本课题是真空泵远程维护系统研究的子课题,主要通过图像识别技术自动从图片或者视频中识别出泵体对象。真空泵的种类繁多,不同类型的真空泵具有完全不同的常见故障,因此,泵体识别是真空泵远程维护系统中的第一步,也是关键的一步。真空设备是刚性材料做成的,不容易产生柔性变形,泵体具有比较稳定的边缘特征,因此,本课题提出了一种在提取边缘的基础上结合Harris角点和SIFT特征的泵体识别算法,这种方法既可以利用边缘可以克服背景干扰,又具有SIFT(Scale Invariant Feature Transform)特征的所有优良特性,即旋转、尺度缩放不变性等。本文对整个识别过程进行了详细的介绍:(1)采用具有低误判率和高精度定位等优良特性的Canny算子进行边缘提取,可以克服光照对特征点识别的影响。(2)在边缘信息的基础上建立各像素点的八方向图,提取出Harris角点。(3)通过高斯金字塔,高斯差分金字塔等一系列过程检测SIFT特征点。(4)利用SIFT描述子对SIFT特征点进行描述,完成模板和待识别图像间的少量特征点的精确匹配,并求解出旋转缩放平移矩阵。(5)对Harris特征点进行粗糙匹配,通过旋转缩放平移矩阵实现最终匹配。(6)通过匹配特征点占模板所有特征点数目的百分比制定判据,进行判决。本文最后展示了实验对比结果。通过一系列仿制实验证明了,在合理的判据下,正确识别率可达94%,表明了本课题采用方法的可用性。