智能皮革切割技术是皮革制造企业中核心关键技术,皮革零件的排样问题又是智能皮革切割的难题。由于皮革母板和零件子板多为不规则图形,这为皮革零件排样带来巨大的困难。本文首先通过图像拼接技术获得皮革母板图像,之后对皮革材料进行轮廓提取和实际尺寸的获得,最后设计了扫描线——遗传算法,并进行二维不规则零件的排样研究和仿真实验,仿真的实验结果证明了算法的有效性。由于皮革母板幅面很大,在要求得到完整母板俯视图像的前提下,对母板图像采集时很难一次性采集完整。因此本文采用基于SURF特征提取的图像拼接方法,通过拼接融合技术将采集到的多张母板部分俯视图像,拼接为一张完整的母板俯视图像。在获得皮革图像后,需要对皮革材料进行轮廓提取和获取实际尺寸。因为皮革母板和子板零件多为不规则形状,且摄像头采集到图像后会对原始图像进行一定比例的缩放。因此本文通过多边形拟合法对图像进行轮廓提取,再做从图像到实际尺寸的透视变换,通过变换矩阵得到了实际尺寸的坐标群,为后续排样做基础。获得皮革图像的坐标集群之后,利用坐标群进行算法的设计和仿真实验。二维不规则图形排样,需要考虑零件子板的定位与定序。定位是各个零件子板之间、子板与母板之间如何拼接而不发生重叠,定序是指各个零件子板的下料顺序。因此本文首先研究了矩形排样(规则图形排样)的BL策略算法、BLF策略算法以及剩余矩形法等定位算法,二维不规则图形的临界多边形定位算法。在前述研究基础上,设计了扫描线——遗传算法,通过扫描线法获得多边形图形的扫描区间,然后利用遗传算法优化零件子板的排序问题,从而达到降低母板的浪费率,提高企业生产效率的目的。仿真实验结果证明扫描线——遗传智能排样算法能够有效提高排板效率,从而为企业节约成本,同时实验结果可以为智能排样的研究提供一定的参考。