tǒng)邊緣檢測算子來解決，但這些方法需要對圖像求導計算梯度。針對二值化壓力容器圖像的特點，下面提出一種8領域卷積算子，如式⑶所示。利用該算子對二值圖

5、像進行卷積運算，統(tǒng)計每個像素點的8鄰域值的情況，即可確定該像素點是否為邊緣點，從而實現(xiàn)壓力容器的輪廓提取。從二值圖像的左上角第一個像素開始，使用式⑶的算子對每個像素點做卷積運算。其中，針對圖像最外層邊緣的像素點，使用復制邊緣像素的方法，在圖像外圈加一層與邊緣點等值的像素點，用于計算卷積值。若當前像素點與G的卷積結果不為零，則該像素點為邊緣像素點；若當前像素點與G的卷積結果為零，則該像素點為背景像素點。使用該算法對檢測池中待測壓力容器的二