就工业检测技术而言,机器视觉检测技术是其未来发展的必然趋势,但其在线束端子行业中的应用还相当滞后,尤其是针对线束端子识别与抓取方面。传统技术方案大多通过振动盘的机械方式来完成线束端子的排列与定位,这种方案灵活性差,不利于企业的柔性生产。鉴于此,本文将采用机器视觉技术对机器人进行引导,一次性全局定位和抓取坐标引导,从而提高灵活性和企业柔性生产能力。全文主要工作和研究成果如下:(1)图像采集系统与数据集构建。根据企业实际需求,构建图像采集系统:主要包括照明装置、工业相机和镜头的选型设计,并对工业相机进行标定;在标定精度满足项目要求情况下,构建了线束端子图像数据集,为后续算法设计做准备。(2)线束端子图像分割。线束端子所呈现的状态主要为贴靠、叠加、孤立、稳态与亚稳态、嵌套等状态。对于叠加、稳态与亚稳态和嵌套问题,由企业通过机械装置保证不存在此类状态;针对孤立的线束端子,采用一种基于灰度阈值的分割方法;针对单类贴靠的线束端子,设计一种具有掩膜功能的大津阈值分割算法;针对多类贴靠的线束端子,设计一种基于轮廓线特征的模板匹配分割算法。(3)线束端子图像分类识别。本文提出两种方法实现对孤立线束端子的分类识别:融合几何特征和形状特征的分类算法与基于方向梯度直方图的分类算法。针对单类贴靠线束端子,采用基于局部特征的模板匹配算法实现分类;针对多类贴靠线束端子,采用基于轮廓线特征的模板匹配分割出各独立的线束端子轮廓,然后可将其按照孤立线束端子的分类识别方法,实现对其分类识别;最后验证了算法的准确性和实时性。(4)线束端子图像定位。设计一种定位基准线的自适应检测算法,根据定位基准线来截取线束端子定位特征点,从而计算出线束端子的定位中心点和机械手抓取旋转角。通过离线测试,综合定位准确率能达到99.36%。(5)软件系统开发。根据企业的实际生产需求,综合考虑分类准确率和算法的效率,选择融合几何特征和形状特征的分类与定位算法来开发软件系统。该系统主要集成了图像采集系统、数据保存模块和通讯模块。经过在线测试,线束端子的定位准确率达到99.025%,满足企业对定位准确率(大于99%)的要求。