基于機器視覺的珍珠檢測系統(tǒng)關鍵技術研究.pdf_第1頁
已閱讀1頁,還剩81頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、傳統(tǒng)的珍珠檢測依靠人工來完成,檢測過程中易受主觀因素的影響且效率低。隨著生產工藝和技術的進步,珍珠自動檢測系統(tǒng)逐步代替人工檢測。本文基于機器視覺技術和圖像處理技術,對珍珠的自動檢測進行了理論研究與實驗分析。論文涉及了珍珠自動檢測系統(tǒng)的研究現(xiàn)狀、檢測和測量硬件的設計、圖像預處理的選擇,特別是在硬件方面對照明系統(tǒng)進行了理論建模與仿真實驗。
  珍珠顏色分類時,選用幾種珍珠顏色,提取RGB與HSV顏色模型中的特征值,針對HSV顏色模型中

2、H、S這兩個分量進行分析,提取顏色信息轉換到HSV顏色模型中。提取珍珠顏色H、S為特征值,利用神經網絡作為分類器對珍珠顏色分類。實驗表明系統(tǒng)測量誤差在8%以內,總體變動的范圍符合實驗的要求,說明該方案對珍珠顏色檢測可行。
  在珍珠形狀大小檢測分類方面,確定本課題所選圖像預處理的方法。對預處理后的圖像進行圖像分割,提取邊緣輪廓信息,然后再提取質心,轉換到極坐標下求得長短徑。在形狀方面主要利用珍珠邊緣輪廓是否出現(xiàn)畸變情況。結合標定實

3、驗即可對珍珠的大小進行測量。實驗表明軟件尺寸測量結果與千分尺測量值基本一致,測量誤差在0.200mm以內。對形狀判斷誤差在8%以內,總體變動的范圍符合實驗的要求,說明該方案對珍珠形狀大小檢測可行。
  在珍珠紋理分類研究時,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。探究了針對珍珠圖像的灰度共生矩陣影響因素的選取;數據分析部分采用主成分分析法對特征參數降維,得出可以取前兩個主成分作為檢測標準,并且貢獻率接近

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論