棒材实时识别并计数,一直是钢厂致力于解决的难题。钢厂最初采用人工计数的方法进行棒材识别,该方法无法满足工业自动化需求。随后人们提出机电法、图像处理法进行棒材识别研究,对于存在端面氧化变暗、粘连的棒材,使用机电法与现有的图像处理法均难以准确识别,为此本课题提出改进分水岭的方法进行棒材识别计数,该方法主要包括棒材图像预处理,棒材目标识别与棒材跟踪。首先,对棒材图像进行预处理,端面氧化变暗的棒材在点云图上呈现多峰性,利用功率谱提取棒材图像低频部分使多峰性问题得到解决,对提取的低频部分进行最大熵阈值分割,实现棒材区域的自动提取。其次,针对棒材的目标识别问题,提出改进的标记分水岭的方法,该方法将标记点与多尺度重构融合,融合后进行分水岭变换识别棒材轮廓。对棒材区域进行距离变换,筛选距离图中的标记点;同时提取棒材低频部分对应的拓展局部极值区域,结合拓展局部极值区域进行标记点补充,通过标记点筛选与标记点补充获得棒材目标对应的完整标记点,将完整标记点作为前景标记,前景标记应用分水岭变换得到背景标记。然后结合多尺度形态学对棒材的梯度图进行重构,结果融合前景、背景标记,应用分水岭变换得到棒材轮廓,叠加不同尺度下的结果获得棒材的最终轮廓。最后针对采集得到的连续棒材图像进行跟踪,对棒材图像进行投影,估计图像的整体位移,对不同帧棒材进行对位实现棒材计数。实验结果表明,对于端面氧化变暗、粘连的棒材,本文提出的改进分水岭方法能够准确识别计数。针对复杂的棒材生产线,本课题的系统能满足棒材识别计数的实时性、可靠性要求,对于其他类圆形目标识别计数有着较好的指导意义。