專利名稱：基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)器視覺技術(shù)、機(jī)械設(shè)計(jì)技術(shù)、生產(chǎn)流水線技術(shù)和自動(dòng)控制技術(shù)在顆粒狀物體自動(dòng)計(jì)數(shù)方面的應(yīng)用，尤其適用于大規(guī)模生產(chǎn)エ業(yè)元器件的自動(dòng)計(jì)數(shù)。
背景技術(shù)：
在エ業(yè)企業(yè)的生產(chǎn)中，需要對(duì)生產(chǎn)流水線的元器件實(shí)時(shí)自動(dòng)計(jì)數(shù)，有些場(chǎng)合要求計(jì)數(shù)精度達(dá)到百分之百。目前很多企業(yè)仍然采用人エ計(jì)數(shù)，這種計(jì)數(shù)方式不僅任務(wù)繁雜，エ 作效率不高，還很容易因?yàn)槿说钠诘纫蛩卦斐捎?jì)數(shù)誤差，尤其是在用エ成本日益昂貴的今天，迫切需要有一種自動(dòng)化的計(jì)數(shù)裝置。國(guó)家發(fā)明申請(qǐng)?zhí)?01110418587. 4公開了ー種元器件自動(dòng)計(jì)數(shù)統(tǒng)計(jì)方法和裝置，利用機(jī)器視覺和圖像處理的方法進(jìn)行元器件數(shù)量自動(dòng)統(tǒng)計(jì)的方法和裝置。能夠?qū)N片電阻、貼片電容等小尺寸元器件自動(dòng)進(jìn)行比較精確數(shù)量統(tǒng)計(jì)，不僅提升了計(jì)數(shù)效率和計(jì)數(shù)準(zhǔn)確性，而且降低了操作人員的勞動(dòng)強(qiáng)度。但是，該發(fā)明在計(jì)數(shù)準(zhǔn)確性方面還達(dá)不到百分之百精度，自動(dòng)計(jì)數(shù)統(tǒng)計(jì)方法和裝置難以滿足生產(chǎn)流水線的實(shí)時(shí)高效檢測(cè)的需要。另外，該發(fā)明應(yīng)用在其他器件自動(dòng)計(jì)數(shù)中仍然會(huì)出現(xiàn)較多的問題，即通用性缺乏；進(jìn)行圖像識(shí)別是ー個(gè)概率問題，要提高自動(dòng)計(jì)數(shù)的準(zhǔn)確性還需要用概率的方式進(jìn)行處理。影響計(jì)數(shù)準(zhǔn)確性的因素很多，I)識(shí)別知識(shí)廣泛被檢測(cè)的物體各種各樣，特征復(fù)雜，包括灰度、顔色、大小、形狀和紋理等信息；要對(duì)物體進(jìn)行識(shí)別和分割需要掌握和具備大量的相關(guān)知識(shí)；2)環(huán)境因素的多義性物體的形狀、顔色、光源角度、攝像裝置的角度以及空間關(guān)系的變化都會(huì)對(duì)成像有一定程度的影響，從而降低了基于機(jī)器視覺計(jì)數(shù)的精確度；3)圖像的多義性被檢測(cè)物體從三維投影到ニ維平面上，丟失了深度和不可見部分的信息，導(dǎo)致了不同形狀的三維物體投影到圖像平面上產(chǎn)生相同圖像的問題；另外，從不同角度獲取同一物體的圖像也會(huì)出現(xiàn)較大的差異；4)機(jī)器視覺處理的實(shí)時(shí)性與準(zhǔn)確性相矛盾的問題，圖像信息量很大，基于機(jī)器視覺的檢測(cè)往往要求有較高的實(shí)時(shí)性，采用高智能化的、高復(fù)雜度的檢測(cè)算法雖然能提高檢測(cè)精度，但是會(huì)影響檢測(cè)的實(shí)時(shí)性；5)在圖像分割處理方面，被測(cè)物體的重疊和粘連直接影響基于機(jī)器視覺計(jì)數(shù)的精確度。因此，一種基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置的設(shè)計(jì)迫切需要解決以下幾個(gè)問題1)如何采用基于機(jī)器視覺識(shí)別檢測(cè)的有限智能化來(lái)滿足實(shí)時(shí)性的要求；2)如何通過(guò)在人的監(jiān)瞀下的自學(xué)習(xí)方式，使得基于機(jī)器視覺自動(dòng)計(jì)數(shù)在使用過(guò)程中不斷累積和豐富相關(guān)知識(shí)，以滿足檢測(cè)各種各樣的被檢物體的需要；3)如何通過(guò)檢測(cè)算法自完善方式，使得基于機(jī)器視覺識(shí)別檢測(cè)在使用過(guò)程中自動(dòng)發(fā)現(xiàn)識(shí)別錯(cuò)誤，在人的監(jiān)瞀和參與下不斷完善檢測(cè)算法，實(shí)現(xiàn)有限和高效的智能；4)如何通過(guò)多數(shù)表決機(jī)制，提高識(shí)別和計(jì)數(shù)的準(zhǔn)確性；5)如何在檢測(cè)流水線設(shè)計(jì)中消除被測(cè)物體的重疊和粘連的現(xiàn)象；6)如何在機(jī)器視覺檢測(cè)過(guò)程中有效地區(qū)分和判斷出被測(cè)物體的重疊和粘連；7)如何減少環(huán)境多義性對(duì)機(jī)器視覺檢測(cè)結(jié)果的干擾；8)如何利用流水線的設(shè)計(jì)方式來(lái)提高高速自動(dòng)化計(jì)數(shù)的水平。

發(fā)明內(nèi)容
為了克服已有的基于機(jī)器視覺的自動(dòng)計(jì)數(shù)裝置的適應(yīng)性欠缺、實(shí)時(shí)性和準(zhǔn)確性難以同時(shí)得到滿足、自動(dòng)化程度不高、自我學(xué)習(xí)和完善能力缺乏和難以有效控制計(jì)數(shù)精度等不足，本發(fā)明提供ー種具有較好的環(huán)境適應(yīng)性和檢測(cè)物體適應(yīng)性的、能同時(shí)兼顧檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性的，較高的自動(dòng)化程度的、較強(qiáng)的自我學(xué)習(xí)和完善能力的、能根據(jù)不同檢測(cè)需求控制計(jì)數(shù)精度的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，包括用于對(duì)顆粒物進(jìn)行自動(dòng)計(jì)數(shù)檢測(cè)的流水線、用于拍攝被測(cè)顆粒物圖像的攝像單元和用于對(duì)被測(cè)顆粒物圖像進(jìn)行圖像處理以及協(xié)調(diào)控制流水線上各機(jī)構(gòu)動(dòng)作的微處理器，所述流水線包括用于將被測(cè)顆粒物從待測(cè)物件容器中提升到流水線上的托盤中的上料機(jī)構(gòu)、用于將流水線上的托盤中的被測(cè)顆粒物傾倒到已測(cè)物件容器中的傾倒機(jī)構(gòu)、用于使得流水線上的托盤按規(guī)定節(jié)奏進(jìn)行間隙式轉(zhuǎn)動(dòng)的轉(zhuǎn)動(dòng)機(jī)構(gòu)和用于使得流水線上托盤中的被測(cè)顆粒物均勻分布減少重疊和粘連的微震機(jī)構(gòu)，所述的微處理器還包括圖像讀取模塊，用于從所述的攝像單元讀取包含有被測(cè)顆粒物的圖像；圖像處理模塊，用于對(duì)包含有被測(cè)顆粒物的圖像進(jìn)行數(shù)字圖像處理，將被測(cè)顆粒物部分從整個(gè)圖像背景中提取出來(lái)，并對(duì)提取出來(lái)的前景圖像中的每個(gè)被測(cè)顆粒物進(jìn)行標(biāo)識(shí)；自動(dòng)計(jì)數(shù)模塊，通過(guò)掃描整幅前景圖像中標(biāo)識(shí)的被測(cè)顆粒物并進(jìn)行統(tǒng)計(jì)得到被測(cè)顆粒物的數(shù)量；多數(shù)表決模塊，由于基于機(jī)器視覺的自動(dòng)計(jì)數(shù)方式在檢測(cè)精度上屬于ー個(gè)概率問題，這里采用了對(duì)托盤中的被測(cè)顆粒物在不同的狀態(tài)下分別進(jìn)行了圖像處理、識(shí)別和計(jì)數(shù)，這樣每次自動(dòng)計(jì)數(shù)識(shí)別結(jié)果是相對(duì)獨(dú)立的，因此可以采用概率統(tǒng)計(jì)的方法對(duì)多個(gè)識(shí)別計(jì)數(shù)結(jié)果進(jìn)行表決處理來(lái)提高自動(dòng)計(jì)數(shù)裝置的識(shí)別率；結(jié)果輸出模塊，根據(jù)輸出方式不同，分為原始圖像輸出、圖像處理中間結(jié)果輸出、識(shí)別和計(jì)數(shù)結(jié)果輸出和表決結(jié)果輸出；要實(shí)現(xiàn)高精度的自動(dòng)計(jì)數(shù)，即實(shí)現(xiàn)百分之百的檢測(cè)精度，在本發(fā)明中通過(guò)多個(gè)層面來(lái)改善和提高計(jì)數(shù)的精度，I)在照明光源方面，采用適當(dāng)?shù)恼彰鳁l件減少外界光源的干擾；2)在背景圖像設(shè)計(jì)方面，采用無(wú)明顯光反射的、并與被測(cè)顆粒物在顔色或者灰度特征上具有顯著區(qū)別的、無(wú)明顯紋理的托盤；3)在所述的微震機(jī)構(gòu)的作用下托盤發(fā)生微震使得被測(cè)顆粒物排列方式發(fā)生ー些變化，減少被測(cè)顆粒物的粘連和重疊的可能性；4)采用數(shù)學(xué)形態(tài)學(xué)的圖像分割算法，對(duì)粘連在一起的被測(cè)顆粒物進(jìn)行分割；5)同時(shí)采用基于區(qū)域面積和區(qū)域周長(zhǎng)的計(jì)數(shù)方法；6)采用K/n的多數(shù)表決方法對(duì)同一托盤內(nèi)的被測(cè)顆粒物的檢測(cè)結(jié)果進(jìn)行表決；7)采用K/n的多數(shù)表決的控制思想，對(duì)于不能滿足K/n的多數(shù)表決的檢測(cè)結(jié)果，保存原始圖像以及基于機(jī)器視覺的識(shí)別和計(jì)數(shù)結(jié)果，等待操作人員的干預(yù)，操作人員通過(guò)根據(jù)所保存的原始圖像信息和基于機(jī)器視覺的識(shí)別和計(jì)數(shù)結(jié)果進(jìn)行確認(rèn)，最終保證計(jì)數(shù)的正確性；進(jìn)ー步，要實(shí)現(xiàn)高速的自動(dòng)計(jì)數(shù)檢測(cè)，需要設(shè)計(jì)ー種基于機(jī)器視覺的計(jì)數(shù)檢測(cè)流水線來(lái)滿足全自動(dòng)化的、高效的檢測(cè)動(dòng)作需求；檢測(cè)過(guò)程中的動(dòng)作主要包括上料的動(dòng)作、減少被測(cè)顆粒物重疊和粘連的動(dòng)作、檢測(cè)的動(dòng)作、搬運(yùn)的動(dòng)作和卸料的動(dòng)作，這些動(dòng)作都對(duì)應(yīng)著ー個(gè)自動(dòng)控制機(jī)構(gòu)來(lái)實(shí)現(xiàn)相應(yīng)的動(dòng)作，并且能并行協(xié)調(diào)地將這些動(dòng)作連接起來(lái)；為了實(shí)現(xiàn)上述設(shè)計(jì)目標(biāo)，本發(fā)明設(shè)計(jì)了 8個(gè)エ位，每個(gè)エ位上都有相對(duì)應(yīng)的托盤，在旋轉(zhuǎn)式計(jì)數(shù)檢測(cè)流水線上即有8個(gè)托盤，每個(gè)托盤用銷釘被均勻固定在轉(zhuǎn)盤的圓周方向上，相隔托盤之間的夾角為45°，如附圖4所示；轉(zhuǎn)盤由步進(jìn)電機(jī)驅(qū)動(dòng)，在每個(gè)エ位上均會(huì)產(chǎn)生片息停留，完成搬運(yùn)動(dòng)作，停留的時(shí)間間隔不小于檢測(cè)動(dòng)作或者卸料動(dòng)作或者上料動(dòng)作中的最長(zhǎng)執(zhí)行時(shí)間；在第一エ位上由所述的上料動(dòng)作機(jī)構(gòu)完成上料的動(dòng)作，通過(guò)所述的上料動(dòng)作機(jī)構(gòu)將待測(cè)物件容器中的被測(cè)顆粒物放置到第一エ位上的托盤中；在第三エ位上由所述的微震動(dòng)作機(jī)構(gòu)作用于該エ位上的托盤，使得托盤中的被測(cè)顆粒物的排列狀態(tài)發(fā)生ー些變化，從而實(shí)現(xiàn)減少被測(cè)顆粒物重疊和粘連的效果；在對(duì)托盤進(jìn)行微震動(dòng)作后，緊接著由所述的攝像機(jī)完成拍攝圖像的動(dòng)作；為了提高檢測(cè)精度，在第三エ位上有連續(xù)三次微震和圖像抓拍動(dòng)作，即微震動(dòng)作一圖像抓拍動(dòng)作一微震動(dòng)作一圖像抓拍動(dòng)作一微震動(dòng)作一圖像抓拍動(dòng)作；在第五エ位上由所述的傾倒動(dòng)作機(jī)構(gòu)完成卸料動(dòng)作，傾倒動(dòng)作機(jī)構(gòu)使得在該エ位上的托盤發(fā)生傾斜，傾斜的結(jié)果使得托盤中的被測(cè)顆粒物由本身的重力作用倒入到出料ロ中，最終流入到已測(cè)物件容器內(nèi)；在第一エ位上的上料動(dòng)作、在第三エ位的微震和圖像抓拍動(dòng)作、在第五エ位上的卸料動(dòng)作都是并行進(jìn)行的，當(dāng)微處理器控制轉(zhuǎn)盤轉(zhuǎn)動(dòng)到エ位位置停止時(shí)，同時(shí)啟動(dòng)所述的上料控制模塊、所述的微震控制模塊、所述的圖像抓拍模塊和所述的傾倒控制模塊分別完成在第一エ位上的上料動(dòng)作、在第三エ位的微震和圖像抓拍動(dòng)作、在第五エ位上的卸料動(dòng)作的控制；上述動(dòng)作的協(xié)調(diào)是由所述的流水線控制模塊進(jìn)行控制的，在開始前首先對(duì)各個(gè)動(dòng)作機(jī)構(gòu)進(jìn)行自檢；在自檢通過(guò)后，流水線主要控制流程如下stepl :轉(zhuǎn)盤轉(zhuǎn)動(dòng)控制輸出控制轉(zhuǎn)盤轉(zhuǎn)動(dòng)45°角度以順時(shí)針方式變換エ位；step2 :等待在變換エ位動(dòng)作結(jié)束；step3:啟動(dòng)上料控制模塊控制在第一エ位上的上料機(jī)構(gòu)動(dòng)作將待測(cè)物件容器中的被測(cè)顆粒物放置到第一エ位上的托盤中；St印4 :啟動(dòng)傾倒控制模塊控制在第五エ位上的卸料機(jī)構(gòu)動(dòng)作將安放在托盤上的被測(cè)顆粒物傾倒到出料口中，被測(cè)顆粒物由自身重力自動(dòng)流入到已測(cè)物件容器內(nèi)；step5:啟動(dòng)微震控制模塊控制在第三エ位上的微震機(jī)構(gòu)動(dòng)作將安放在托盤上的被測(cè)顆粒物的排列狀態(tài)發(fā)生一些變化；St印6:啟動(dòng)圖像抓拍模塊抓拍該エ位上的托盤上被測(cè)顆粒物的圖像，將抓拍的圖像保存在微處理器的存儲(chǔ)單元中；st印7 :判斷抓拍次數(shù)是否達(dá)到所設(shè)定的次數(shù)；如果沒有達(dá)到轉(zhuǎn)到St印5，否則繼續(xù)下ー步計(jì)算；step8 :轉(zhuǎn)到 stepl。再進(jìn)ー步，所述的微震動(dòng)作機(jī)構(gòu)是由凸輪機(jī)構(gòu)實(shí)現(xiàn)的，如附圖8所示，托盤依靠自重與凸輪進(jìn)行接觸，凸輪機(jī)構(gòu)由步進(jìn)電機(jī)驅(qū)動(dòng)，步進(jìn)電機(jī)旋轉(zhuǎn)一周，相應(yīng)的凸輪機(jī)構(gòu)就會(huì)對(duì)托盤發(fā)生一次微震，因此控制微震動(dòng)作機(jī)構(gòu)發(fā)生一次微震就是控制所述的微震動(dòng)作機(jī)構(gòu)中的步進(jìn)電機(jī)旋轉(zhuǎn)一周；所述的微震動(dòng)作機(jī)構(gòu)由微震控制模塊進(jìn)行控制，微震控制模塊發(fā)出ー個(gè)控制輸出所述的微震動(dòng)作機(jī)構(gòu)發(fā)生一次微震；更進(jìn)一歩，所述的傾倒動(dòng)作機(jī)構(gòu)是由凸輪機(jī)構(gòu)實(shí)現(xiàn)的，如附圖7所示，托盤依靠自重與凸輪進(jìn)行接觸，凸輪機(jī)構(gòu)由步進(jìn)電機(jī)驅(qū)動(dòng)，步進(jìn)電機(jī)旋轉(zhuǎn)一周，相應(yīng)的凸輪機(jī)構(gòu)就會(huì)對(duì)托盤發(fā)生一次傾斜，附圖7(b)是所述的傾倒機(jī)構(gòu)使得托盤中的被測(cè)顆粒物由本身的重力作用倒入到出料口中的狀態(tài)，因此控制傾倒動(dòng)作機(jī)構(gòu)發(fā)生一次傾倒動(dòng)作就是控制所述的傾倒動(dòng)作機(jī)構(gòu)中的步進(jìn)電機(jī)旋轉(zhuǎn)一周；所述的傾倒動(dòng)作機(jī)構(gòu)由傾倒控制模塊進(jìn)行控制，傾倒控制模塊發(fā)出一個(gè)控制輸出所述的傾倒動(dòng)作機(jī)構(gòu)發(fā)生一次傾倒動(dòng)作；所述的上料動(dòng)作機(jī)構(gòu)，屬于一種水車式上料機(jī)構(gòu)，如附

圖1所示，其原理是通過(guò)動(dòng)力裝置3驅(qū)動(dòng)傳輸帶4，傳輸帶3上固定著若干個(gè)扇形板式料斗6，當(dāng)扇形板式料斗6穿過(guò)待測(cè)物件容器2時(shí)，扇形板式料斗6會(huì)帶走在待測(cè)物件容器2內(nèi)的待測(cè)顆粒物，當(dāng)傳輸帶4上的扇形板式料斗6轉(zhuǎn)動(dòng)到頂部時(shí)，扇形板式料斗6會(huì)發(fā)生翻轉(zhuǎn)動(dòng)作，這時(shí)待測(cè)顆粒物由于自身重力沿?fù)醢?流入托盤7中，選擇和設(shè)計(jì)扇形板式料斗6的大小以及形狀控制流入流入托盤7中的待測(cè)顆粒物數(shù)量；所述的上料動(dòng)作機(jī)構(gòu)由上料控制模塊控制，上料控制模塊發(fā)出ー個(gè)控制輸出所述的上料動(dòng)作機(jī)構(gòu)對(duì)托盤進(jìn)行一次上料動(dòng)作；轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)，用于改變托盤的エ位，如附圖4所示；轉(zhuǎn)盤安置在工作臺(tái)上，由步進(jìn)電機(jī)驅(qū)動(dòng)旋轉(zhuǎn)，對(duì)于本發(fā)明中的8個(gè)エ位的情況，轉(zhuǎn)盤控制模塊發(fā)出ー個(gè)控制輸出轉(zhuǎn)盤·順時(shí)針方向旋轉(zhuǎn)45°角度；抓拍控制模塊發(fā)出一個(gè)控制輸出所述的攝像機(jī)抓拍一次托盤中的圖像，抓拍的圖像以6位編號(hào)+抓拍號(hào)，即以格式保存在微處理器的存儲(chǔ)單元中，這里規(guī)定，每個(gè)待識(shí)別和計(jì)數(shù)的托盤都賦予ー個(gè)新的6位編號(hào)，6位編號(hào)連續(xù)循環(huán)使用，N為第幾次抓拍；圖像讀取模塊，用于讀取存儲(chǔ)單元中抓拍的圖像，為了提高識(shí)別和計(jì)數(shù)效率，本發(fā)明中分別創(chuàng)建三個(gè)新的線程分別讀取三次抓拍的圖像，每個(gè)線程接著進(jìn)行圖像處理和自動(dòng)計(jì)數(shù)運(yùn)算，當(dāng)上述運(yùn)算都結(jié)束后保存識(shí)別和計(jì)數(shù)結(jié)果，然后殺死該線程；圖像處理模塊，用于提取出被測(cè)顆粒物的前景圖像；本發(fā)明中采用了ー種與被測(cè)顆粒物在顔色或者灰度特征上具有顯著區(qū)別的、無(wú)明顯紋理的托盤，在檢測(cè)前拍攝沒有存放任何物體的托盤圖像，作為背景圖像保存在微處理器的存儲(chǔ)單元中；在檢測(cè)中將背景圖像與抓拍圖像進(jìn)行差運(yùn)算，即通過(guò)背景差運(yùn)算得到被測(cè)顆粒物的前景圖像；接著對(duì)所得到的前景圖像進(jìn)行ニ值化處理，所謂的ニ值化處理就是設(shè)定合適的閾值，將低于閾值的像素點(diǎn)，即背景設(shè)置為黒色，將大于等于閾值的像素點(diǎn)，即代表被測(cè)顆粒物的前景像素部分設(shè)置為白色；圖像在經(jīng)過(guò)ニ值化處理之后，在被測(cè)顆粒物會(huì)出現(xiàn)很多噪聲點(diǎn)；這些噪聲點(diǎn)主要體現(xiàn)為離散的噪聲前景點(diǎn)和目標(biāo)區(qū)域中的小孔等；這對(duì)下一步連通區(qū)域檢測(cè)帶來(lái)不良影響，因此在進(jìn)行連通集劃分前一般都要先進(jìn)行去噪聲處理；為了更有利于進(jìn)行連通區(qū)域標(biāo)示和自動(dòng)計(jì)數(shù)，本發(fā)明通過(guò)數(shù)學(xué)形態(tài)學(xué)運(yùn)算來(lái)實(shí)現(xiàn)去噪聲處理；利用腐蝕和膨脹算子分別去除孤立的噪聲前景點(diǎn)和填補(bǔ)目標(biāo)區(qū)域的小孔；腐蝕算子在數(shù)學(xué)形態(tài)學(xué)中的作用是消除物體邊界點(diǎn)和孤立點(diǎn)，使邊界向內(nèi)收縮的過(guò)程，可以把小于結(jié)構(gòu)元素的物體去除；這樣選取不同大小的結(jié)構(gòu)元素來(lái)去除不同大小的干擾；腐蝕實(shí)際上把圖像的外圍去棹，同時(shí)保留圖像內(nèi)部部分；本發(fā)明中選半徑為4的圓形結(jié)構(gòu)元素來(lái)去除孤立的噪聲前景點(diǎn)；膨脹算子在數(shù)學(xué)形態(tài)學(xué)中的作用與腐蝕的作用正好相反，它是對(duì)ニ值化物體邊界點(diǎn)進(jìn)行擴(kuò)充，將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外部擴(kuò)張的過(guò)程；如果兩個(gè)物體之間的距離比較近，則膨脹運(yùn)算可能會(huì)把兩個(gè)物體連通到一起，膨脹對(duì)填補(bǔ)圖像分割后物體中的空洞很有用；膨脹實(shí)際上是把圖像的外圍擴(kuò)充了一圏，同時(shí)保留圖像內(nèi)部的部分；經(jīng)過(guò)腐蝕的處理，ニ值化圖像中的孤立噪聲點(diǎn)能被很好地抑制，整個(gè)圖像變得干凈，有利于下ー步的計(jì)數(shù)處理；開運(yùn)算操作是形態(tài)學(xué)的二次運(yùn)算，是比腐蝕和膨脹更高ー級(jí)的運(yùn)算，它由腐蝕和膨脹組合而成；開運(yùn)算操作一般使對(duì)象的輪廓變得光滑，可以斷開兩個(gè)物體之間狹窄連接橋和消除物體上細(xì)長(zhǎng)的突出物；本發(fā)明中使用半徑為4的圓形結(jié)構(gòu)元素對(duì)ニ值化后的圖像進(jìn)行開操作，計(jì)算方法如公式(I)所示，
g= (JQB)Bff(I)式中，f為ニ值化后的圖像，B為半徑為4的圓形結(jié)構(gòu)元素，g為開運(yùn)算操作后的圖像， 為腐蝕算子， 為膨脹算子; 進(jìn)ー步，對(duì)開運(yùn)算操作后的圖像進(jìn)行連通區(qū)域標(biāo)識(shí)的工作，連通區(qū)域標(biāo)識(shí)的工作用于標(biāo)記已經(jīng)被檢測(cè)出來(lái)的各個(gè)被測(cè)顆粒物的區(qū)域，為計(jì)算各個(gè)區(qū)域的物理屬性作好準(zhǔn)備，這里采用8-連通算法；8連通算法選取前景對(duì)象像素在ニ維空間中所有相鄰像素，將所有具有連通性的像素作為ー個(gè)區(qū)域則構(gòu)成了一個(gè)連通區(qū)域，8-連通判別算法如下Step21 :對(duì)ニ值圖從左到右，從上到下逐個(gè)像素掃描，掃描到前景點(diǎn)；Step22 :若當(dāng)前點(diǎn)的右上點(diǎn)也是前景，則當(dāng)前點(diǎn)跟右上點(diǎn)相同的值；Step23 :若當(dāng)前點(diǎn)的右上點(diǎn)不是前景,則判斷正上點(diǎn)，如為前景，則當(dāng)前點(diǎn)跟正上點(diǎn)，并標(biāo)記和正上點(diǎn)相同的值；St印24 :若當(dāng)前點(diǎn)的右上點(diǎn)和正上點(diǎn)都不是前景，則判斷左上點(diǎn)，如為前景，則當(dāng)前點(diǎn)跟正上點(diǎn)，并標(biāo)記和正上點(diǎn)相同的值；St印25 :若當(dāng)前點(diǎn)左上、正上、右上及左前四個(gè)點(diǎn)都不為前景，則把數(shù)標(biāo)加I ;自動(dòng)計(jì)數(shù)模塊，用于對(duì)連通區(qū)域標(biāo)識(shí)的工作后的圖像依據(jù)被測(cè)顆粒物的物理屬性進(jìn)行過(guò)濾和計(jì)數(shù)處理；經(jīng)過(guò)連通區(qū)域標(biāo)識(shí)的工作處理后，在ニ值圖中的每ー個(gè)連通域都被標(biāo)識(shí)出來(lái)，連通區(qū)域面積的大小和周長(zhǎng)都能有效被測(cè)顆粒物的物理屬性，并且算法簡(jiǎn)單、實(shí)時(shí)性好；本發(fā)明優(yōu)先選用基于面積的自動(dòng)計(jì)數(shù)方法和基于周長(zhǎng)的自動(dòng)計(jì)數(shù)方法；對(duì)于每一種被測(cè)顆粒物的物理屬性上有所區(qū)別，針對(duì)某一種被測(cè)顆粒物在檢測(cè)前就必須獲得該被測(cè)顆粒物的面積閾值Tl和T2和周長(zhǎng)閾值T3和T4 ;因此，對(duì)于上述兩種自動(dòng)計(jì)數(shù)方法針對(duì)某ー種被測(cè)顆粒物在計(jì)數(shù)檢測(cè)前，首先需要通過(guò)檢測(cè)統(tǒng)計(jì)學(xué)習(xí)方式確定該被測(cè)顆粒物的面積閾值Tl和T2以及周長(zhǎng)閾值T3和T4，這里假設(shè)被測(cè)顆粒物的面積和周長(zhǎng)的測(cè)量值符合正態(tài)分布，正態(tài)分布中的概率密度函數(shù)如公式(2)所示，=
V2 勝(2)式中，U為隨機(jī)變量X的均值，O為隨機(jī)變量X的標(biāo)準(zhǔn)差，它們是正態(tài)分布的兩個(gè)參數(shù)；通過(guò)對(duì)ー批某被測(cè)顆粒物的檢測(cè)得到ー批檢測(cè)數(shù)據(jù)，根據(jù)對(duì)這些數(shù)據(jù)的處理得到正態(tài)分布的兩個(gè)參數(shù)；如對(duì)于某被測(cè)顆粒物的面積閾值Tl和T2用公式(3)進(jìn)行計(jì)算，Tl=U -2. 58 O(3)T2= U +2. 58 o按公式(3)這樣的設(shè)置，對(duì)于落在面積閾值Tl和T2范圍內(nèi)被測(cè)顆粒物的檢測(cè)的概率達(dá)到99. 73% ；
自動(dòng)計(jì)數(shù)模塊中的以面積為閾值的計(jì)數(shù)算法如下Step31 :對(duì)連通域標(biāo)示后的ニ值圖從上到下、從左到右進(jìn)行掃描；分別計(jì)算每個(gè)連通區(qū)域的面積S ；Step32 :對(duì)于大于或等于面積閾值Tl和小于面積閾值T2的整體進(jìn)行計(jì)數(shù)；對(duì)于大于或等于面積閾值T2和小于面積閾值T2+T1的整體進(jìn)行加2計(jì)數(shù)；自動(dòng)計(jì)數(shù)模塊中的以邊界周長(zhǎng)為閾值的計(jì)數(shù)算法如下Step41 :對(duì)閾值化后的ニ值圖像從上到下、從左到右進(jìn)行掃描；如果遇到白色象素則進(jìn)行標(biāo)記，并按照Freeman編碼方式進(jìn)行逆時(shí)針跟蹤，如果能夠連接在一起，則表明該區(qū)域?yàn)椹`個(gè)整體；對(duì)圖像中的每ー個(gè)整體進(jìn)行標(biāo)記1，2，3，…，n(n為整數(shù))；
Step42 :統(tǒng)計(jì)各個(gè)不同整體的周長(zhǎng)；由于按照Freeman編碼所連通的象素是某個(gè)整體最外邊界的象素，其周長(zhǎng)便是邊界上的象素?cái)?shù)；Step43 :對(duì)于大于或等于邊界周長(zhǎng)閾值T3和小于邊界周長(zhǎng)閾值T4的整體進(jìn)行計(jì)數(shù)；對(duì)于大于或等于邊界周長(zhǎng)閾值T4和小于邊界周長(zhǎng)閾值T3+T4的整體進(jìn)行加2計(jì)數(shù)；多數(shù)表決模塊，用于進(jìn)ー步提高檢測(cè)和識(shí)別精度；本發(fā)明中提出了一種簡(jiǎn)單的K/n的多數(shù)表決方法，即共有n張被識(shí)別的圖像，如果有K張圖像的計(jì)數(shù)識(shí)別結(jié)果相同就判定為該結(jié)果；本發(fā)明采用2/3的多數(shù)表決方法，即3次識(shí)別計(jì)數(shù)結(jié)果中有2次以上的計(jì)數(shù)結(jié)果相同就判定為該結(jié)果為最終識(shí)別結(jié)果；當(dāng)3次識(shí)別計(jì)數(shù)結(jié)果都不一致時(shí)，保存原識(shí)別圖像最后留給人工去識(shí)別處理；多數(shù)表決模塊的作用是將攝像機(jī)在不同的拍攝狀態(tài)和時(shí)間所獲得的計(jì)數(shù)識(shí)別結(jié)果在決策層進(jìn)行信息融合；具體的做法是采用多數(shù)表決的方法來(lái)確定K/n多數(shù)表決系統(tǒng)的Counteraccuracy (K/n;；
權(quán)利要求
1.一種基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于包括用于對(duì)顆粒物進(jìn)行自動(dòng)計(jì)數(shù)檢測(cè)的流水線、用于拍攝被測(cè)顆粒物圖像的攝像單元和用于對(duì)被測(cè)顆粒物圖像進(jìn)行圖像處理以及協(xié)調(diào)控制流水線上各機(jī)構(gòu)動(dòng)作的微處理器，所述流水線包括用于將被測(cè)顆粒物從待測(cè)物件容器中提升到流水線上的托盤中的上料動(dòng)作機(jī)構(gòu)、用于將流水線上的托盤中的被測(cè)顆粒物傾倒到已測(cè)物件容器中的傾倒動(dòng)作機(jī)構(gòu)、用于使得流水線上的托盤按規(guī)定節(jié)奏進(jìn)行間隙式轉(zhuǎn)動(dòng)的轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)和用于使得流水線上托盤中的被測(cè)顆粒物均勻分布減少重疊和粘連的微震動(dòng)作機(jī)構(gòu)，所述的微處理器還包括 圖像讀取模塊，用于從所述的攝像單元讀取包含有被測(cè)顆粒物的圖像；圖像處理模塊，用于對(duì)包含有被測(cè)顆粒物的圖像進(jìn)行數(shù)字圖像處理，將被測(cè)顆粒物部分從整個(gè)圖像背景中提取出來(lái)，并對(duì)提取出來(lái)的前景圖像中的每個(gè)被測(cè)顆粒物進(jìn)行標(biāo)識(shí)；自動(dòng)計(jì)數(shù)模塊，通過(guò)掃描整幅前景圖像中標(biāo)識(shí)的被測(cè)顆粒物并進(jìn)行統(tǒng)計(jì)得到被測(cè)顆粒物的數(shù)量；多數(shù)表決模塊，由于基于機(jī)器視覺的自動(dòng)計(jì)數(shù)方式在檢測(cè)精度上屬于一個(gè)概率問題，這里采用了對(duì)托盤中的被測(cè)顆粒物在不同的狀態(tài)下分別進(jìn)行了圖像處理、識(shí)別和計(jì)數(shù)，這樣每次自動(dòng)計(jì)數(shù)識(shí)別結(jié)果是相對(duì)獨(dú)立的，因此可以采用概率統(tǒng)計(jì)的方法對(duì)多個(gè)識(shí)別計(jì)數(shù)結(jié)果進(jìn)行表決處理來(lái)提高自動(dòng)計(jì)數(shù)裝置的識(shí)別率；結(jié)果輸出模塊，根據(jù)輸出方式不同，分為原始圖像輸出、圖像處理中間結(jié)果輸出、識(shí)別和計(jì)數(shù)結(jié)果輸出和表決結(jié)果輸出；上料控制模塊，用于控制所述的上料動(dòng)作機(jī)構(gòu)的動(dòng)作，將待測(cè)物件容器中的被測(cè)顆粒物放置到的托盤中；微震控制模塊，用于控制所述的微震動(dòng)作機(jī)構(gòu)的動(dòng)作，實(shí)施對(duì)盛放著被測(cè)顆粒物的托盤產(chǎn)生微震，以減少被測(cè)顆粒物的粘連和重疊；圖像抓拍模塊，用于控制所述的攝像機(jī)對(duì)盛放著被測(cè)顆粒物的托盤進(jìn)行圖像抓拍，并將抓拍的圖像保存在微處理器中的存儲(chǔ)單元中，以便后續(xù)的圖像處理、識(shí)別和計(jì)數(shù)；傾倒控制模塊，用于控制所述的傾倒動(dòng)作機(jī)構(gòu)的動(dòng)作，使得已完成抓拍圖像的托盤發(fā)生傾斜，將托盤中的被測(cè)顆粒物傾倒到出料口中，完成卸料動(dòng)作；轉(zhuǎn)盤控制模塊，用于控制所述的轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)旋轉(zhuǎn)45°的工位變動(dòng)動(dòng)作；流水線控制模塊，用于控制檢測(cè)流水線上的所述的上料動(dòng)作機(jī)構(gòu)、所述的微震動(dòng)作機(jī)構(gòu)、所述的攝像機(jī)、所述的傾倒動(dòng)作機(jī)構(gòu)和轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)按規(guī)定的流程并行協(xié)調(diào)動(dòng)作；人機(jī)交互模塊，用于在人工干預(yù)下提高裝置的識(shí)別和計(jì)數(shù)精度、完成檢測(cè)參數(shù)的設(shè)定和控制檢測(cè)結(jié)果的輸出。
2.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的流水線是一種旋轉(zhuǎn)式的轉(zhuǎn)盤，轉(zhuǎn)盤上有8個(gè)托盤，每個(gè)托盤用銷釘被均勻固定在轉(zhuǎn)盤的圓周方向上，相隔托盤之間的夾角為45° ;轉(zhuǎn)盤由所述的轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)驅(qū)動(dòng)，在每個(gè)工位上均會(huì)產(chǎn)生間歇式停留，完成搬運(yùn)動(dòng)作，停留的時(shí)間間隔不小于檢測(cè)動(dòng)作或者卸料動(dòng)作或者上料動(dòng)作中的最長(zhǎng)執(zhí)行時(shí)間。
3.如權(quán)利要求1或2所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的微震動(dòng)作機(jī)構(gòu)是由凸輪機(jī)構(gòu)實(shí)現(xiàn)的，托盤依靠自重與凸輪進(jìn)行接觸，凸輪機(jī)構(gòu)由步進(jìn)電機(jī)驅(qū)動(dòng)，步進(jìn)電機(jī)旋轉(zhuǎn)一周，相應(yīng)的凸輪機(jī)構(gòu)就會(huì)對(duì)托盤發(fā)生一次微震，因此控制所述的微震動(dòng)作機(jī)構(gòu)發(fā)生一次微震就是控制所述的微震動(dòng)作機(jī)構(gòu)中的步進(jìn)電機(jī)旋轉(zhuǎn)一周；所述的微震動(dòng)作機(jī)構(gòu)由微震控制模塊進(jìn)行控制，所述的微震控制模塊發(fā)出一 個(gè)控制輸出所述的微震動(dòng)作機(jī)構(gòu)發(fā)生一次微震。
4.如權(quán)利要求1或2所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的傾倒動(dòng)作機(jī)構(gòu)是由凸輪機(jī)構(gòu)實(shí)現(xiàn)的，托盤依靠自重與凸輪進(jìn)行接觸，凸輪機(jī)構(gòu)由步進(jìn)電機(jī)驅(qū)動(dòng)，步進(jìn)電機(jī)旋轉(zhuǎn)一周，相應(yīng)的凸輪機(jī)構(gòu)就會(huì)對(duì)托盤發(fā)生一次傾斜，所述的傾倒動(dòng)作機(jī)構(gòu)使得托盤中的被測(cè)顆粒物由本身的重力作用倒入到出料口中的狀態(tài)，因此所述的控制傾倒動(dòng)作機(jī)構(gòu)發(fā)生一次傾倒動(dòng)作就是控制所述的傾倒動(dòng)作機(jī)構(gòu)中的步進(jìn)電機(jī)旋轉(zhuǎn)一周；所述的傾倒動(dòng)作機(jī)構(gòu)由所述的傾倒控制模塊進(jìn)行控制，所述的傾倒控制模塊發(fā)出一個(gè)控制輸出所述的所述的傾倒動(dòng)作機(jī)構(gòu)發(fā)生一次傾倒動(dòng)作。
5.如權(quán)利要求1或2所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的上料動(dòng)作機(jī)構(gòu)是一種水車式上料機(jī)構(gòu)，通過(guò)動(dòng)力裝置驅(qū)動(dòng)傳輸帶，傳輸帶上固定著若干個(gè)扇形板式料斗，當(dāng)扇形板式料斗穿過(guò)待測(cè)物件容器時(shí)，扇形板式料斗會(huì)帶走在待測(cè)物件容器內(nèi)的待測(cè)顆粒物，當(dāng)傳輸帶上的扇形板式料斗轉(zhuǎn)動(dòng)到所述的上料動(dòng)作機(jī)構(gòu)的頂部時(shí)，扇形板式料斗會(huì)發(fā)生翻轉(zhuǎn)動(dòng)作，這時(shí)待測(cè)顆粒物由于自身重力沿?fù)醢辶魅胪斜P中，選擇和設(shè)計(jì)扇形板式料斗的大小以及形狀來(lái)控制流入到托盤中的待測(cè)顆粒物數(shù)量；所述的上料動(dòng)作機(jī)構(gòu)由所述的上料控制模塊控制，所述的上料控制模塊發(fā)出一個(gè)控制輸出所述的上料動(dòng)作機(jī)構(gòu)對(duì)托盤進(jìn)行一次上料動(dòng)作。
6.如權(quán)利要求1或2所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的轉(zhuǎn)盤動(dòng)作機(jī)構(gòu)中；轉(zhuǎn)盤安置在工作臺(tái)上，由步進(jìn)電機(jī)驅(qū)動(dòng)旋轉(zhuǎn)。
7.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的抓拍控制模塊發(fā)出一個(gè)控制輸出所述的攝像機(jī)抓拍一次托盤中的圖像，每個(gè)待識(shí)別和計(jì)數(shù)的托盤都賦予一個(gè)新的6位編號(hào)，6位編號(hào)連續(xù)循環(huán)使用，N為第幾次抓拍。
8.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的圖像讀取模塊中，分別創(chuàng)建三個(gè)新的線程分別讀取三次抓拍的圖像，每個(gè)線程接著進(jìn)行圖像處理和自動(dòng)計(jì)數(shù)運(yùn)算，當(dāng)上述運(yùn)算都結(jié)束后保存識(shí)別和計(jì)數(shù)結(jié)果，然后殺死該線程。
9.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的圖像處理模塊中，采用了一種與被測(cè)顆粒物在顏色或者灰度特征上具有顯著區(qū)別的、無(wú)明顯紋理的托盤，在檢測(cè)前拍攝沒有存放任何物體的托盤圖像，作為背景圖像保存在微處理器的存儲(chǔ)單元中；在檢測(cè)中將背景圖像與抓拍圖像進(jìn)行差運(yùn)算，即通過(guò)背景差運(yùn)算得到被測(cè)顆粒物的前景圖像；接著對(duì)所得到的前景圖像進(jìn)行二值化處理，所謂的二值化處理就是設(shè)定合適的閾值，將低于閾值的像素點(diǎn)，即背景設(shè)置為黑色，將大于等于閾值的像素點(diǎn)，即代表被測(cè)顆粒物的前景像素部分設(shè)置為白色； 使用半徑為4的圓形結(jié)構(gòu)元素對(duì)二值化后的圖像進(jìn)行開操作，計(jì)算方法如公式(I)所示，Ε=(/ΘΒ)ΦΒ(I) 式中，f為二值化后的圖像，B為半徑為4的圓形結(jié)構(gòu)元素，g為開運(yùn)算操作后的圖像，Θ為腐蝕算子，Φ為膨脹算子; 進(jìn)一步，對(duì)開運(yùn)算操作后的圖像進(jìn)行連通區(qū)域標(biāo)識(shí)的工作，連通區(qū)域標(biāo)識(shí)的工作用于標(biāo)記已經(jīng)被檢測(cè)出來(lái)的各個(gè)被測(cè)顆粒物的區(qū)域，為計(jì)算各個(gè)區(qū)域的物理屬性作好準(zhǔn)備，這里采用8-連通算法；8連通算法選取前景對(duì)象像素在二維空間中所有相鄰像素，將所有具有連通性的像素作為一個(gè)區(qū)域則構(gòu)成了一個(gè)連通區(qū)域，8-連通判別算法如下St印21 :對(duì)二值圖從左到右，從上到下逐個(gè)像素掃描，掃描到前景點(diǎn)； Step22 :若當(dāng)前點(diǎn)的右上點(diǎn)也是前景，則當(dāng)前點(diǎn)跟右上點(diǎn)相同的值； Step23 :若當(dāng)前點(diǎn)的右上點(diǎn)不是前景,則判斷正上點(diǎn)，如為前景,則當(dāng)前點(diǎn)跟正上點(diǎn)，并標(biāo)記和正上點(diǎn)相同的值； St印24 :若當(dāng)前點(diǎn)的右上點(diǎn)和正上點(diǎn)都不是前景，則判斷左上點(diǎn)，如為前景，則當(dāng)前點(diǎn)跟正上點(diǎn)，并標(biāo)記和正上點(diǎn)相同的值； Step25 :若當(dāng)前點(diǎn)左上、正上、右上及左前四個(gè)點(diǎn)都不為前景,則把數(shù)標(biāo)加I。
10.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的自動(dòng)計(jì)數(shù)模塊中，經(jīng)過(guò)連通區(qū)域標(biāo)識(shí)的工作處理后，在二值圖中的每一個(gè)連通域都被標(biāo)識(shí)出來(lái)，連通區(qū)域面積的大小和周長(zhǎng)都能有效被測(cè)顆粒物的物理屬性，并且算法簡(jiǎn)單、實(shí)時(shí)性好；選用基于面積的自動(dòng)計(jì)數(shù)方法和基于周長(zhǎng)的自動(dòng)計(jì)數(shù)方法；對(duì)于每一種被測(cè)顆粒物的物理屬性上有所區(qū)別，針對(duì)某一種被測(cè)顆粒物在檢測(cè)前就必須獲得該被測(cè)顆粒物的面積閾值Tl和T2和周長(zhǎng)閾值T3和T4 ;因此，對(duì)于上述兩種自動(dòng)計(jì)數(shù)方法針對(duì)某一種被測(cè)顆粒物在計(jì)數(shù)檢測(cè)前，首先需要通過(guò)檢測(cè)統(tǒng)計(jì)學(xué)習(xí)方式確定該被測(cè)顆粒物的面積閾值Tl和T2以及周長(zhǎng)閾值T3和T4，這里假設(shè)被測(cè)顆粒物的面積和周長(zhǎng)的測(cè)量值符合正態(tài)分布，正態(tài)分布中的概率密度函數(shù)如公式(2)所示，
11.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的多數(shù)表決模塊中，采用一種簡(jiǎn)單的Κ/η的多數(shù)表決方法，即共有η張被識(shí)別的圖像，如果有K張圖像的計(jì)數(shù)識(shí)別結(jié)果相同就判定為該結(jié)果；本發(fā)明采用2/3的多數(shù)表決方法，即3次識(shí)別計(jì)數(shù)結(jié)果中有2次以上的計(jì)數(shù)結(jié)果相同就判定為該結(jié)果為最終識(shí)別結(jié)果；當(dāng)3次識(shí)別計(jì)數(shù)結(jié)果都不一致時(shí)，保存原識(shí)別圖像最后留給人工去識(shí)別處理； 所述的多數(shù)表決模塊的作用是將攝像機(jī)在不同的拍攝狀態(tài)和時(shí)間所獲得的計(jì)數(shù)識(shí)別結(jié)果在決策層進(jìn)行信息融合；具體的做法是采用多數(shù)表決的方法來(lái)確定Κ/η多數(shù)表決系統(tǒng)的 Counteraccuracy (Κ/η)；
12.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的結(jié)果輸出模塊中，根據(jù)輸出方式不同，分為原始圖像輸出、圖像處理中間結(jié)果輸出、識(shí)別和計(jì)數(shù)結(jié)果輸出和表決結(jié)果輸出；操作人員根據(jù)操作需要通過(guò)人機(jī)交互模塊在人機(jī)界面上選擇不同的輸出方式，正常檢測(cè)情況下只保存最終的表決結(jié)果輸出，并用以下格式寫入檢測(cè)結(jié)果表中； 表I檢測(cè)結(jié)果表
13.如權(quán)利要求1所述的基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，其特征在于所述的人機(jī)交互模塊中，根據(jù)裝置請(qǐng)求干預(yù)的信息進(jìn)行人工干預(yù)以提高裝置的識(shí)別和計(jì)數(shù)精度；根據(jù)裝置中記錄的人工干預(yù)識(shí)別處理情況，通過(guò)統(tǒng)計(jì)工具調(diào)整識(shí)別閾值、改變識(shí)別條件和修正識(shí)別算法。
全文摘要
一種基于機(jī)器視覺的流水式高精度、高速的顆粒物自動(dòng)計(jì)數(shù)裝置，包括用于對(duì)顆粒物進(jìn)行自動(dòng)計(jì)數(shù)檢測(cè)的、由攝像單元、微處理器、上料機(jī)構(gòu)、傾倒機(jī)構(gòu)、轉(zhuǎn)動(dòng)機(jī)構(gòu)、微震機(jī)構(gòu)等構(gòu)成的流水線；微處理器中包括圖像讀取模塊、圖像處理模塊、自動(dòng)計(jì)數(shù)模塊、多數(shù)表決模塊、結(jié)果輸出模塊、流水線控制模塊和人機(jī)交互模塊；本發(fā)明提供一種具有檢測(cè)效率高、識(shí)別計(jì)數(shù)精度好、檢測(cè)對(duì)象適應(yīng)面廣、自我學(xué)習(xí)和完善能力強(qiáng)的顆粒物自動(dòng)計(jì)數(shù)裝置。
文檔編號(hào)G06K9/46GK103020707SQ20121039929
公開日2013年4月3日 申請(qǐng)日期2012年10月19日 優(yōu)先權(quán)日2012年10月19日
發(fā)明者湯一平, 嚴(yán)杭晨, 黃磊磊, 馬寶慶, 劉康, 夏少杰, 周靜愷, 林璐璐, 徐海濤, 俞立 申請(qǐng)人:浙江工業(yè)大學(xué)