基于机器视觉的绳团包装膜破损检测方法研究与实现

作     者：张详位 

作者单位：东华大学 

学位级别：硕士

导师姓名：周武能

授予年度：2014年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：绳团包装膜破损检测 图像预处理 特征提取 区域生长 BP神经网络分类器 

摘      要：随着社会的发展,生活消费水平的提高,市场竞争越来越激烈,产品的包装和质量成为抢占市场占有率的重要组成部分。越来越多的工厂企业开始看重产品包装对企业的重要性。而如何高准确率、高效率的对包装破损进行检测依然是业界的难题。为了摆脱人工检测的高成本,以及由于工人长时间工作造成的疲劳而造成的漏检误检等问题;借助于计算机及机器视觉的快速发展;很多行业都开始采用基于机器视觉的自动化检测系统来对产品进行自动化检测。机器视觉检测系统具有高效率、高准确率、能长时间处于工作状态,且能适应复杂的工业环境等优点,使得基于机器视觉的检测方法得到越来越普及的应用。但是,由于本文研究的绳团塑料膜包装的特点,使得在算法的设计上有一定的难度。目前,在市场上,还没有一套成熟的自动化设备能对其进行检测与剔除。 本文的主要研究工作是设计一个绕绳包装破损检测系统。首先我们了介绍国内外在机器视觉应用以及图像处理理论方面的研究现状。然后主要从机器视觉系统的几个典型环节,着重介绍了绳团包装膜破损图像的处理过程,主要包括图像预处理、图像分割、特征提取和图像分类与识别等。图像预处理是绳团包装膜破损检测系统的基础。本文给出了一种真彩色位图到灰度位图的转换、图像去噪、以及图像的增强的处理办法。针对我们的对象,通过分析几种不同的算法的优缺点,选择合适的图像处理算法,为后面的图像分割、特征提取、分类提供可靠的保证。图像分割与提取是对图像进行分析的基础。本文分别采用多阈值分割法,自适应阈值分割法以及区域生长分割法对图像进行分割。并对其进行比较。在分类上,我们采用BP神经网络分类器。该非线性分类器结合了多阈值分割法的优点,弥补环境变化对算法的影响,提升算法的鲁棒性。结果表明BP神经网络分类器能很好的对绳团包装膜破损区域进行检测与识别。