CN204229419U - 一种基于机器视觉的五金件形状识别系统 - Google Patents

Abstract

本实用新型公开了一种基于机器视觉的五金件形状识别系统，包括图像采集模块、图像识别模块和需要进行图像采集的五金器件，所述五金器件为金属件，颜色为白色，将五金器件放置于一背景颜色为黑色的背景板上，在该背景板的背面设置一工业相机，该工业相机的头部安装12cm x 12cm视场的镜头，安装完成后的工业相机安装于一可全方位转动的支架上，所述工业相机一端采集的图像通过另一端连接的工控机进行识别；本实用新型采用面光源从金属的下面往上打光的方式，有效解决金属表面纹理、反光强带来的困难的硬件方案，可充分提取出描述复杂形状的特征，实现快速准确识别复杂的形状，对图像噪声、微小形变、形状旋转具有鲁棒性。

Description

一种基于机器视觉的五金件形状识别系统

技术领域

本实用新型涉及一种基于机器视觉的五金件形状识别系统。

背景技术

五金行业上生产的五金器件的种类繁多、数量大、形状复杂，对五金器件的快速准确识别的需求越来越大。因为五金器件的形状复杂、数量大、且具有反光的特性，使得对五金器件的快速准确识别非常困难。目前行业上对五金器件的识别技术现状：在打光方式上普遍采用环形光源或者条形光源打光，无法应对金属表面纹理变化大、反光强的特性。

在识别技术上主要采用模板识别的方法，及利用物体的长宽比、像素面积、周长及物体轮廓等简单的特征，只能识别出简单的形状，根本无法识别大量的复杂形状，而且对噪声、微小形变、形状旋转敏感，识别速度慢，无法达到对五金器件快速准确识别的要求。

因而，目前在工业生产线上还是依靠人工区分各种五金器件，生产效率低下。

发明内容

本实用新型所要解决的技术问题是提供一种实现快速准确识别复杂的形状，对图像噪声、微小形变、形状旋转具有鲁棒性的基于机器视觉的五金件形状识别系统。

本实用新型是通过以下技术方案来实现的：一种基于机器视觉的五金件形状识别系统，包括图像采集模块、图像识别模块和需要进行图像采集的五金器件，所述五金器件为金属件，颜色为白色，将五金器件放置于一背景颜色为黑色的背景板上，在该背景板的背面设置一黑白色彩、752 x 480的分辨率、帧率60pfs、像元尺寸为6.0μm x 6.0μm的工业相机，该工业相机的头部安装12cmx 12cm视场的镜头，安装完成后的工业相机安装于一可全方位转动的支架上，所述工业相机一端采集的图像通过另一端连接的工控机进行识别。

作为优选的技术方案，所述图像识别模块包括显示器和一工控机。

作为优选的技术方案，所述工业相机上设置有用于数据传输用的USB接口，通过该USB接口将图像传输给工控机。

作为优选的技术方案，所述工控机型号为SIMB-A21工控机。

作为优选的技术方案，所述支架包括一底座，及安装于底座中间的支撑杆，所述支撑杆上套装有一升降块，升降块通过螺丝螺母与支撑杆间锁紧，所述升降块的一端设置一连接套筒，工业相机安装于该连接套筒内，工业相机的镜头面朝正上端，所述支撑杆的顶部设有一中间成空心结构的铁框，铁框一端与支撑杆间焊接，背景板安装于该铁框中间处，铁框下端正对工业相机镜头。

本实用新型的有益效果是：本实用新型采用面光源从金属的下面往上打光的方式，有效解决金属表面纹理、反光强带来的困难的硬件方案，可充分提取出描述复杂形状的特征，实现快速准确识别复杂的形状，对图像噪声、微小形变、形状旋转具有鲁棒性。

附图说明

为了更清楚地说明本实用新型实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本实用新型硬件方面的系统方框图；

图2为本实用的支架的结构示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1所示，本实用新型的一种基于机器视觉的五金件形状识别系统，包括图像采集模块、图像识别模块和需要进行图像采集的五金器件，所述五金器件为金属件，颜色为白色，将五金器件放置于一背景颜色为黑色的背景板上，在该背景板的背面设置一黑白色彩、752 x 480的分辨率、帧率60pfs、像元尺寸为6.0μm x 6.0μm的工业相机，该工业相机的头部安装12cm x 12cm视场的镜头，安装完成后的工业相机安装于一可全方位转动的支架上，所述工业相机一端采集的图像通过另一端连接的工控机进行识别。

作为优选的实施方式，图像识别模块包括显示器和一工控机。

作为优选的实施方式，工业相机上设置有用于数据传输用的USB接口，通过该USB接口将图像传输给工控机。

作为优选的实施方式，工控机型号为SIMB-A21工控机。

作为优选的实施方式，支架包括一底座1，及安装于底座1中间的支撑杆2，所述支撑杆2上套装有一升降块6，升降块6通过螺丝螺母3与支撑杆2间锁紧，所述升降块6的一端设置一连接套筒5，工业相机安装于该连接套筒5内，工业相机的镜头面朝正上端，所述支撑杆2的顶部设有一中间成空心结构的铁框4，铁框4一端与支撑杆2间焊接，背景板安装于该铁框4中间处，铁框4下端正对工业相机镜头。

其中，为了更好的对图像进行提取及清晰化图像，现采用以下方法：首先对图像取反，使图像背景为黑色、金属为白色，再用大律法算法(OTSU)对采集的图像进行二值化，使金属的形状完全清晰化，突出了金属的形状特征；

采用基于区域的角半径变换(ART)的方法对图像提取12 x 5维的特征向量，分为6个步骤，如下：

基于区域的角半径变换(ART)是定义在极坐标下的一个单位圆内的二维复变换^[10]，是一种正交变换，对噪声具有鲁棒性，其变换的系数定义如下：

$F_{\mathrm{nm}}={\∫}_0^{2\mathrm{\π}}{\∫}_0^{1}V*(\mathrm{\ρ},\mathrm{\θ})f(\mathrm{\ρ},\mathrm{\θ})\mathrm{\ρd\ρd\θ}---\left(1\right)$

其中，F_nm是序数(n，m)的角变换系数，f(ρ，θ)是在极坐标上的一个图像灰度方程，ρ是径向分量，θ是角度方向分量，V*(ρ，θ)是V_nm(ρ，θ)的复共轭V_nm(ρ，θ)定义如下：

V_nm(ρ，θ)＝A_m(θ)R_n(ρ)        (2)

$A_m\left(\mathrm{\θ}\right)=\frac{1}{2\mathrm{\π}}\exp \left(\mathrm{jm\θ}\right)---\left(3\right)$

$R_n\left(\mathrm{\ρ}\right)=\left\{\begin{array}{c}1,n=0;\\ 2\cos \left(\mathrm{\πn\ρ}\right),n\≠0;\end{array}\right.---\left(4\right)$

在该系统中，取n＝5，m＝12，效果结果最佳。

特征向量提取步骤：

①计算目标图像的质心(X0，Y0)：

对于目标图像I(x，y)，其中0≤x≤M，0≤y≤N，则图像的像素积分S、质心(X0，Y0)：

$S=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}I(x,y)---\left(5\right)$

$X0=\frac{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{xI}(x,y)}{S},Y0=\frac{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{yI}(x,y)}{S}---\left(6\right)$

②平移：将图像坐标系平移至以质心为原点的坐标系中：

I′(x′，y′)＝{(x′，y′)|x′＝x-X0，y′＝y-Y0}    (7)

③过物体轮廓计算图像中形状的最大半径距离：

${\mathrm{\ρ}}_{\max }=\max \sqrt{x^{\′2}+y^{\′2}},$ 其中I′(x′，y′)＞0    (8)

④坐标系I′(x′，y′)映射到极坐标f(ρ，θ)的单位圆上：

$\mathrm{\ρ}=\frac{\sqrt{x^{\′2}+y^{\′2}}}{{\mathrm{\ρ}}_{\max }},\mathrm{\θ}=\arctan \frac{y^{\′}}{x^{\′}}---\left(9\right)$

⑤n＝5，m＝12，计算角半径变换系数：

$F_{\mathrm{nm}}={\∫}_0^{2\mathrm{\π}}{\∫}_0^{1}V*(\mathrm{\ρ},\mathrm{\θ})f(\mathrm{\ρ},\mathrm{\θ})\mathrm{\ρd\ρd\θ}$

$\begin{array}{c}=\frac{1}{2\mathrm{\π}}{\∫}_0^{2\mathrm{\π}}{\∫}_0^1{e}^{-\mathrm{jm\θ}}{R}_n\left(\mathrm{\ρ}\right)f(\mathrm{\ρ},\mathrm{\θ})\mathrm{\ρd\ρd\θ}\\ =\frac{1}{2\mathrm{\π}}\mathrm{\Σ}{e}^{-\mathrm{jm\θ}}{\mathrm{\ΣR}}_n\left(\mathrm{\ρ}\right)f(\mathrm{\ρ},\mathrm{\θ})\mathrm{\ρ}\end{array}---\left(10\right)$

⑥F(n，m)＝|F_nm|，则特征向量：

F＝{F(0，0)，F(0，1)…F(0，m)，F(1，0)…F(n，m)}    (11)

从而提取出紧凑且充分描述复杂形状的特征向量。

对于两图像的相似度采用欧氏距离进行特征向量之间的相似度比较，欧氏距离越小，特征向量之间的相似度越高，采用快速排序算法对欧氏距离进行排序，距离最小的即是最佳检索，实现了快速检索图像。

$D=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{({F_i}^1-{F_i}^2)}^2}---\left(12\right)$

其中，D是两图像的距离，F¹，F²分别是两图像的特征向量。

采用TDMS文件存放特征数据，其具有高速存取的优势。它的逻辑结构分为三层：文件(File)、通道组(Channel Groups)和通道(Channels)，每一个层次上都可以附加特定的属性(Properties)，如附图4。可以非常方便地使用这三个逻辑层次定义测试数据，也可以任意检索各个逻辑层次的数据，这使得数据检索是有序的、方便存取的。

为此，将每个五金器件的名字作为TDMS文件名，将特征向量、图像信息、图像的存放路径依次写入各个通道，从而建立起数据库，实现了数据的快速存储。

本实用新型的有益效果是：

1，通过这个系统方案，克服了由于金属表面纹理变化大、反光强导致成像效果差的难题；

2，采用大律法算法(OTSU)处理图像，清晰化金属形状，消除了干扰噪声；

3，利用基于区域的角半径变换(ART)的方法提取紧凑且能够充分描述形状特征的特征数据，具有平移、旋转不变性，对微小形变不敏感；

4，由于算法的快速性(大律法算法(OTSU)、基于区域的角半径变换的方法(ART)、快速排序算法)及特征向量的紧凑性，使系统能够在200ms内准确识别出各种复杂的形状。

以上所述，仅为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本实用新型的保护范围之内。因此，本实用新型的保护范围应该以权利要求书所限定的保护范围为准。

Claims (5)

1.一种基于机器视觉的五金件形状识别系统，其特征在于：包括图像采集模块、图像识别模块和需要进行图像采集的五金器件，所述五金器件为金属件，颜色为白色，将五金器件放置于一背景颜色为黑色的背景板上，在该背景板的背面设置一黑白色彩、752 x 480的分辨率、帧率60pfs、像元尺寸为6.0μm x6.0μm的工业相机，该工业相机的头部安装12cm x 12cm视场的镜头，安装完成后的工业相机安装于一可全方位转动的支架上，所述工业相机一端采集的图像通过另一端连接的工控机进行识别。

2.根据权利要求1所述的基于机器视觉的五金件形状识别系统，其特征在于：所述图像识别模块包括显示器和一工控机。

3.根据权利要求1所述的基于机器视觉的五金件形状识别系统，其特征在于：所述工业相机上设置有用于数据传输用的USB接口，通过该USB接口将图像传输给工控机。

4.根据权利要求1所述的基于机器视觉的五金件形状识别系统，其特征在于：所述工控机型号为SIMB-A21工控机。

5.根据权利要求1所述的基于机器视觉的五金件形状识别系统，其特征在于：所述支架包括一底座，及安装于底座中间的支撑杆，所述支撑杆上套装有一升降块，升降块通过螺丝螺母与支撑杆间锁紧，所述升降块的一端设置一连接套筒，工业相机安装于该连接套筒内，工业相机的镜头面朝正上端，所述支撑杆的顶部设有一中间成空心结构的铁框，铁框一端与支撑杆间焊接，背景板安装于该铁框中间处，铁框下端正对工业相机镜头。