工程硕士学位论文III摘要螺丝作为日常生活中不可或缺的工业零件，其产量在我国已十分庞大，因此在螺丝的生产过程中，对螺丝数量进行实时监测和包装具有重要意义。目前在大多数螺丝生产厂家的包装生产线主要使用称重式计数的方法，效率虽高，但易受油污影响，准确性差、自动化程度低，且极易出现漏料情况，螺丝的生产包装迫切需要开发高精度、高自动化的螺丝计数设备。计算机视觉近年发展迅速，已成为助力智能工厂的重要手段之一，以计算机视觉为基础，通过图像处理和图像分割识别技术来对螺丝进行计数，是实现螺丝自动计数的有效途径。因此，本文从螺丝计数设备的成像硬件系统、螺丝图像的预处理和针对螺丝粘连的计数分割算法三个方面入手，完成了以下工作：首先，对本文计数对象螺丝进行成像分析，根据成像需求制定螺丝自动计数系统的硬件实现方案，分析不同类型的光源、相机、镜头、成像方式等对成像质量的影响，经过多方比较与严谨分析后决定采用亮度较高的条形光源作为背光源，同时使用2K像素网口线阵CMOS相机，并搭配焦距可调的镜头，进行大量实验进行调试，力争实现高质量的成像。最后给出了基于机器视觉的螺丝计数系统的整体布置方案与初步搭建的实验平台，在皮带正上方设置一套相机和光源为下料控制工位，皮带末端正下方贴近皮带高度设置一套光源和相机为计数工位，计算机和显示器进行算法的运行与效果演示，并利用专用的千兆网络进行图像数据的传输。其次，研究了下落运动螺丝图像的预处理技术，首先分析了螺丝图像的特点以及所含的关键信息，决定采用灰度化去除其颜色信息、保留区域与轮廓信息；比较四种经典的滤波算法，验证结论为双边滤波更适合本课题的工况，既能滤除一定的孤立点噪声，又能保留螺丝的原始轮廓；最后针对螺丝粘连这一难点进行形态学的处理，采用腐蚀与开运算，消除了螺丝之间的纤细粘连区域，平滑了螺丝轮廓边界，为后续的螺丝计数算法做好准备。再次，研究了螺丝计数识别算法，对本课题采用的螺丝计数逻辑进行了简单介绍；然后详细分析了本课题在实际项目中所采用的螺丝识别计数算法——连通域分析法，并在多次实验后针对该算法对粘连螺丝的计数准确度低、对硬件要求苛刻的问题，提出改进当前算法的需求；最后，实验比较了两种模板匹配法和分水岭算法，实验得出针对粘连螺丝进行识别计数效果最稳定的是基于形状的模板匹配法、针对非粘连螺丝进行识别计数效果最稳定的是连通域分析法，提出将连通域分析法与基于形状的模板匹配法进行结合的改进算法。基于机器视觉的螺丝计数方法研究及系统实现II最后，设计了配套的软件，并赶往螺丝生产公司的生产工厂对基于机器视觉的螺丝计数系统进行了现场测试。软件系统主要包含图像处理模块、智能下料模块以及系统设置模块。接下来对本课题的算法研究所采用的halcon平台进行了说明与介绍，并将halcon与VisualStudio进行了联合开发，完成了配套软件的界面设计、功能设计与相关测试。最后，进行了现场实验，在自身搭建的实验平台的基础上，改进了样机并进行了大量实验，对螺丝自动计数系统进行了在线测试，计数精度与时效性均满足项目要求，计数准确率达99.93%。关键词：机器视觉；图像处理；螺丝计数；连通域分析；模板匹配工程硕士学位论文IIIAbstractScrewasanindispensableindustrialnecessityinourdailylife,itsoutputinChinahasbeenverylarge.Sointheprocessofscrewproduction,thenumberofscrewsforreal-timemonitoringandpackagingisofgreatsignificance.Atpresent,thepackagingproductionlineofmostscrewmanufacturersmainlyusesthemethodofweighingtypecounting.Althoughtheefficiencyishigh,itisvulnerabletooilpollution,pooraccuracy,lowdegreeofautomation,andeasytoleakmaterial.Theproductionandpackagingofscrewsurgentlyneedstodevelophigh-precision,high-automationscrewcountingequipment.Computervisionhasdevelopedrapidlyinrecentyearsandhasbecomeoneoftheimportantmeanstoassistintelligentfactory.Basedoncomputervision,countingscrewsthroughimageprocessingandimagesegmentationrecog...
