论文部分内容阅读
计算机视觉研究的最终目标是使计算机能通过视觉观察和理解世界,具有自主适应环境的能力,但是,目前还无法研制出通用的计算机视觉系统来识别任意环境中的目标或自主地完成各种工作,而只能针对具体问题建立一种特殊的计算机视觉系统,以某种程度的智能完成特定的任务。本文以炼钢企业螺纹钢成品支数自动计数为工程应用背景,研究并提出了几种计算机视觉检测方法,研制出了一种综合计算机视觉、模式分类和信息融合等技术的螺纹钢自动计数方法,并系统地设计了基于该计算机视觉检测方法的钢材支数在线自动计数系统。本文的主要研究成果有: (1)提出了虚拟多传感器的概念和基于权系数D-S证据理论的信息融合模式分类方法,并应用到计算机视觉检测中。对实时图像进行不同的处理或变换,得到多幅不同的特征图像。用扫描模板同时在每一幅特征图上扫描,在不同特征图像相同的位置上,可以得到一个关于扫描模板下面的检测区域是否有被检测目标的基本信度分配,将这些基本信度按照加权D-S证据理论进行融合,根据融合结果将该区域完成分类,确定出在原始图像中相同的区域是否有检测目标。同时遍历扫描特征图像,可以得到图像中所有被检测目标的总个数。 (2)通过对实时图像干扰特征研究,提出了基于特征统计方法的自适应权系数D-S证据理论融合算法、初始参数自适应化边缘检测方法和阈值自适应化区域分割方法。使信息获取过程抗干扰能力增强,信息融合过程中的信度分配由历史数据和当前实时图像特征统计结果决定,提高了多传感器信息融合的自适应性。并将多传感器管理技术引入到计算机视觉检测技术中,降低了视觉检测中的计算复杂度,提高了检测分析效率。 (3)提出了基于虚拟多传感器和支持向量机的计算机视觉检测方法。借助虚拟多传感器输出信息,利用支持向量机完成检测区域分类,确定出所检测区域有无检测目标的判别。该方法的提出减少了检测系统对现场先验知识的依赖程度,使得系统的实用性进一步得到提高。 (4)研制出了基于提出的计算机视觉检测方法的螺纹钢支数在线自动计数系统。通过对现场各种干扰源分析,设计了可适用于恶劣的工业环境中自动采集实时图像的硬件机械系统,使得外界对图像的干扰明显降低,得到了相对稳定的实时图像。将研制的计数系统应用到某炼钢生产线对螺纹钢进行在线检测,现场使用结果表明该系统的实时检测结果准确性达到了99.6%。